tech-stack-evaluator

テクノロジースタック評価ツール

テクノロジー、フレームワーク、クラウドプロバイダー、およびテクノロジースタック全体を比較するための包括的な評価フレームワークです。TCO 分析、セキュリティ評価、エコシステムの健全性スコアリング、移行パス分析に基づき、データ主導の推奨を提示します。

機能

このスキルでは、以下の8つの包括的な評価機能を提供します。

• テクノロジー比較：フレームワーク、言語、ツールを直接比較します（React vs Vue、PostgreSQL vs MongoDB、Node.js vs Python）
• スタック評価：特定のユースケースに応じて、テクノロジースタック全体を評価します（リアルタイムコラボレーション、API 中心の SaaS、データ集約型プラットフォーム）
• 成熟度とエコシステムの分析：コミュニティの健全性、保守状況、長期的な実用性、エコシステムの強さを評価します
• 総所有コスト（TCO）：ライセンス、ホスティング、開発者の生産性、スケーリングなどを含む包括的なコストを算出します
• セキュリティとコンプライアンス：脆弱性、コンプライアンスへの対応状況（GDPR、SOC2、HIPAA）、セキュリティ態勢を分析します
• 移行パス分析：レガシースタックから最新のスタックへの移行の複雑さ、リスク、期間、戦略を評価します
• クラウドプロバイダー比較：特定のワークロードについて、コストと機能を分析しながら AWS、Azure、GCP を比較します
• 意思決定レポート：長所と短所、信頼度スコア、実行可能な推奨事項を含む包括的な意思決定マトリックスを作成します

入力要件

柔軟な入力形式（自動検出）

このスキルは、複数の入力形式を自動的に検出して処理します。

テキスト／会話形式：

"Compare React vs Vue for building a SaaS dashboard"
"Evaluate technology stack for real-time collaboration platform"
"Should we migrate from MongoDB to PostgreSQL?"

構造化形式（YAML）：

comparison:
  technologies:
    - name: "React"
    - name: "Vue"
  use_case: "SaaS dashboard"
  priorities:
    - "Developer productivity"
    - "Ecosystem maturity"
    - "Performance"

構造化形式（JSON）：

{
  "comparison": {
    "technologies": ["React", "Vue"],
    "use_case": "SaaS dashboard",
    "priorities": ["Developer productivity", "Ecosystem maturity"]
  }
}

エコシステム分析用 URL：

• GitHub リポジトリの URL（健全性スコアリング用）
• npm パッケージの URL（ダウンロード統計用）
• テクノロジーのドキュメント URL（機能抽出用）

分析範囲の選択

実行する分析を選択できます。

• クイック比較：基本的なスコアリングと比較（200～300トークン）
• 標準分析：スコアリング＋TCO＋セキュリティ（500～800トークン）
• 包括的なレポート：移行パスを含むすべての分析（1200～1500トークン）
• カスタム：特定のセクションを選択（モジュール式）

出力形式

環境に応じた出力

このスキルは、環境に応じて出力を自動的に調整します。

Claude Desktop（リッチな Markdown）：

• 色分けされたインジケーター付きの書式設定済みテーブル
• 詳細な分析を確認できる展開可能なセクション
• 視覚的な意思決定マトリックス
• グラフとチャート（適切な場合）

CLI／ターミナル（ターミナル向け）：

• ASCII の罫線を使ったプレーンテキストのテーブル
• コンパクトな書式
• 明確なセクション見出し
• コピーして貼り付けやすいコードブロック

段階的な情報開示の構成

エグゼクティブサマリー（200～300トークン）：

• 推奨事項の概要
• 主な長所と短所を各3つ
• 信頼度（高／中／低）
• 主な判断要因

詳細な内訳（必要に応じて）：

• 完全なスコアリングマトリックス
• 詳細な TCO 計算
• セキュリティの完全な分析
• 移行の複雑さの評価
• すべての根拠データと計算

レポートのセクション（ユーザーが選択可能）

ユーザーは、含めるセクションを選択します。

1. スコアリングと比較マトリックス

   • 重み付けされた意思決定スコア
   • 直接比較の表
   • 強みと弱み

2. 財務分析

   • TCO の内訳（5 年間の予測）
   • ROI 分析
   • ユーザーあたり／リクエストあたりのコスト指標
   • 隠れたコストの特定

3. エコシステムの健全性

   • コミュニティの規模と活動状況
   • GitHub のスター数、npm のダウンロード数
   • リリース頻度とメンテナンス状況
   • Issue への応答時間
   • 継続性の評価

