AI エージェントを仕組みから理解する
はじめに こんにちは、ダイニーの ogino です。 この記事では、AI エージェントや MCP に入門しようとしている人向けに、エージェントの内部実装について概説します。これを理解することで、現状の AI にできることが明確になり、今後の技術動向を追う上でも役に立つはずです。 本記事の要旨 MCP の表層的なプロトコルには大した意味も革新性も無いので、AI エージェントを理解するにはまずコンテキストを把握しましょう。 素の LLM の能力と、エージェントの実装を切り分ける AI エージェントは、自律的に判断してファイル操作や Web ブラウザなどのツールを使い分けることが可能です。しかし、その基盤となっている LLM にできるのは、テキストを入力してテキストを出力することだけに限られます[1]。 以降では「LLM にできないこと」を掘り下げ、それを補うために AI エージェントがどのよう
画像生成AIツールのおすすめ7選とプロンプト結果を徹底比較
AI技術の発達により、ChatGPTやSEOに強いAIライティングツール「トランスコープ」などの、AIサービスが大きく台頭しています。これにより、AIサービスは記事執筆や業務効率化など、ビジネスにおいても様々なシーンで活用されるようになりました。例えば、本記事のアイキャッチもAIで生成した画像です。 そして、AI技術はさらに進化を続け、現在は自動で画像の生成ができる「画像生成AIツール」が登場しています。 今回は、「画像AIツール」の基礎知識や、おすすめのツールの比較などを紹介します。 画像生成AIとは画像生成AIは、AI技術を活用してオリジナルの画像やイラストを生成する目的で開発されたものです。最近は、数多くの生成ツールが登場しており、人々から高い評価を受けています。 デザインは、ビジネス上で「思想」や「社会的役割」「自社サービス」を表現する重要な要素です。言語やデータも重要ですが、デザ
俺のAIデッキ（2025年5月版） - Robot Checkerboard
最近、生成AIサービスを契約したり、churnしたりといったことを繰り返している。その結果、自分自身が今どのサービスを、どのような目的で使っているのかが、非常に曖昧になりつつあると感じている。 そこで、一旦立ち止まり、自分のための整理も兼ねて「AIサービスデッキ」を作成してみることにした。今後、各AIサービスをどのように活用し、どれをやめて、どれに移行していくべきか。その方向性を明確にするために、現状の状況をここでまとめておこうと思う。 ChatGPT Pro 現状、間違いなくもっとも頻繁に使っているのはChatGPT。Proを解約しようかと思った矢先にo3の発表があり、そのままズルズルと課金を継続している。数週間後にはo3 pro modeのリリース予定、とアナウンスされていたのだが、現時点ではまったく続報がないため、若干信頼性に揺らぎが生じている。 ただ、実際にはo3をかなり気に入って
AI知能爆発…タイムリミットは目前！ オックスフォードからの生存戦略 | ライフハッカー・ジャパン
「オールオアナッシング」ではなく広範な備えを論文では、AIによる知能爆発に備えるうえで「結果はAIのアラインメント（目的整合性）の成否次第ですべてが決まる」という極端な見方に異を唱えています。 一般には「高度AIをうまく制御できなければ人類は破滅、制御できれば他の問題もAIが解決してくれる」と捉えられがちですが、彼らはそれ以外にも対処すべき課題が多数存在すると論じます。 たとえば、AIをうまく人類に利するよう制御できたとしても、AIがもたらす超高速な技術革新に伴う副次的なリスク（後述のグランドチャレンジ）が次々と発生し、私たちはそれらに迅速に対応しなければならないんです。 「1年が10年になる」技術圧縮論文によると、汎用人工知能（AGI）が人間並みの研究開発能力を持つようになると、科学や技術の開発スピードが指数的に跳ね上がり、“10年で1世紀”、極端な場合“1年で10年分”もの進歩が起こり
MySQLのスキーマ情報を圧縮して提供するMCPサーバーを作った - $shibayu36->blog;
