3分で記事作成＋画像生成！Google Drive×ClaudeCode×Midjourney完全自動化の実体験
こんにちは。AIで勘違いして何でも作ってみる部です。
「記事を書くのに3時間、画像探しに30分...毎回この繰り返しで疲れた」って思ったことありませんか？私も同じでした。特に定期的に情報発信していいると、調査→執筆→画像選定→校正と、本当に時間がかかるんですよね。
でも昨日、想像以上の体験をしました。
「Google Docsに保存してあるClaudeCodeの調査内容を読み取って6,000文字の記事を作成し、その記事に合った技術的で近未来的な画像をMidjourneyで12枚生成して」
この一言で、AIが勝手に：
Google Driveからドキュメント取得
高品質な6,000〜8,000文字記事を自動作成
Midjourney経由で12枚のプロ級画像を生成
実際の作業時間：3分で指示→あとは放置
手作業なら確実に4時間はかかる作業が、指示を出してコーヒーを淹れに行っている間に完了していました。正直、最初は「本当にこんなことができるの？」と半信半疑でした。
一番のメリットは、指示した後は完全に他の作業に集中できることです。従来のAIツールのように「待機して次の指示を出す」必要がなく、完全に任せられるんです。
この記事では、このワークフローがどうやって実現できたのか、実際の設定手順から失敗談まで、率直にお話しします。
実験的な失敗や効率化の事例をコチラでより踏み込んで具体的にご紹介していますので、よかったら遊びに来てください。
従来の記事作成ワークフローを振り返る
手作業時代の4時間作業
まず、従来の記事作成がどれだけ時間がかかっていたか、リアルに振り返ってみましょう。
Step1: 情報収集（30分）
Perplexityで最新情報を調査
複数のソースから情報を収集
信頼性の確認
Step2: 下書き作成（20分）
Google Docsに調査内容をまとめ
構成を考える
キーポイントの整理
Step3: 記事執筆（2-3時間）
6,000-8,000文字の詳細記事を執筆
SEOを意識した構成
読者エンゲージメントを考慮
Step4: 画像素材探し（30分）
無料素材サイトを巡回
記事内容に合う画像を選定
ライセンス確認
Step5: 校正・調整（30分）
誤字脱字チェック
全体の流れ確認
最終調整
総時間：約4時間
毎回この作業を繰り返すのは、正直なところかなり負担でした。「もっと効率的な方法はないのかな？」と常々思っていました。
AI時代の到来：でも期待と現実のギャップ
ChatGPTが登場した時は「これで楽になる！」と期待したんですが、現実は思った以上に甘くありませんでした。
AI活用の課題：
情報を手動でコピペする必要がある
画像は別途自分で用意
複数ツールの切り替えが必要
一貫性の確保が難しい
「結局、AIを使っても手間はそれほど変わらないな...」というのが率直な感想でした。
でも、ClaudeCodeのMCP機能と出会って、この状況が想像以上に変わったんです。
体験談｜3分で指示→完全放置のワークフロー
昨日の実体験：「本当にこんなことができるの？」
昨日の午後、ClaudeCodeのMCP機能について調べた内容をGoogle Docsにまとめていました。「この内容で記事書くのは面倒だな〜」と思いながら、試しにこのコマンドを実行してみました：
「Google Docsに保存してあるClaudeCodeのMCP機能の調査内容を読み取って、
6,000-8,000文字の詳細なブログ記事を作成し、
記事に合った技術的で近未来的な画像をMidjourneyで12枚生成して」指示から完了まで：実際の体験
14:35 指示実行（3分）
上記のコマンドを入力して、実行。この時点で私がやることは終了です。
私がやったこと：
コマンド入力：2分
実行確認：1分
合計：3分
その後は完全放置
指示を出した後は、コーヒーを淹れに行って、別の作業（メールチェック）をしていました。従来のAIツールのように「次はこれをして」「エラーが出たから修正して」みたいな逐次指示は不要です。
AIが勝手に実行したプロセス：
Phase1: Google Docs自動取得
Google DocsのシェアURLを解析
ドキュメントIDを抽出
`gdocs_content_fetcher.py`を自動実行
プレーンテキスト形式で内容を完全取得
Phase2: 高精度記事生成
テンプレートプロンプトを自動適用
これは別作業ですが、note記事をClaudeCode で抽出してローカルに保存し、自分の過去記事を再現するプロンプトをClaudeCodeと一緒に作成しました。これも30分とかそれぐらいでできます
6,000〜8,000文字超の詳細記事を生成
SEO最適化された見出し構造
読者との対話的表現を20箇所以上配置
具体的な実装例とコード例を含む
Phase3: Midjourney画像生成
カスタムMCPサーバーがApify経由でMidjourney接続
記事の内容に基づいて12個のプロンプトを自動生成
ブログにあったテーマに沿った画像を生成
各画像に適切なキャプションを自動付与
約３分後：完了通知
メールチェックをしていたら「作業完了しました」という通知が。戻ってみると、8,000文字の記事と12枚の画像がすべて完成していました。
結果を見て：「これ、本当に自動？」
生成された記事の品質：
文字数：8,200文字（目標6,000文字を達成）
構成：論理的で読みやすい構造
内容：手動で書いたものと遜色ない品質