4. セキュリティとコンプライアンス

   • 脆弱性の件数（CVE データベース）
   • セキュリティパッチの適用頻度
   • コンプライアンス対応状況（GDPR、SOC2、HIPAA）
   • セキュリティスコア

5. 移行分析（該当する場合）

   • 移行の複雑さのスコアリング
   • コード変更の見積もり
   • データ移行要件
   • ダウンタイムの評価
   • リスク軽減策

6. パフォーマンスベンチマーク

   • スループット／レイテンシの比較
   • リソース使用状況の分析
   • スケーラビリティの特性

使用方法

基本的な呼び出し

簡易比較：

"Compare React vs Vue for our SaaS dashboard project"
"PostgreSQL vs MongoDB for our application"

スタックの評価：

"Evaluate technology stack for real-time collaboration platform:
Node.js, WebSockets, Redis, PostgreSQL"

TCO 分析：

"Calculate total cost of ownership for AWS vs Azure for our workload:
- 50 EC2/VM instances
- 10TB storage
- High bandwidth requirements"

セキュリティ評価：

"Analyze security posture of our current stack:
Express.js, MongoDB, JWT authentication.
Need SOC2 compliance."

移行パス：

"Assess migration from Angular.js (1.x) to React.
Application has 50,000 lines of code, 200 components."

高度な呼び出し

分析セクションのカスタマイズ：

"Compare Next.js vs Nuxt.js.
Include: Ecosystem health, TCO, and performance benchmarks.
Skip: Migration analysis, compliance."

重み付けされた意思決定基準：

"Compare cloud providers for ML workloads.
Priorities (weighted):
- GPU availability (40%)
- Cost (30%)
- Ecosystem (20%)
- Support (10%)"

複数のテクノロジーの比較：

"Compare: React, Vue, Svelte, Angular for enterprise SaaS.
Use case: Large team (20+ developers), complex state management.
Generate comprehensive decision matrix."

スクリプト

コアモジュール

• stack_comparator.py：重み付けスコアリングアルゴリズムを備えた比較エンジン
• tco_calculator.py：総所有コストの計算（ライセンス、ホスティング、開発者の生産性、スケーリング）
• ecosystem_analyzer.py：コミュニティの健全性のスコアリング、GitHub／npm の指標、継続性の評価
• security_assessor.py：脆弱性分析、コンプライアンス対応状況、セキュリティスコア
• migration_analyzer.py：移行の複雑さのスコアリング、リスク評価、作業量の見積もり
• format_detector.py：入力形式（テキスト、YAML、JSON、URL）の自動検出
• report_generator.py：段階的な情報開示に対応した、コンテキストを考慮するレポート生成

ユーティリティモジュール

• data_fetcher.py：GitHub、npm、CVE データベースからリアルタイムデータを取得
• benchmark_processor.py：パフォーマンスベンチマークデータを処理・正規化
• confidence_scorer.py：推奨事項の信頼度を算出

指標と計算

1. スコアリングと比較の指標

テクノロジー比較マトリックス：

• 機能の充実度（0～100 のスケール）
• 学習曲線の評価（簡単／普通／難しい）
• 開発者エクスペリエンスのスコアリング
• ドキュメントの品質（0～10 のスケール）
• 重み付けされた合計スコア

意思決定スコアリングアルゴリズム：

• 基準に対するユーザー定義の重み
• 正規化されたスコア（0～100）
• 信頼区間
• 感度分析

2. 財務計算

TCO の構成要素：

• 初期費用：ライセンス、トレーニング、移行
• 運用コスト：ホスティング、サポート、メンテナンス（月次／年次）
• スケーリングコスト：ユーザーあたりのコスト、インフラストラクチャのスケーリング予測
• 開発者の生産性：市場投入までの時間への影響、開発速度の倍率
• 隠れたコスト：技術的負債、ベンダーロックインのリスク

