プログラマー必見！FastAPI-MCPでAI時代のAPI開発を加速する方法（初心者向けコード付き） - Qiita
はじめに みなさん、こんにちは！最近、API開発の現場で「これマジですごい！」と思わず叫んでしまったツールを見つけたんですよ。それが「FastAPI-MCP」です！ FastAPI使ってる人なら絶対に知るべきツールです。だって、あなたのAPIをAIモデル（GPTやClaudeなど）に簡単に操作させることができるんですから！私みたいな初心者でも数分で設定できちゃいました。 FastAPI-MCPって何がすごいの？ まず、FastAPI-MCPの核となる機能を紹介します： 認証機能が標準装備：FastAPIの依存性注入（Depends()）をそのまま使えるから、セキュリティ面も安心！ FastAPIとの相性抜群：単なるOpenAPI変換ツールじゃなく、FastAPIのASGIインターフェースを直接使うから超効率的！ 設定ほぼゼロ：FastAPIアプリを指定するだけでMCPツールが自動生成される
なぜ日本人は生成AIのプロンプト作成に苦労するのか: 日本語の特性と文化的要因 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 1. 序論 1.1 本書の目的と背景 近年、生成AI技術は急速に普及し、日常生活やビジネスの現場で大きな影響力を持つようになりました。その活用の鍵を握るのが、「プロンプト作成」というスキルです。生成AIがどれだけ優れた回答を提供できるかは、プロンプトの質に大きく依存しています。そのため、適切なプロンプトを作成するスキルは、生成AIを最大限活用するうえで欠かせません。 プロンプト作成には、さまざまな手法があります。たとえば、zero-shot promptingやfew-shot promptingといった基本的なアプローチから、回答の精
China scientists develop flash memory 10,000× faster than current tech
Combining the speed of SRAM with the data‑retention of flash this device meets AI’s staggering bandwidth and power demands (Image is representative) iStock A research team at Fudan University has built the fastest semiconductor storage device ever reported, a non‑volatile flash memory dubbed “PoX” that programs a single bit in 400 picoseconds (0.0000000004 s) — roughly 25 billion operations per se
【超実践】マネジメント本20冊試してわかった「初管理職」の教科書｜もとやま📚著書『投資としての読書』
お待たせしました。 だいぶ前にとったアンケートで1位のリクエストをいただいていたnoteがようやく完成しました。 今度は皆さんの意見も踏まえてnoteを書こうと思うのですが、どれ読みたいですか？ — もとやま📚著書『投資としての読書』 (@ysk_motoyama) January 25, 2025 なんで約3万字という、アホみたいなボリュームになってしまいまして。 全部読むのは大変だと思うので、ぜひ興味がある箇所だけ読んでみてください。 今回の想定読者は 「管理職なんてなりたくねーよ」と思っている人（僕がまさにそうでした。その気持ちの人がそのまま管理職になったら、どうなったかを綴ってます） 「管理職なったばかりです。どんな苦労があるかカンニングさせてください」と思っている人 「管理職になってしばらくたったけど、しんどくなってきたな」と思っている人 一方で、「私は管理職のベテランです、ど
MCP は大きな問題を抱えている？導入前に検討すべき課題と知っておくべきセキュリティリスク
はじめに こんにちは。クラウドエースの荒木です。 AI と外部システムの連携を標準化する Model Context Protocol (MCP) が、2024 年後半に Anthropic 社から発表されて以来 [1]、界隈では大きな注目を集めています。AI が様々なツールやリソースへ簡単にアクセスできるようになる「AI のための USB-C」というコンセプトは非常に魅力的です。実際に MCP に対応する Cursor や Zed といった開発ツールやさまざまな MCP サーバーなどが登場したことでエコシステムは着実に広がり、盛り上がりを見せています。私も以前、MCP の基本的な仕組みや将来性について解説する記事を書きましたが、思っていたよりも大きな反響がありました。 しかし、実際に MCP に触れたり関連情報を追っていく中で、課題も見えてきました。特に、前回良い面を中心に紹介した手前、
MCP + DB ＞ RAG?
