AI で要件を書く
Claude Code や Cursor から、全8セクションを直接操作。
人間の入力をAIで整え、詳しい人と詳しくない人をつなぐハブとして機能します。
toishi が提供する価値
ポチポチ入力しなくていい
Webフォームを開いて、入力して、保存して...という操作は不要。 Claude Code に「ペルソナを追加して」と言うだけで、要件が登録されます。
人間の入力をAIで整える
雑に書いたメモも、AIが構造化して整理。 「こんな感じのユーザー」と伝えれば、ペルソナのフォーマットに整形してくれます。
詳しい人と詳しくない人をつなぐハブ
Claude Code に詳しくない発注者は、Web UIで閲覧・承認。 Claude Code に詳しいエンジニアは、CLIで効率的に操作。toishi が両者をつなぎます。
全8セクションを AI で操作可能
toishi の全セクションを、Claude Code や Cursor から直接操作できます。 Webブラウザを開く必要はありません。
プロジェクトの前提
背景・目的・制約・KPI
ペルソナ
ターゲットユーザー像
ユーザーニーズ
月間実行回数付き
画面遷移
ジャーニー設計
画面詳細
画面仕様
工数決定
最小〜最大の2点見積もり
スコープ（ROI）
ROIシミュレーション
検証
テスト計画・成功基準
MCP（Model Context Protocol）連携
MCP とは
AI アシスタントが外部ツールと連携するためのプロトコル。 toishi は MCP に対応しているため、Claude Code や Cursor から直接操作できます。
toishiは40+ツールを提供し、要件定義から承認までをAIで完結させます。
Claude Code
動作確認済み
Codex CLI
動作確認済み
OpenCode
動作確認済み
以下のAIツールで動作確認済みです: Claude Code, Codex CLI, OpenCode。
MCPプロトコルに対応している他のAIコーディングツール（Cursor, Windsurf, Cline等）でもご利用いただけます。
使い方の例
要件を確認・一覧取得
AI
ペルソナは2件登録されています：
1. 田中花子（28歳、マーケター）- 隙間時間に効率よく買い物したい
2. 鈴木太郎（45歳、自営業）- 業務用品を月1回まとめ買い
要件を追加・編集
あなた
「ユーザーニーズに『お気に入り商品の在庫復活通知を受けたい』を追加して。
月間実行回数は2000回」
AI
追加しました。
- タイトル: お気に入り商品の在庫復活通知を受けたい
- 月間実行回数: 2,000回
ステータスは「下書き」です。承認依頼しますか？
承認フローを進める
あなた
「承認待ちの項目を確認して」
AI
3件の承認待ちがあります：
1. [ユーザーニーズ] カートの一括削除機能
2. [画面詳細] 商品詳細ページのリデザイン
3. [ペルソナ] シニア層ペルソナの追加
あなた
「1番と3番は承認。2番は『モバイル版のデザインも追記してください』で差し戻して」
AI
完了しました。
✓ カートの一括削除機能 → 承認
✓ シニア層ペルソナの追加 → 承認
↩ 商品詳細ページのリデザイン → 差し戻し（コメント付き）
ROI シミュレーション
あなた
「予算500万円以内で、ROIが高い順に機能を選んで」
AI
予算500万円以内でROI最大化シミュレーション：
【推奨スコープ】
✓ 商品検索（ROI 3,461）
✓ カート改善（ROI 2,400）
✓ お気に入り通知（ROI 667）
合計: 340万円 / 月間インパクト: 59,000回
既存仕様書→toishi構造化変換
あなた
「このWord仕様書をtoishiに登録して。背景はECサイト開発で、主要目的は月間5万ユーザー獲得、KPIはコンバージョン率2%向上」
AI
create-premise で前提セクションを作成しました。
✓ エグゼクティブサマリー: ECサイト開発で月間5万ユーザー獲得
✓ KPI: コンバージョン率2%向上
✓ 成功基準: 月間5万ユーザー、コンバージョン率2%達成
次にペルソナを3件追加します：
- 田中花子（28歳、マーケター）-隙間時間に効率よく買い物したい
- 鈴木太郎（45歳、自営業）-業務用品を月1回まとめ買い
- 佐藤美香（35歳、主婦）-子連れでの買い物ストレス解消
upsert-personas, upsert-user-needs で登録しました。
ステータスは「下書き」です。承認依頼しますか？
ユーザーニーズ→GitHub Issue起票
あなた
「ユーザーニーズをGitHub Issueに変換して。プロジェクトはec-site、担当者はyamada」
AI
list-user-needs でユーザーニーズを取得し、GitHub APIでIssueを作成しました：
【作成されたIssue】
✓ #23 商品検索機能（月間50,000回実行）
✓ #24 カート一括削除機能（月間10,000回実行）
✓ #25 お気に入り在庫復活通知（月間2,000回実行）
✓ #26 予約受取機能（月間5,000回実行）
計4件のIssueをGitHubリポジトリ「ec-site」に作成済みです。
各Issueには要件IDと月間実行回数をラベルで設定しました。
ROIベースのスコープ最適化
あなた
「予算500万円で、最大ROIのスコープを計算して。投資回収期間は12ヶ月以内を優先」
AI
ROIシミュレーションを実行し、予算500万円以内でROI最大化のスコープを提案：
【推奎スコープ（投資回収12ヶ月以内）】
✓ 商品検索機能: 120万円 → ROI 3,461 (回収 1ヶ月)
✓ カート改善: 150万円 → ROI 2,400 (回収 2ヶ月)
✓ 予約受取: 80万円 → ROI 1,875 (回収 3ヶ月)
✓ お気に入り通知: 60万円 → ROI 667 (回収 6ヶ月)
合計: 410万円 / 月間インパクト: 67,000回 / 月利益: 1,420万円
残予算90万円で追加機能は可能です。「追加機能を提案」で候補をご覧ください。
AI 連携のメリット
コンテキストスイッチがゼロ
コーディング中に要件を確認・更新できる。 ブラウザを開いて、ログインして、ページを探して...という手間がなくなる。
AI が不足を指摘してくれる
「この機能を作るなら、エラー時の挙動も決めた方がいいですね」 人間が見落としがちな考慮点を、AI が補完。
承認フローは維持される
AI から追加された要件も、通常の承認フローを通る。 「AI が勝手に要件を変えた」という事故は起きない設計。
発注者はWebで閲覧・承認
AIツールに詳しくない発注者も、toishiのWeb UIで内容を確認し、承認ボタンを押すだけ。 技術的な敷居なく参加できます。
設定方法
npx @toishi/cli connectこのコマンドで、Claude Code / Cursor / Windsurf を自動検出して設定します。