SEO：キーワードが自然に配置
生成された画像の品質：
12枚すべてが記事内容と完璧にマッチ
プロフェッショナルなクオリティ
統一感のあるビジュアルスタイル
商用利用可能
（midjourneyとApifyの有料アカウントが必要）
作業時間比較：
従来：約4時間（ずっと作業に張り付き）
今回：3分指示 + 完全放置
実質的な工数削減：99%以上
最大のメリット：
他の作業に完全に集中できること。従来のAIツールは「次の指示待ち」状態になりがちですが、このワークフローは本当に「お任せ」できます。
正直、最初は「何かの間違いじゃないの？」と思いました。でも、実際に生成された記事と画像を見て、「これは本物だ」と確信しました。
この自動化を支える技術的な仕組み
MCP（Model Context Protocol）の革新性
「どうしてこんなことができるの？」と疑問に思いますよね。その秘密は、ClaudeCodeのMCP機能にあります。
従来のAI：
受け身的：ユーザーが情報を提供
単発作業：一度に一つのタスクのみ
手動連携：ツール間の切り替えは手動
逐次指示が必要：各ステップで人間の指示待ち
MCP対応AI：
能動的：AI自身が必要な情報を取得
連続処理：複数のタスクを自動で連携
自動連携：外部サービスとシームレス接続
完全自律実行：一度指示すれば最後まで自動実行
実際の技術構成
この自動化を実現している技術スタックをご紹介します：
1. Google Docs連携
# gdocs_content_fetcher.py
def fetch_google_docs_content(url):
doc_id = extract_document_id(url)
export_url = f"https://docs.google.com/document/d/{doc_id}/export?format=txt"
response = requests.get(export_url, headers=headers)
return response.textポイント：
API認証不要でアクセス可能
プレーンテキスト形式で確実に取得
エラーハンドリングも完備
2. カスタムMCPサーバー
// mcp_server.py（JavaScript風疑似コード）
{
"mcpServers": {
"google-docs": {
"command": "python3",
"args": ["tools/gdocs_content_fetcher.py"]
},
"midjourney": {
"command": "python3",
"args": ["mcp_server.py"],
"env": {
"APIFY_API_TOKEN": "your_token",
"MIDJOURNEY_COOKIE": "your_cookie"
}
}
}
}3. Apify×Midjourney連携
# Midjourney画像生成
async def generate_midjourney_image(prompts):
actor_id = "igolaizola/midjourney-automation"
input_data = {
"prompts": prompts,
"cookie": os.getenv("MIDJOURNEY_COOKIE"),
"mode": "relaxed",
"upscale": True
}
run = apify_client.actor(actor_id).call(
run_input=input_data,
timeout_secs=600
)
return run.defaultDatasetId【重要】設定で躓きやすいポイント
実際に設定してみると、いくつか躓きやすいポイントがあります：
APIキーの取得
Apify API Token:
https://console.apify.com でアカウント作成
Settings → API tokens → Create new token
月額2,000回まで無料
Midjourney Cookie:
Midjourneyにログイン
ブラウザのDevToolsでCookieを確認（ここは初期設定がちょっとめんどくさいです）
対象Cookieをコピー
環境変数の設定
# .envファイル
APIFY_API_TOKEN=your_apify_token_here
MIDJOURNEY_COOKIE=your_midjourney_cookie_hereMCP設定ファイル
{
"mcpServers": {
"midjourney-generator": {
"command": "python3",
"args": ["mcp_server.py"],
"env": {
"APIFY_API_TOKEN": "${APIFY_API_TOKEN}",
"MIDJOURNEY_COOKIE": "${MIDJOURNEY_COOKIE}"
}
}
}
}実践に向けた動画解説も始めていく予定です。よかったら覗いてみてください。
実際の費用対効果を計算してみた
コスト分析
初期設定コスト：
学習時間：約4時間
設定作業：約2時間
合計：6時間
ランニングコスト（月額）：
Apify利用料：無料枠内（継続利用は有料）
Midjourney利用料：約2,000円
合計：約2,000円/月＋α
効果測定
時間短縮効果：
1記事あたり：4時間 → 3分（実質99%以上短縮）
月10記事作成の場合：40時間 → 30分
さらに重要な効果：
