バイブコーディング × ローカルLLM — Foundry LocalとOllamaでオフラインAI開発

「プログラミングは得意ではないけど、アイデアは持っている」—そういう人にとって、2026年は最高の時代になりました。

バイブコーディングは、自然言語で「こういうアプリが欲しい」と説明するだけで、AI がコードを書いてくれる開発スタイルです。従来は「コードを書く能力がないと何もできない」というハードルがありました。ところが今は、AI に指示を出す能力があれば、プロトタイプから実装まで一気に進められます。

そして 2026 年 4 月、Microsoft が Foundry Local をリリースしました。これはクラウドに頼らず、あなたの PC 内で大規模言語モデルを動かすツールです。同じくローカルで動作する Ollama と組み合わせることで、インターネット接続なしにバイブコーディングを実現できるようになったのです。

ここからは、Foundry Local と Ollama を使って「完全オフラインのバイブコーディング環境」を実際に構築していきます。

バイブコーディングとは

バイブコーディングは、プログラマーの「気分」「直感」（vibe）を重視したコーディング手法です。

通常のプログラミング：コード文法を覚える → アルゴリズムを理解する → コードを書く

バイブコーディング：「このアプリが欲しい」と説明する → AI が「あ、こういうコードだね」と生成 → それを微調整する

つまり、AI が中間の複雑さを吸収し、あなたはアイデアと修正に集中できるわけです。

「JavaScript の構文なんて忘れました」という状態でも、「ボタンを押したら色が変わるウェブアプリを作りたい」と説明すれば、AI が addEventListener や CSS の書き方まで一気に生成してくれます。

Foundry Local とは

Microsoft Foundry Local は、Windows・Mac・Linux 上で LLM をローカル実行するための統合プラットフォームです。

特徴：

完全オフライン動作: インターネット接続不要。機密情報が外部に漏れない
複数モデルサポート: Phi、Llama、Mistral など各種オープンソースモデルをサポート
リソース効率: 8GB 以上のメモリがあれば、多くのモデルが動作可能
ワンクリックセットアップ: インストール後、モデルを選んで「実行」を押すだけ
VS Code 統合: Copilot 互換の API エンドポイントを自動提供

Foundry Local をインストールすると、あなたの PC が「AI サーバー」になります。VS Code や他のエディタから、ローカル LLM に話しかけることができるようになるのです。

Ollama の位置づけ

Ollama は Foundry Local と類似していますが、少し異なります。

機能	Ollama	Foundry Local
セットアップ難度	低い（CLI主体）	非常に低い（GUI中心）
モデル数	多い（コミュニティ提供）	公式サポートモデルに限定
リソース効率	非常に高い	やや重い
Windows サポート	あり（WSL2経由）	ネイティブ
UI	なし（CLI のみ）	あり（デスクトップアプリ）

簡単に言えば：

Ollama: テック志向の開発者向け。コマンドラインで細かく制御したい人に最適
Foundry Local: GUI 重視。「とにかく簡単に始めたい」という初心者向け

バイブコーディングを目指すなら、Foundry Local で始めるのがおすすめです。

Foundry Local でバイブコーディングを開始する

1. インストール

Microsoft の公式ページからダウンロード。実際のダウンロードリンクは公式ドキュメントを参照してください。

2. モデルを選ぶ

Foundry Local 起動後、「Models」タブから利用可能なモデルを確認します。

バイブコーディング初心者には、Phi-3 がおすすめです：

サイズが小さく（約14GB）、セットアップが数分で完了
日本語にも対応
「簡単なアプリを作りたい」というリクエストなら十分な能力

より高度なコード生成が必要なら Llama 2 や Mistral も選択可能です。ただし、メモリ使用量が増えます。

3. VS Code を接続

Foundry Local が起動すると、ローカルアドレス（例：http://localhost:8000）にサーバーが立ち上がります。

VS Code で GitHub Copilot 拡張機能を使う場合、Chat の設定からローカル API エンドポイントを指定します：

// .vscode/settings.json
{
  "github.copilot.advanced": {
    "providers": [
      {
        "name": "Foundry Local",
        "models": [
          {
            "id": "phi3",
            "displayName": "Phi-3 (Local)",
            "baseUrl": "http://localhost:8000/v1"
          }
        ]
      }
    ]
  }
}

4. バイブコーディング開始

VS Code の Chat パネルを開き、自然言語で指示を出します：

「ボタンをクリックするたびに、画面の背景色がランダムに変わるウェブアプリを作ってください。
HTML、CSS、JavaScript を一つのファイルに書いてください。」

Phi-3 がこのリクエストを理解して、完全なコード例を生成します：

<!DOCTYPE html>
<html lang="ja">
<head>
  <meta charset="UTF-8">
  <title>Random Color Changer</title>
  <style>
    body {
      display: flex;
      justify-content: center;
      align-items: center;
      height: 100vh;
      margin: 0;
      transition: background-color 0.3s;
    }
    button {
      padding: 20px 40px;
      font-size: 18px;
      cursor: pointer;
    }
  </style>
</head>
<body>
  <button>色を変える</button>
  <script>
    function getRandomColor() {
      const colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#FFA07A', '#98D8C8'];
      return colors[Math.floor(Math.random() * colors.length)];
    }
    document.querySelector('button').addEventListener('click', () => {
      document.body.style.backgroundColor = getRandomColor();
    });
  </script>
</body>
</html>

この時点で「あ、こういうコードなんだ」と学べます。必要に応じて「背景色の代わりにテキスト色も変えて」と指示を修正すれば、AI が対応します。

Ollama を使った別のアプローチ

Foundry Local の GUI よりコマンドラインでコントロールしたい場合、Ollama でも同じことができます。

Ollama インストール

ollama.ai からダウンロード。

モデル実行

ollama run phi

このコマンドで Phi モデルがダウンロード・実行されます。初回は数分かかります。

VS Code との連携

Ollama も OpenAI 互換の API を提供するため、設定方法は Foundry Local と同じです：

{
  "github.copilot.advanced": {
    "providers": [
      {
        "name": "Ollama",
        "models": [
          {
            "id": "phi",
            "displayName": "Phi (Ollama)",
            "baseUrl": "http://localhost:11434/v1"
          }
        ]
      }
    ]
  }
}

ただし、Ollama は CLI ユーザー向けです。GUI の手軽さを求めるなら Foundry Local、自由度を求めるなら Ollama という使い分けができます。

バイブコーディングの限界を理解する

強力なツールですが、制限もあります：

大規模モデルほど能力が高い: Phi は高速ですが、複雑なロジックには向きません。本気で取り組むなら 7B 以上のパラメータを持つモデル（Llama など）を検討してください
完璧なコードは保証されない: AI が生成したコード必ずテストしましょう。「動いたらOK」ではなく「なぜ動くのか」を理解することが重要です
依存症的になりやすい: AI に頼りっぱなしだと、基礎的なプログラミング能力が育ちません。AI が生成したコードを読み、修正を加える過程で学習するのが理想的です

プライバシーと効率を両立する

クラウド型の AI ツール（GitHub Copilot、ChatGPT）は高能力ですが、コードが外部のサーバーに送信されます。ローカルモデルはそのリスクがありません。

機密プロジェクト: Foundry Local / Ollama
学習目的: Foundry Local / Ollama
スピード重視: クラウド型 AI

用途に応じて使い分けることで、プライバシーと効率のバランスが取れます。

バイブコーディングは、プログラミングの民主化です。「コードが書けない」という理由で諦めていたアイデアが、今はローカル LLM で形になる時代です。ぜひこの記事を参考に、自分の PC で AI と一緒に開発を始めてみてください。