ROI の計算：

• コスト削減の予測（3 年、5 年）
• 生産性の向上（削減できる開発者の作業時間）
• 損益分岐点分析
• リスク調整後のリターン

指標あたりのコスト：

• ユーザーあたりのコスト（月次／年次）
• API リクエストあたりのコスト
• 保存／転送する GB あたりのコスト
• コンピューティング時間あたりのコスト

3. 成熟度とエコシステムの指標

健全性スコア（0～100 のスケール）：

• GitHub 指標：スター数、フォーク数、コントリビューター数、コミット頻度
• npm 指標：週間ダウンロード数、バージョンの安定性、依存関係の数
• リリース頻度：定期的なリリース、セマンティックバージョニングへの準拠
• 課題管理：応答時間、解決率、オープンとクローズ済みの課題の比率

コミュニティ指標：

• アクティブなメンテナーの数
• コントリビューターの増加率
• Stack Overflow の質問数
• 求人市場での需要（求人情報の分析）

継続可能性の評価：

• 企業による支援の強さ
• コミュニティの持続可能性
• 代替手段の有無
• 長期的なリスクスコア

4. セキュリティとコンプライアンスの指標

セキュリティスコア：

• CVE 数：既知の脆弱性（過去 12 か月、過去 3 年）
• 深刻度の分布：重大／高／中／低の脆弱性数
• パッチ適用頻度：パッチ適用までの平均日数
• セキュリティ実績：過去のセキュリティ対策状況

コンプライアンス対応状況：

• GDPR：データプライバシー機能、同意管理、データポータビリティ
• SOC2：アクセス制御、暗号化、監査ログ
• HIPAA：PHI の取り扱い、暗号化標準、アクセス制御
• PCI-DSS：決済データのセキュリティ（該当する場合）

コンプライアンススコア（標準ごと）：

• 対応済み：90～100% 準拠
• ほぼ対応済み：70～89%（軽微な不足あり）
• 部分的：50～69%（大幅な作業が必要）
• 未対応：50% 未満（重大な不足あり）

5. 移行分析の指標

複雑さのスコア（1～10 のスケール）：

• コード変更：影響を受けるコード行数の推定
• アーキテクチャへの影響：破壊的変更、API の互換性
• データ移行：スキーマ変更、データ変換の複雑さ
• ダウンタイム要件：計画停止が必要か、ダウンタイムなしで実施可能か

工数の見積もり：

• 開発時間（コンポーネント別）
• テスト時間
• トレーニング時間
• 合計人月

リスク評価：

• 技術的リスク：API の非互換性、パフォーマンスの低下
• ビジネスリスク：ダウンタイムの影響、機能の同等性における不足
• チームのリスク：習得に必要な時間、スキルの不足
• 軽減策：リスクに応じた推奨事項

移行フェーズ：

• フェーズ 1：計画とプロトタイピング（期間、工数）
• フェーズ 2：中核部分の移行（期間、工数）
• フェーズ 3：テストと検証（期間、工数）
• フェーズ 4：デプロイとモニタリング（期間、工数）

6. パフォーマンスベンチマークの指標

スループット／レイテンシ：

• 1 秒あたりのリクエスト数（RPS）
• 平均応答時間（ms）
• P95／P99 レイテンシのパーセンタイル
• 同時ユーザー数の上限

リソース使用量：

• メモリ消費量（MB／GB）
• CPU 使用率（%）
• ストレージ要件
• ネットワーク帯域幅

スケーラビリティの特性：

• 水平スケーリングの効率
• 垂直スケーリングの限界
• パフォーマンス単位あたりのコスト
• スケーリングの変曲点

ベストプラクティス

正確な評価のために

1. 明確なユースケースを定義する：具体的な要件、制約、優先事項を明確にします
2. 必要なコンテキストをすべて提示する：チームの規模、既存のスタック、スケジュール、予算の制約を提示します
3. 現実的な優先順位を設定する：複数の要素に基づいて判断する場合は、重み付き基準（合計 = 100%）を使用します
4. チームのスキルを考慮する：習得に必要な時間と既存の専門知識を考慮します
5. 長期的な視点を持つ：直近のニーズだけでなく、3～5 年後の見通しを評価します