マルチタスク化：記事作成中に他の業務に集中可能
ストレス軽減：作業に張り付く必要がない
生産性向上：同時並行で複数記事の作成指示が可能
このマルチタスク化が重要だと思っていて、ChatGPTとかの時は作業を並列で作業することができないんですよね。このやり方ならClaudeCodeに記事を書いてもらって画像を作成してもらいながら、別の作業ができるので単位時間あたりの生産性は2倍です。
ゆくゆくはPCの台数を増やして、並列処理数を増やしていきたいですね。
品質向上効果：
記事の一貫性：テンプレート使用で品質標準化
画像品質：プロレベルのビジュアル（midjourneyが実現）
SEO効果：構造化された記事でSEO向上
一番大きいのは「完全にお任せできる安心感」かもしれません。
【体験談】最初の失敗と試行錯誤
1回目：完全に失敗
実は、最初はうまくいきませんでした。
何が起きたか：
Google Docsが読み取れない
Midjourney接続エラー
生成された記事が500文字で終了
まぁ最初はどのAIも大体こんな感じです。それをテストしてアウトプットを確認してプロンプトを再整理して、を繰り返していきます。
原因：
URLの共有設定が不適切
APIキーの権限不足
プロンプトが曖昧すぎた
「やっぱりうまくいかないか...」とも思いますが、まぁ想定の範囲内です。はいはい。「で？何が足らないんですか？」とAIが必要な情報を１つずつ提供していきます。
2回目：部分的成功
設定を見直して再チャレンジ：
改善点：
Google Docsの共有設定を「リンクを知っている全員が閲覧可能」に変更
Apify APIキーを再発行
より具体的なプロンプトに修正
結果：
Google Docs読み取り：成功
記事生成：成功（ただし品質が微妙）
画像生成：失敗（API制限エラー）
「記事は作れるようになったけど、画像がダメか...」
3回目：完全成功
最後の調整で完璧に動作：
最終調整：
Midjourney Cookieを最新に更新
プロンプトテンプレートを詳細化
エラーハンドリングを強化
結果：
すべてが完璧に動作！15分で8,000文字の記事と12枚の画像が完成。
学んだ教訓
技術的な教訓：
API設定は一つ一つ確実に
エラーメッセージをちゃんと読む
小さく始めて段階的に拡張
心理的な教訓：
最初の失敗で諦めない
一つずつ問題を解決していく
完璧を求めすぎない
実践に向けた動画解説も始めていく予定です。よかったら覗いてみてください。
他にどんなことができるのか？応用例
パターン1：競合分析記事の自動生成
「競合他社のWebサイト3社を分析して比較記事を作成し、
比較表の画像をMidjourneyで生成して」自動実行される処理：
Web検索MCPで競合サイトを分析
比較表を含む詳細記事を生成
インフォグラフィック風の画像を生成
パターン2：プロダクト紹介記事
「GitHubのプロジェクトページから情報を取得して
プロダクト紹介記事を作成し、機能説明用の図解をMidjourneyで生成して」自動実行される処理：
GitHub MCPでプロジェクト情報を取得
機能解説記事を生成
技術的な図解画像を生成
パターン3：トレンド分析記事
「最新のAI技術トレンドを調査して分析記事を作成し、
トレンドを視覚化した画像をMidjourneyで生成して」自動実行される処理：
Web検索MCPで最新情報を収集
トレンド分析記事を生成
データ可視化画像を生成
どれも指示は3分、あとは放置で完了します。想像以上に便利な時代になりました。
複数記事の同時作成も可能です：
朝一番に3つの記事作成指示を出して、
昼頃には3記事すべてが完成しているこんなワークフローも現実的になります。
実際に使ってみて分かった注意点
期待しすぎは禁物
「完璧な記事が自動生成される」と期待しすぎると、がっかりすることがあります。
現実的な品質：
70-80%は満足できる品質
残り20-30%は手動調整が必要
完全にノータッチは難しい
コスト管理が重要
Midjourney APIは従量課金なので、使いすぎると結構な金額になります。
節約のコツ：
必要な画像数を事前に決める
画質設定を調整
無料枠を有効活用
セキュリティ面の注意
機密情報が含まれるドキュメントは使わない方が安全です。
対策：
公開可能な情報のみ使用
API設定は環境変数で管理
定期的にAPIキーをローテーション
実践に向けた動画解説も始めていく予定です。よかったら覗いてみてください。
【ステップバイステップ】今すぐ始められる設定手順
Phase1: 基本環境構築（30分）
Step1: ClaudeCodeのアップデート
# 最新版にアップデート
claude-code --version
# v1.3.0以降であることを確認Step2: 必要なPythonパッケージをインストール
pip install requests apify-client python-dotenvStep3: 作業ディレクトリの準備
mkdir ~/claude-mcp-automation
cd ~/claude-mcp-automationPhase2: API設定（15分）
Step1: Apify APIキーの取得
https://console.apify.com でアカウント作成
Settings → API tokens → Create new token
`APIFY_API_TOKEN`として保存
Step2: Midjourney Cookie取得
https://midjourney.com にログイン
