【2025年最新】Cursor（カーソル）の使い方：AIエディタで爆速コーディング！

IT・プログラミング

Cursorとは？AIでコーディングを効率化！

Cursor（カーソル）は、AIを活用した次世代のコードエディタです。コーディングの効率を劇的に向上させるための様々な機能が搭載されており、プログラマーの生産性を飛躍的に高めます。この記事では、Cursorの使い方を徹底解説し、AIエディタを活用した爆速コーディング術を紹介します。

Cursorの基本的な使い方：初心者でも簡単！

インストール：公式サイトから簡単ダウンロード

Cursorの公式サイト（https://www.cursor.sh/）からエディタをダウンロードし、インストールします。Windows、macOS、Linuxに対応しており、簡単な手順でインストールできます。

  1. Cursorの公式サイトにアクセスhttps://www.cursor.sh/
  2. 「ダウンロードボタン」もしくは「すべてのダウンロード」から自分のOSに合ったインストーラーをダウンロード
  3. インストーラーを実行し、画面の指示に従ってインストール

    利用規約に同意します。

    ダウンロード場所を指定します。

    スタートメニューへの登録をします。

    各種設定を選択します。

    インストールをクリックして、インストールが完了すると以下のようになります。

    完了をクリックします。
  4. Welcome画面が起動するので、SignUpします。

    メールアドレスか、Google,Gitアカウントではじめられます

    デスクトップでのログインを選択します。
  5. VSCodeからのImport
    VSCodeからのImportが可能のため、Importを実行します。
  6. テーマ選択
  7. データの取り扱いについて選択します。
  8. 言語設定など。日本語を選択します。

実行例：実際にアプリを作ってみた！

インストールができたので、早速アプリを作ってもらいました。
OpenProjectなどから適当にフォルダを開きます。
（File操作されるので、お試しの場合は、空フォルダがおすすめです）

チャット部分に「株式分析アプリ作って」と打ってみました。

このようにファイルの作成などがはじまります。

必要に応じて「Accept All」や「Run Command」のボタンをクリックして、変更の承認やコマンドの実行を行います。

まず最初は、YahooFinanceを使って株式チャートを作るStreamlitアプリを作ってくれました。
私の開発環境はDockerでPython環境を作る必要があるので、その旨を伝えるとDockerFileを作って起動してくれました！

YahooFinanceだとデータ取得でうまくいっていない様子だったので、Stooqからのデータ取得に変更させました。

最終的な出力は以下のようになりました。

stock_analyzer.py

import streamlit as st
import pandas as pd
import plotly.graph_objects as go
from datetime import datetime, timedelta
import pandas_datareader.data as web

st.set_page_config(page_title="株式分析アプリ", layout="wide")

st.title("📈 株式分析アプリ")

# サイドバーで銘柄と期間を選択
with st.sidebar:
    st.header("設定")
    stock_symbol = st.text_input("銘柄コード（例: 7203）", "7203")
    days = st.slider("表示期間（日）", 30, 365, 90)

    # 分析期間の計算
    end_date = datetime.now()
    start_date = end_date - timedelta(days=days)

# データの取得
@st.cache_data
def load_data(symbol, start, end):
    try:
        st.info(f"データを取得中: {symbol} ({start.date()} から {end.date()} まで)")

        # Stooqからデータを取得
        df = web.DataReader(f"{symbol}.JP", "stooq", start=start, end=end)

        if df.empty:
            st.error(f"データが取得できませんでした。銘柄コード {symbol} が正しいか確認してください。")
            return None

        st.success(f"データ取得成功: {len(df)} 件のデータを取得")
        return df

    except Exception as e:
        st.error(f"データ取得中にエラーが発生しました: {str(e)}")
        return None

try:
    df = load_data(stock_symbol, start_date, end_date)

    if df is None:
        st.stop()

    # 基本情報の表示
    col1, col2, col3 = st.columns(3)
    with col1:
        st.metric("現在値", f"¥{df['Close'][-1]:,.0f}")
    with col2:
        daily_return = ((df['Close'][-1] - df['Close'][-2]) / df['Close'][-2]) * 100
        st.metric("前日比", f"{daily_return:.2f}%")
    with col3:
        total_return = ((df['Close'][-1] - df['Close'][0]) / df['Close'][0]) * 100
        st.metric("期間騰落率", f"{total_return:.2f}%")

    # チャートの表示
    st.subheader("株価チャート")
    fig = go.Figure()
    fig.add_trace(go.Candlestick(
        x=df.index,
        open=df['Open'],
        high=df['High'],
        low=df['Low'],
        close=df['Close'],
        name='OHLC'
    ))
    fig.update_layout(
        xaxis_title="日付",
        yaxis_title="価格（円）",
        height=600
    )
    st.plotly_chart(fig, use_container_width=True)

    # テクニカル指標
    st.subheader("テクニカル指標")

    # 移動平均線の計算
    df['MA5'] = df['Close'].rolling(window=5).mean()
    df['MA25'] = df['Close'].rolling(window=25).mean()

    fig_ma = go.Figure()
    fig_ma.add_trace(go.Scatter(x=df.index, y=df['Close'], name='終値'))
    fig_ma.add_trace(go.Scatter(x=df.index, y=df['MA5'], name='5日移動平均'))
    fig_ma.add_trace(go.Scatter(x=df.index, y=df['MA25'], name='25日移動平均'))
    fig_ma.update_layout(
        xaxis_title="日付",
        yaxis_title="価格（円）",
        height=400
    )
    st.plotly_chart(fig_ma, use_container_width=True)

    # 出来高
    st.subheader("出来高")
    fig_volume = go.Figure()
    fig_volume.add_trace(go.Bar(x=df.index, y=df['Volume'], name='出来高'))
    fig_volume.update_layout(
        xaxis_title="日付",
        yaxis_title="出来高",
        height=300
    )
    st.plotly_chart(fig_volume, use_container_width=True)

except Exception as e:
    st.error(f"エラーが発生しました: {str(e)}")
    st.info("正しい銘柄コードを入力してください。例: 7203（トヨタ自動車）") 

FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 8501

HEALTHCHECK CMD curl --fail http://localhost:8501/_stcore/health

ENTRYPOINT ["streamlit", "run", "stock_analyzer.py", "--server.port=8501", "--server.address=0.0.0.0"]

docker-compose.yml

version: '3'
services:
  stock-app:
    build: .
    ports:
      - "8501:8501"
    volumes:
      - .:/app
    environment:
      - PYTHONUNBUFFERED=1
    restart: unless-stopped

requirements.txt

pandas==2.1.4
streamlit==1.29.0
plotly==5.18.0
numpy==1.26.2
pandas-datareader==0.10.0

これを実行すると株価のロウソク足グラフと、テクニカル指標のグラフ、出来高グラフを作ってくれました！

設定：自分好みにカスタマイズ

Cursorの設定は、メニューバーの「File」→「Preferences」→「Cursor Settings」から行います。

モデルの変更やMCPサーバーの設定などが行えます。

まとめ：Cursorでコーディングを革新！

Cursorは、AIの力を借りてコーディングを効率化できる革新的なツールです。この記事を参考に、Cursorを使いこなして、より快適な開発体験を実現し、生産性を飛躍的に向上させましょう。今すぐCursorをダウンロードして、AIコーディングを体験してください！

タイトルとURLをコピーしました