AIを使ってMySQLのクエリを書くときは、自分が関わっているプロジェクトのスキーマ情報を読み込ませることが必須である。ただし超巨大プロジェクトに携わっていると、特定データベースのテーブル数が数百規模になってしまう。この場合スキーマのダンプ情報を読み込ませるとコンテキスト長が非常に長くなってしまい、失敗することが多かった。 この問題を解決するため、MCPを使ってスキーマ情報をいい感じに圧縮して返すことでSQL生成がもっとうまくいくのではないかと考えた。そこで、テーブル一覧と詳細情報を段階的に取得できるMCPサーバーを、MCPの勉強がてら作ってみた。 作ったもの https://github.com/shibayu36/mysql-schema-explorer-mcp 次のように動く。 実際に大きめなプロジェクトで試したところ、いつもよりうまく生成できるようになった気がする（仕事のプロジェ
第2のDeepSeekショック？ オープンな中国LLM「Qwen3」シリーズが破格の性能で話題 最大モデルはOpenAI o1やGemini 2.5 Proに匹敵、たった4BでもGPT-4oレベルに
第2のDeepSeekショック？ オープンな中国LLM「Qwen3」シリーズが破格の性能で話題 最大モデルはOpenAI o1やGemini 2.5 Proに匹敵、たった4BでもGPT-4oレベルに 中国Alibabaが4月29日（現地時間）に発表した、大規模言語モデル「Qwen」の最新版となる「Qwen3」シリーズが話題だ。フラッグシップモデルの「Qwen3-235B-A22B」は「DeepSeek-R1」の半分未満のパラメータ数ながら、OpenAIのo1やo3-mini、GoogleのGemini 2.5 Proなど他のトップモデルと並ぶ性能を達成したという。「Qwen3-4B」は小さなモデルでありながらも「GPT-4o」を多くの項目で上回るとしている。 公開した全てのモデルがオープンウェイトであるため、フラグシップの235B-A22B以外はデスクトップ向けハイエンドGPUなどで動作さ
GitHubリポジトリを読み取り、ドキュメントを自動生成するAIツール「DeepWiki」がログイン不要、無料で使える（生成AIクローズアップ） | テクノエッジ TechnoEdge
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、GitHub上のリポジトリを自動的に解析し、ドキュメントを生成してくれるオープンソースAIツール「DeepWiki」を取り上げます。 ▲DeepWikiのトップページ DeepWikiはAIデベロッパーツール「Devin」の開発チーム「Cognition AI」によって開発された無料サービスです。 主な機能は、GitHubリポジトリのコードを読み取り、リポジトリ全体の解説ドキュメントページを生成することです。自然言語での説明だけでなく、アーキテクチャ図やシーケンス図
GithubのCopilot Agentで便利ツールを作った - そーだいなるらくがき帳
週末にやった感じ、GithubのCopilot Agentがかなり良かったので感想を書く。 前提 今回作ったツールで似たようなやつはいっぱいあって、llm ってやつが便利なんだけどPythonだし、重厚過ぎてちょっとしたことに入れるにはハードルが高いし、Serverには入れにくい。 ってことでGolangが良いなって思ってシンプルなやつを作った。 その際にGithubにCopilot AgentがGAになったので、こいつをvibe codingのメインで開発してみた。 ちなみに普段からRoo CodeやClaude Codeなんかも触っているのでvibe codingやAI Agentの活用には慣れている。 結論 業務で使うならCopilot Agentがかなり良い印象。 ClineやRoo Codeでやってたことは置き換わりそうな印象がある。 特にCopilotのAgentタイプだけでは
生成AI、難しいと思ってた…でもこの3ステップで一気にラクになった。運用がうまく回る実践テク | ライフハッカー・ジャパン
タスクによっては（もしかすると業務の大部分？）、生成AIにまかせたほうが自分でやるよりはるかに早くて質も高いのは認めざるを得ないところ。 いかにシームレスでマイクロに生成AIを活用できるかが業務効率化の肝になってきますよね。そうなると、日々使いまわすプロンプトの運用術は、重要な基本スキルといえそうです。 本記事では、「プロンプトづくり」「呼び出し」「管理」の3ステップでのプロンプト運用術を提案。テキスト入力効率化ツール「Text Blaze」の活用方法を中心にご紹介していきます。 プロンプトを考えたり呼び出したりがちょっと面倒……と考えている方、生成AIフレンドリーな環境づくりの一環としてぜひ参考にしてみてくださいね！ ステップ1. プロンプトづくりScreenshot: 山田洋路 via Anthropicなにか生成AIに作業させたい……と思い立ったときには、とりあえずAnthropic
