この記事ではAIエージェントに特化して解説します。AIエージェント全般は AIエージェントフレームワーク比較2026年版 をご覧ください。

Awesome Codex Subagentsとは：136個のAI専門エージェントを即導入

AIコーディングツールの普及で「エージェントに作業を委任する」開発スタイルが一般化しつつある。しかし、専門的なsubagent（サブエージェント）を自分で設計するのは手間がかかる。

Awesome Codex Subagentsは、OpenAIのCodex向けに設計された136個超の専門subagentを10カテゴリに分類したキュレーション型リソース集だ。GitHub Star 3.8K、Fork 436。各subagentは.toml設定ファイルで定義されており、ディレクトリにコピーするだけで即座にCodexで利用できる。

AIエージェントフレームワーク比較2026年版で紹介したCrewAIやLangGraphが「フレームワークから構築する」アプローチなのに対し、本リポジトリは「すぐ使えるsubagentを集めた」実践的なリソース集という位置づけだ。

10カテゴリ・136個のsubagent構成

カテゴリ subagent数 主な専門領域
Core Development 12 バックエンド、フロントエンド、API設計、モバイル開発
Language Specialists 28 Python、JS、Go、Rust、Java、C++、Swift等
Infrastructure 16 DevOps、Kubernetes、Terraform、Docker、AWS/Azure/GCP
Quality & Security 16 コードレビュー、ペネトレーションテスト、アクセシビリティ
Data & AI 12 機械学習、データエンジニアリング、NLP、MLOps
Developer Experience 13 ビルドシステム、ドキュメント、リファクタリング
Specialized Domains 12 ブロックチェーン、フィンテック、組込み、ゲーム開発
Business & Product 11 プロダクト管理、技術ライティング、ビジネス分析
Meta & Orchestration 12 マルチエージェント調整、ワークフロー自動化
Research & Analysis 7 市場調査、競合分析、データディスカバリ

subagentの仕組み：toml設定ファイルの構造

各subagentは.tomlファイルで定義される。以下はバックエンド開発者subagentの構成例だ。

# .codex/agents/backend-developer.toml
name = "backend-developer"
description = "Server-side architecture and scalable API expert"
model = "gpt-5.4"
model_reasoning_effort = "high"
sandbox_mode = "workspace-write"

[instructions]
content = """
You are a senior backend engineer specializing in:
- RESTful/GraphQL API design
- Database schema optimization
- Microservice architecture patterns
- Performance tuning and caching strategies
"""

ポイントは3つ。

  1. model: タスクの複雑さに応じてモデルを選択。深い推論にはgpt-5.4、高速タスクにはgpt-5.3-codex-sparkを指定
  2. sandbox_mode: read-only（レビュアー・監査系）かworkspace-write（開発者・エンジニア系）でアクセス権を制御
  3. [instructions]: subagentの専門性を定義するシステムプロンプト

導入手順：3コマンドで完了

グローバル導入（全プロジェクトで利用可能）：

# 1. ディレクトリ作成
mkdir -p ~/.codex/agents

# 2. 必要なsubagentをコピー
cp categories/01-core-development/backend-developer.toml ~/.codex/agents/
cp categories/04-quality-security/reviewer.toml ~/.codex/agents/

# 3. 確認
ls ~/.codex/agents/

プロジェクト固有の導入（そのリポジトリでのみ有効、チームで共有可能）：

mkdir -p .codex/agents
cp categories/04-quality-security/security-auditor.toml .codex/agents/
git add .codex/agents/  # チーム全体で共有

プロジェクト固有（.codex/agents/）はグローバル（~/.codex/agents/）より優先される。

マルチエージェントの使い方：明示的な委任

subagentはCodexが自動的に起動するものではなく、開発者が明示的に委任する仕組みだ。

Review this branch with parallel subagents.
Have reviewer look for correctness, security, and missing tests.
Have docs_researcher verify the framework APIs this patch depends on.

この設計により、各subagentが独立したコンテキストウィンドウで動作し、タスク間の情報汚染を防ぐ。

graph TB Dev["開発者の指示"] --> Codex["Codex"] Codex --> R["reviewer
コード正確性チェック"] Codex --> S["security-auditor
脆弱性スキャン"] Codex --> D["docs_researcher
API仕様確認"] R --> Result["統合レビュー結果"] S --> Result D --> Result

LangChain・CrewAI・Claude Codeとの比較

項目 Awesome Codex Subagents LangGraph CrewAI Claude Code
対象 Codex専用 汎用LLM 汎用LLM Claude専用
導入方法 tomlコピー Pythonコード YAML + Python サブエージェント機能
専門subagent数 136+ 自作 自作 自作
学習コスト 低（設定ファイルのみ） 高（グラフ設計） 中（ロール定義） 中
カスタマイズ toml編集 フルコード YAML + コード プロンプト

MCPサーバーの作り方ガイドで解説しているMCPプロトコルは、ツール連携の標準化を目指す点で本リポジトリと補完的な関係にある。MCPがツールの「接続規格」なら、subagentは「専門家の定義」だ。

こんな人におすすめ

  • Codexを日常的に使っている開発者 — 136個の即戦力subagentで開発効率を底上げ
  • 開発チームのリーダー — .codex/agents/をGitで共有し、チーム全体で一貫したAI支援を実現
  • マルチエージェント設計を学びたいエンジニア — 実践的なsubagent設計パターン（sandbox_mode、モデル選択、指示設計）を136件の実例から学べる
  • セキュリティ・品質管理担当者 — コードレビュー、ペネトレーションテスト、コンプライアンス監査のsubagentをすぐに導入可能

参照ソース