> For the complete documentation index, see [llms.txt](https://docs.crew.you/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.crew.you/ja/tools/code-development.md).

# コード・開発

Crew は Python コードの作成と実行、データ分析、ビジュアライゼーション作成、さらには GitHub リポジトリへのコード変更まで対応します。

## Python サンドボックス

Crew はセキュアで隔離されたサンドボックス環境で Python コードを実行します。各実行はクリーンな環境から始まります。

### データ分析

> 「この CSV ファイルを分析して、売上トップ10の顧客を見つけて、月次トレンドを計算して、ビジュアライゼーションを作って。」

> 「この Excel スプレッドシートを読んで、地域別・商品カテゴリ別の売上ピボットテーブルを作って。」

> 「このデータセットからマーケティング費用と売上の相関を計算して。」

### グラフ作成

> 「このデータから月別売上の棒グラフを作って: \[データを貼付またはアップロード]」

> 「過去1年間の3つの商品ラインを比較する折れ線グラフを作って。」

> 「経費内訳の円グラフを作って。」

### データ処理

> 「この CSV をクリーンアップして。重複を削除、日付形式を修正、欠損値を処理して、クリーンな版を保存して。」

> 「これら2つのスプレッドシートを『顧客ID』列で結合して、統合レポートを作って。」

> 「この JSON ファイルを整形された CSV に変換して。」

### プリインストールされたライブラリ

サンドボックスには以下の Python ライブラリがすぐに使えます:

* **pandas** — データ操作と分析
* **numpy** — 数値計算
* **matplotlib** — グラフとビジュアライゼーション作成
* **openpyxl** — Excel ファイルの読み書き
* **python-docx** — Word ドキュメントの操作
* **Pillow** — 画像処理
* **lxml** — XML/HTML パーシング

### 仕組み

1. Crew にデータタスクを依頼
2. Crew が Python コードを作成
3. コードが隔離されたサンドボックスで実行
4. 結果（テキスト出力、ファイル、グラフ）が返される

### サンドボックスの制限

| プラン   | 最大実行時間 |
| ----- | ------ |
| Free  | 30秒    |
| Basic | 120秒   |
| Plus  | 300秒   |
| Pro   | 300秒   |

### ファイルの利用

コード実行を依頼する前にファイルをアップロードすると、ファイルはサンドボックス内で自動的に利用可能になります:

> \[sales\_data.xlsx をアップロード] 「このスプレッドシートを分析して、グラフ付きのサマリーレポートを作って。」

出力ファイル（グラフ、処理済みデータ、生成ドキュメント）は マイファイル に保存されます。

## GitHub 連携

> **プラン要件:** Pro プラン

### リポジトリ管理

> 「GitHub リポジトリの一覧を見せて。」

> 「my-org/my-repo のオープン中の Issue を見せて。」

> 「レビュー待ちの PR は？」

### API アクセス

Crew は GitHub API へのフルアクセスがあるため、以下が可能です:

* Issue の作成と管理
* Pull Request のレビュー
* CI/CD ステータスの確認
* リポジトリ設定の管理
* GitHub API がサポートするすべての操作

## コーディングエージェント

コーディングエージェントは GitHub リポジトリに対して自律的にコード変更を行えます:

> 「my-org/frontend-app の壊れたログインフォームを修正して。モバイルで送信ボタンが機能しない。」

> 「my-org/web-app のサインアップフォームに入力バリデーションを追加して。」

> 「my-org/api-server のデータベースモジュールをコネクションプーリングを使うようにリファクタリングして。」

### 仕組み

1. 必要な変更を説明
2. Crew がセキュアな環境でリポジトリをクローン
3. エージェントがコードを読み取り、構造を理解し、変更を実施
4. 変更を新しいブランチにコミット
5. レビュー用の Pull Request を作成

エージェントはバックグラウンドで実行されます。PR の準備ができたら通知が届きます。

### ベストプラクティス

* **具体的に**: 「バグを修正して」だけでなく、期待する動作を正確に説明
* **ファイルを参照**: 変更が必要なファイルがわかっている場合は言及
* **必ずレビュー**: エージェントは PR を作成し、main に直接プッシュしません。マージ前に必ずレビューしましょう

## 実践的なシナリオ

### データ分析パイプライン

> \[quarterly\_data.xlsx をアップロード] 「この四半期データを分析して: 1) 各商品ラインの前年比成長率を計算、2) 上位3指標のグラフを作成、3) 全結果をまとめた PDF レポートを生成。」

### 簡単な計算

> 「100万円を年利5%、月次複利で10年間運用した場合の複利計算をして。年ごとの残高テーブルも見せて。」

### ファイル形式変換

> 「この JSON API レスポンスを、適切なカラムヘッダー付きの Excel スプレッドシートに変換して。」

### Web スクレイピング + 分析

> 「日経225の企業リストを Web で検索して、企業名と売上高を抽出して、上位20社の売上グラフを作って。」

### 自動レポート

> 「毎週月曜9時に、\[API URL] から最新データを取得して、トレンドを分析、グラフを作成、レポートをメールで送信するタスクを設定して。」

## ヒント

* **先にファイルをアップロード**: 分析を依頼する前にスプレッドシートやデータファイルを添付
* **出力を具体的に指定**: 「グラフを作って」より「Y軸に月別売上、X軸に月を配置し、商品ライン別に色分けした棒グラフを作って」の方が良い結果に
* **繰り返し改善**: 最初の分析が期待通りでなければ、Crew に調整を依頼 — コンテキストを記憶しています
* **結果を保存**: 重要な出力を マイファイル や Google Drive への保存を依頼
* **メールと組み合わせる**: 「データを分析して、レポートを作成して、チームにメールして」
* **もっと深い分析が必要？** 複数ソースを使った複雑な分析や、仕上がりの良いドキュメント出力が必要なら、[Deep Work](/ja/tools/deep-work.md) を試してみてください