Google Cloud、AIによるアプリの自動生成ツール「Firebase Studio」公開。プロンプトで作りたいアプリを説明するだけ、無料で利用可能
Google Cloudは、自然言語で作りたいアプリケーションの内容を説明すると生成AIが自動的にフルスタックのWebアプリケーションを生成してくれる開発ツール「Firebase Studio」を公開しました。 Firebase StudioはWebブラウザから利用できる開発ツールです。 その中味は、Visual Studio CodeをベースとしてGoogleが開発しているWebIDEの「Project IDX」、アプリケーションのバックエンドサービスを提供する「Firebase」、アプリケーションに生成AIを組み込めるフレームワークの「Genkit」、そしてプロンプトを基にアプリケーションの実装計画やコード、テストなどを生成する「Gemini in Firebase」を統合したものとなっています。 デフォルトではNext.jsを用いたWebアプリケーションを生成しますが、GitHub、
iPhoneで通話の録音が可能に 使い方は
録音された音声は、「メモ」アプリで確認可能。通話を切ると「メモ」アプリから通知が届く。 「Apple Intelligence」（日本では2025年に対応予定）を使えば、音声の文字起こしをしたり、内容を要約したりすることもできるようになる。 通話録音機能はデフォルトで利用可能になっているが、「電話」アプリの設定からオフにすれば、利用できない状態に切り替えることもできる。 関連記事 生成AI「Apple Intelligence」米国で開始 写真や文章のAI編集機能が無料で 米AppleがiPhone・iPad・Mac向けの生成AI機能「Apple Intelligence」の提供を開始した。各OS向けに無料のソフトウェアアップデートを配信しており、英語で利用可能。日本語には未対応だが、デバイスとSiriの言語を「英語（米国）」に設定すれば日本でも英語での利用はできる。 日本で「Apple
Windows + GPUでローカルLLMを動かしてみる（LM Studio, Obsidian Copilot, VSCode拡張 continue）
ollama 今どきのサイトらしからぬランディングページで何も説明しない系のサイトなので何もわからん。 llama.cpp LlamaをPC上で実行するための実行環境。実行のためにはソースをDLしてビルドする必要があり、手順がやや面倒。Llama以外のモデルも実行可能 ollama これもローカルLLMの実行環境。バックエンドでllama.cppを利用している。インストールや実行が簡単なので、今回はこちらを利用。 なるほど。llama.cppは推論の実行エンジンであって、モデルのダウンロードや実際にチャットのテキストを送るなどの処理を行うのは別のツールが担当することになっていて、ollamaはその1つという立ち位置か。 ollamaはLLMの実行環境ではあるけどGUIは持っていないので、よくあるチャットUIから呼び出したければまた別のollama-uiというChrome拡張などを入れる必要
Cline/Roo Code利用ガイドライン - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Cline および Roo Code は、LLM（大規模言語モデル）を活用した高度な支援を提供するツールです。AI によるコード生成・修正・テストの自動化などが強力にサポートされるため、開発効率を飛躍的に高めることができます。 1. Cline 公式リポジトリ: https://github.com/cline/cline 1.1 導入手順 詳しい手順は下記の記事がわかりやすいです。 参考: VSCodeへのCline導入 ここでは簡単な流れのみ紹介します。 VSCode の拡張機能として Cline プラグインを導入 利用したい LL