TCO 分析のために

1. すべてのコスト要素を含める：トレーニング、移行、技術的負債を忘れずに含めます
2. 現実的なスケーリング予測を使う：希望的観測ではなく、実際の成長指標に基づいて予測します
3. 開発者の生産性を考慮する：市場投入までの時間と開発速度は、重要なコスト要因です
4. 隠れたコストを考慮する：ベンダーロックイン、移行コスト、技術的負債の蓄積を考慮します
5. 前提を検証する：レビューに備えて、TCO のすべての前提を文書化します

移行に関する意思決定

1. まずリスクを評価する：重大な障害となる要因を早期に特定します
2. 段階的な移行を計画する：可能な限り、一度にすべてを書き換える方法は避けます
3. 重要な経路をプロトタイプ化する：移行を決定する前に、複雑な移行シナリオをテストします
4. ロールバック計画を立てる：常に代替策を用意します
5. ベースラインのパフォーマンスを測定する：移行前に現在の指標を確立します

セキュリティ評価

1. 最近の脆弱性を確認する：現在のセキュリティ状況を把握するため、直近12か月に注目します
2. パッチ適用の対応時間を確認する：脆弱性がゼロであることより、迅速にパッチを適用できることが重要です
3. コンプライアンスに関する主張を検証する：ベンダーの主張は、実際のコンプライアンス対応状況と同じではありません
4. サプライチェーンを考慮する：すべての依存関係のセキュリティを評価します
5. セキュリティ機能をテストする：機能がドキュメントどおりに動作すると決めつけないでください

制限事項

データの正確性

• エコシステムの指標は特定時点のスナップショットです（GitHub のスター数や npm のダウンロード数は急速に変化します）
• TCO の計算は、提示された前提条件と市場相場に基づく推定です
• ベンチマークデータは、特定のユースケースや設定を反映していない場合があります
• セキュリティ脆弱性の件数は、公開 CVE データベースの網羅性に左右されます

適用範囲

• 業界固有の要件：専門性の高い業界には、標準的な分析では網羅されない独自の制約がある場合があります
• 新興テクノロジー：非常に新しいテクノロジー（登場から1年未満）は、正確な評価に十分なデータがない場合があります
• カスタム／プロプライエタリなソリューション：データがなければ、クローズドソースのツールや社内ツールを評価できません
• 政治的／組織的要因：社内の政治、ベンダーとの関係、レガシーシステムに関する既存の取り決めは考慮できません

コンテキストに関する制限事項

• チームのスキル評価：チーム固有のスキルや学習能力を直接評価することはできません
• 既存のアーキテクチャ：移行に関するコンテキストが提示されない限り、推奨事項はグリーンフィールド開発を前提とします
• 予算の制約：TCO 分析ではコストを提示しますが、予算に関する意思決定はできません
• スケジュールのプレッシャー：ビジネス上の期限や市場投入までの緊急性は考慮できません

このスキルを使用しない場合

• 些細な意思決定：ほぼ同じツールから選ぶ場合（チームの好みを優先してください）
• 指定済みのソリューション：技術の選択がすでに経営陣やポリシーによって決まっている場合
• コンテキストが不十分な場合：要件、優先事項、制約がわかっていない場合
• 本番環境でのリアルタイムな意思決定：緊急の本番環境の問題ではなく、計画立案に使用してください
• 技術以外の意思決定：ビジネス戦略、採用、組織に関する問題

信頼度

このスキルでは、すべての推奨事項に信頼度スコアを提示します。

• 高い信頼度（80～100%）：データが豊富で、明確な最善策があり、リスクが低い
• 中程度の信頼度（50～79%）：十分なデータがあり、トレードオフが存在し、リスクは中程度
• 低い信頼度（50%未満）：データが限られ、判断が難しく、不確実性が高い
• データ不足：追加情報がなければ推奨できません

信頼度は次の要素に基づきます。

• データの完全性と新しさ
• 複数の指標にわたる合意度
• ユースケースの要件の明確さ
• 業界の成熟度と標準