概要
Letta Codeは、自然言語会話を通じてコード生成から実行検証までを自動化するAIアシスタントです。エンジニアが「このAPI仕様でテスト書いて」と話しかけるだけで、AIが仕様を理解し、コード生成、テスト実行、結果報告までを一気に処理します。
開発元のLetta AIは、2023年に創業したAIエージェント企業です。創業者のサラ・チェンは、自身が月間100時間以上をボイラープレートコード書きに費やしていたことに気づき、「その時間をもっとクリエイティブな部分に充てたい」という想いからこのプロダクトを開発。現在、1000社以上のエンジニアチームが導入し、平均で開発時間を40%削減したと報告されています。
主な機能
- 自然言語コマンド実行 - 日本語を含む自然言語でコード生成指示を出し、AIが自動でコードを作成・実行できます
- コンテキスト学習 - プロジェクト構造やコーディング規則を学習し、一貫性のあるコード生成が可能です
- リアルタイム実行検証 - 生成したコードをその場で実行し、エラーがあれば自動デバッグ提案します
- マルチファイル対応 - 複数ファイルにまたがるコード生成や、既存コードへの統合変更ができます
- テスト自動生成 - 仕様から自動的にユニットテストやE2Eテストを生成・実行します
- ドキュメント生成 - コードから自動でREADMEやAPI仕様書を生成できます
- チーム共有機能 - 生成されたコードやプロンプト履歴をチーム内で共有・再利用できます
技術スタック
- 言語 - Python、TypeScript、JavaScript
- AIフレームワーク - LangChain、Anthropic Claude API
- 実行環境 - Docker、Node.js Runtime
- IDE連携 - VSCode拡張機能
- バージョン管理連携 - Git、GitHub
- データベース - PostgreSQL（セッション管理用）
- 監視ツール - OpenTelemetry
導入方法
インストール:
npm install -g letta-code
# または
pip install letta-code
初期設定:
- GitHubアカウントでログイン
- APIキー（Claude API）を設定
- プロジェクトディレクトリで
letta initを実行 .letta/config.jsonでコード生成ルールをカスタマイズ
使用開始:
letta "ユーザー認証のコンポーネント作成"
# または
letta chat # 対話モード開始
詳細はGitHubのREADMEまたは公式ドキュメントを参照してください。
競合比較
| 項目 | Letta Code | GitHub Copilot | Amazon CodeWhisperer |
|---|---|---|---|
| 会話型操作 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐ |
| 自動実行検証 | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐ |
| IDE統合 | VSCode、JetBrains | 多数対応 | 多数対応 |
| コスト | 無料～$29/月 | $10/月 | 無料（AWS統合） |
| テスト生成 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ |
差別化ポイント:
Letta Codeの最大の違いは「実行までを自動化する」点です。Copilotはコード補完に特化していますが、Letta Codeは生成したコードをその場で実行し、結果を見て自動修正まで行います。テスト生成においても、単なるテンプレート提案ではなく、仕様から論理的に必要なテストケースを割り出して生成するため、網羅性が高くなっています。また、会話を通じた複数ステップの作業自動化により、「コード書いて→テスト実行→デプロイ」の一連のワークフローを一気に回せるのが特徴です。
活用シーン
シーン1: スタートアップのフルスタックエンジニア - 太郎の場合
太郎は3人チームのスタートアップで、フロント・バック・インフラを全部担当。毎週新機能3つリリースするノルマがありました。これまではAPI設計書を読み込んで、バックエンドコード→テスト→フロントエンド連携まで2日かかっていました。Letta Codeを導入後、「ECサイトの決済機能、Stripe連携、エラーハンドリング込みで」と話しかけるだけで、バックエンドコード、テスト、フロント用の型定義が30分で完成。結果、週のリリース数を4個に増やせて、給与も上がりました。
シーン2: レガシーコードの移行案件 - 花子の場合
花子はPHPで書かれた10年物のレガシーシステムを、TypeScriptで書き直すプロジェクトに配置されました。仕様は書かれておらず、コードから逆算して理解する必要があります。「このPHPファイルの処理をTypeScriptで同等の動作をする関数に書き直して」とLetta Codeに投げると、古いコードを読み取って新言語で再実装し、自動的に動作確認までしてくれます。3ヶ月の予定が6週間で終わり、クライアント満足度が95点に。
シーン3: データサイエンス案件のパイプライン構築 - 次郎の場合
次郎はPythonでデータ処理パイプラインを月5個のペースで作成していました。データクレンジング、特徴量エンジニアリング、モデル評価まで、毎回似たコードを書き直していました。Letta Codeで「Kaggleの顧客離脱データセット、前処理→特徴量抽出→ロジスティック回帰で精度確認」と指示すると、一連の処理が自動生成され、ノートブックも含めて整理されます。月間50時間の削減で、新しい手法の研究に時間を使えるようになりました。
こんな人におすすめ
- フルスタックエンジニア・スタートアップ開発者 - 少人数チームで多くの機能を短期間にリリースする必要があり、コード書き自体よりも設計・判断に時間を使いたい人向け
- データサイエンティスト - パイプライン処理やモデル評価コードの重複作業を減らし、分析や仮説検証に集中したい人向け
- ジュニアエンジニア・新卒 - コーディング基礎はあるが、本番レベルのコード品質やテスト方法を学びながら、成長スピードを上げたい人向け
- 保守性改善が必要な企業の技術者 - レガシーコードの分析・リファクタリングや言語移行プロジェクトで、生産性を維持しながら品質を上げたい人向け
- ドキュメント作成が課題なチーム - コード生成と同時にREADMEやAPI仕様書も自動生成され、ドキュメント遅延の悪循環から脱出できる人向け