ブラウザのDevTools（F12）を開く
Application → Cookies → `__Host-Midjourney.AuthUserTokenV3_r`をコピー
Step3: 環境変数設定
# .envファイルを作成
echo "APIFY_API_TOKEN=your_token_here" > .env
echo "MIDJOURNEY_COOKIE=your_cookie_here" >> .envこの辺も正直よくわからないと思うんですけど、ブラウザのDevTools（F12）を開いたら、その辺を全選択して、丸っとClaudeCodeに投げれば必要な情報を取得してくれます。
正確さよりもコミュニケーション量を上げたがほう実現スピードが上がる気がします。
Phase3: MCPサーバー設定（30分）
Step1: 設定ファイル作成
# claude_desktop_config.json
{
"mcpServers": {
"google-docs": {
"command": "python3",
"args": ["gdocs_content_fetcher.py"]
},
"midjourney": {
"command": "python3",
"args": ["mcp_server.py"],
"env": {
"APIFY_API_TOKEN": "${APIFY_API_TOKEN}",
"MIDJOURNEY_COOKIE": "${MIDJOURNEY_COOKIE}"
}
}
}
}Step2: MCPサーバーファイルの配置
# 必要なファイルをダウンロード
curl -O https://example.com/gdocs_content_fetcher.py
curl -O https://example.com/mcp_server.pyPhase4: テスト実行（15分）
Step1: Google Docsテスト
python3 gdocs_content_fetcher.py "your_google_docs_url"Step2: Midjourney接続テスト
# test_midjourney.py
import os
from mcp_server import generate_midjourney_image
test_prompts = ["futuristic AI technology"]
result = generate_midjourney_image(test_prompts)
print(f"Success: {result}")Step3: 統合テスト
ClaudeCodeで以下を実行：
「テスト用のGoogle Docsから内容を読み取って、
短い記事を作成し、テスト画像を1枚生成して」これからの可能性：さらなる自動化の展望
近い将来（3-6ヶ月後）
動画生成との連携：個人的にはGensparkと連携させたいなと思っています。GensparkのKling AIと連携して生成した画像を動画に変換できるのですが、それをClaudeCodeで自動化したいなと思っています。
「記事内容をもとに60秒の解説動画を自動生成」SEO完全最適化：これもGensparkではラッコキーワードの内容を読み込ませて、検索意図に合わせてキーワード分類から海外記事を含めて構成→記事作成を自動化できるようにしたので、それをClaudeCodeで実現したいなと思います。リライトもサーチコンソールを読み込ませてるので、同じようにやりたいですね。
「競合分析をして上位表示を狙えるSEO記事を自動生成」まとめ：指示→3分放置の自動化を体験しよう
長々と書きましたが、要するに「3分指示するだけで、Google Docs→記事作成→画像生成が完全自動で完了する時代が来た」ということです。
重要なポイント：
技術的実現可能性：ClaudeCode MCP + Apify + Midjourneyで実現
圧倒的効率化：4時間→3分指示（99%以上短縮）
完全放置可能：指示後は他の作業に集中できる
高品質な出力：手動作成と遜色ない品質
低コスト運用：月額4,000円~5,000円程度（ClaudeCodeとApifyとMidjourney）
同時並行処理：複数記事の同時作成指示が可能
最後に：AI時代のコンテンツ創作者として
正直、これ自体がすごいというわけでもないと思います。ただ、何かと何かを組み合わせて一連の作業を自分がずっと作業してなくても「終わる」というのが一番良いかなと思います。
あなた：アイディアを考える
AI：実現方法を考える
AI：考えた方法を実行する
あなた：最終的な品質チェック
AIは「実現を助けてくれる優秀なアシスタント」であり、「あなたの代わりに考えてくれる魔法の箱」でもあります。
このアシスタントがあることで、今までは時間的制約で諦めていたアイデアも実現できるようになります。「こんな記事書きたいけど時間がない...」を「AIにやらせてみよう」に変わるんです。
一緒に新しい時代を楽しもう
この技術をマスターすれば、あなたも：
週10記事の高品質コンテンツを作成可能
アイデアから公開まで最短30分
プロレベルのビジュアルコンテンツを量産
そんな未来が現実になります。
「百聞は一見にしかず」です。ぜひ一度試してみて、この「3分指示→完全放置」の自動化を体験してみてください。きっと「これならやれる」「もっとこれも作ってみたい」と”なんでも作ってみよう！”と思ってもらえると思います。
よかったらコチラの悲喜こもごもな無料メルマガも楽しんでいただけたら幸いです。