第825回 ローカルLLMの実行ツールであるOllamaをUbuntuで動かす | gihyo.jp
ChatGPTをはじめとした生成AIにおけるここ数年の勃興は語るまでもありません。特にユーザーからの自然言語による対話をもとに文章を生成する仕組みは、すでに趣味や研究の範囲を超えて各分野の業務でも広く使われるようになりつつあります。その自然言語の理解と文章の生成に貢献している概念のひとつが、「LLM（Large Language Model：大規模言語モデル）」です。現在ではChatGPTで使われているGPTシリーズだけでなく、GoogleのGeminiやAnthropicのClaudeなど、規模の大小、目的問わずさまざまなLLMが登場しています。 今回はそんなLLMのうち個人でも利用可能で軽量なモデルの入門として、まずはUbuntu上で動かす方法について紹介しましょう。 図1 ollamaとOpen WebUIを使えばChatGPTっぽいUIからローカルLLMを使える ローカルLLMの
ローカルLLMを用いたポートフォリオ生成アプリを作ってみた
はじめに どんな人向けの記事？ 生成 AI に興味がある方 ローカル LLM に興味がある方 資産運用に興味がある方 概要 現在、ちょっとした Web アプリを作っていて、その中間成果物としてローカル LLM を用いたポートフォリオ生成アプリを作りました。 今回は、そのアプリの簡単な紹介と開発の中で得られた知見等を備忘録的にまとめます。 「ちょっとしたアプリ」に関しては完成してからのお楽しみということで、今回はポートフォリオ生成アプリの開発までに焦点を当てた記事となっています。 アプリの紹介 ポートフォリオ生成アプリについて語る前に、Claude MCP を使って作った LLM キャラ管理アプリを簡単に紹介します。 このアプリも中間成果物の一つですが、基本的にやっているのは下記の通りで非常に単純なシステムです。 キャラクターの設定を入力するだけで LLM が推論したステータスを可視化できる
コーディング AI エージェントを自作してみよう
コーディング AI エージェントを自作してみよう 好むと好まずと関わらず、ソフトウェア開発において AI の活用は重要なパラダイムシフトの 1 つです。AI エージェントはユーザーからの指示を元に自律的にタスクを選択し、実行します。この記事では、コーディング AI エージェントを自作する過程を紹介します。 好むと好まずと関わらず、ソフトウェア開発において AI の活用は重要なパラダイムシフトの 1 つです。The End of Programming as We Know It という記事ではプログラミングが終焉を迎えるのではなく、「今日私達が知っているプログラミングの終わり」であると述べられています。AI に置き換えられるのはジュニアおよび中級レベルのプログラマーではなく、新しいプログラミンツールやパラダイムを受け入れず過去に固執するプログラマーであるとというのです。 It is not
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
NotebookLMやClaude、Gmail検索 生成AIの仕事への活かし方【西田宗千佳のイマトミライ】
コードをコピペしたあとの雑務をAIが肩代わりする「Visual Studio」新機能がテスト開始／コピペ先のコードに馴染ませる修正作業を提案してくれる「アダプティブペースト」
GitHub - openai/codex: Lightweight coding agent that runs in your terminal
[みんなのケータイ]「iPhoneで録音 → 書き起こし → Apple Intelligence」で記事を書いてみる![[みんなのケータイ]「iPhoneで録音 → 書き起こし → Apple Intelligence」で記事を書いてみる](https://cdn-ak-scissors.b.st-hatena.com/image/square/1b4a33c90dc23dd0f848d10d6e8c785057bcdab5/height=288;version=1;width=512/https%3A%2F%2Fk-tai.watch.impress.co.jp%2Fimg%2Fktw%2Flist%2F2005%2F859%2F01.jpg)