RAGの限界性 RAG、つまり検索強化生成（Retrieval-Augmented Generation）は、現在の大規模言語モデル分野における注目の方向性です。これは情報検索技術と生成モデルを組み合わせ、大規模モデルの知識の正確性、文脈理解、最新情報の活用などの課題を解決します。 でも追加の知識をRAGを通じて導入するだけで、モデルがそれらの知識関連の質問に完璧に対応できると考えています。しかし実際と想像にはギャップがあり、実際に試してみると、RAGの精度はそれほど良くないことに気づくかもしれません。 RAG自体の技術的原理から見ると、現在以下の問題が存在します： 検索精度の不足：まず、RAGの最も核心的な部分は、知識を「ベクトル」に変換し、「ベクトルデータベース」に導入し、ユーザーの入力情報も「ベクトル」に変換してから、ベクトルデータベースから類似の「ベクトル」をマッチングさせ、最後に
Cursorを3週間使った所感・Clineとの違いまとめ
基本的なCursorの使い方については無数に紹介記事があるが、例えば下記の記事を参照されたい。 Cursorで良いなと思ったところ ちなみに、執筆時点でのCursorのバージョンは0.45.14。YOLOモードは暴走が怖いのでオフにして、Composer（agent）モードを使用している。 提案されたコマンドを編集してから実行できる これはかなり便利だと感じた。なぜなら、このコマンドを打ったらエラーが出るとわかってるコマンドを打ってほしくないから。この例の他にも、pythonの仮想環境でuvを使いたいときなど、少し編集して実行できると嬉しい。 Acceptする前に動作チェックができる Clineでは、Acceptするまで動作検証ができなかったはず。CursorではAcceptする前に動作検証ができるので、その結果を見てからAcceptするかどうかを判断できるのが使いやすいと感じた。 Cla
README_ja.md · pfnet/plamo-embedding-1b at main
","cls_token":null,"eos_token":"<|startoftext|>","mask_token":null,"pad_token":"<|startoftext|>","sep_token":null,"unk_token":"<|unknown|>"}},"createdAt":"2025-04-11T08:43:31.000Z","discussionsDisabled":false,"downloads":17474,"downloadsAllTime":17474,"id":"pfnet/plamo-embedding-1b","isLikedByUser":false,"availableInferenceProviders":[],"inference":"","lastModified":"2025-04-17T02:17:46.000Z","lik
OpenAI - エージェント構築のための実践ガイド 日本語翻訳
OpenAIからエージェント構築のための実践ガイドが公開されました。非常に勉強になったので、全文を日本語に翻訳しながら読みました。翻訳の正確さは保証できませんが、メモとして書き残します。 はじめに 大規模言語モデルは、複雑なマルチステップのタスクを処理する能力がますます高まっています。推論、マルチモダリティ、ツール利用の進歩により、エージェントとして知られるLLM（大規模言語モデル）を活用したシステムの新しいカテゴリが生まれました。 このガイドは、初めてエージェントを構築しようとしている製品チームやエンジニアリングチーム向けに設計されており、多くの顧客導入事例から得られた洞察を、実践的で実行可能なベストプラクティスにまとめています。有望なユースケースを特定するためのフレームワーク、エージェントのロジックとオーケストレーションを設計するための明確なパターン、エージェントが安全かつ予測可能で効
オレオレ RAG をさくっと作る
この記事は間違いが含まれている可能性があります。 もともと自社のドキュメントでは Meilisearch で日本語全文検索を実現していましたが、ドキュメントに質問できるようしたいと思い、簡単な RAG を作りたい！と思っていました。 とりあえず、ドキュメントを分割し、ベクトル化してベクトルデータベースに突っ込んで、質問をベクトル化して結果を引っ張り、それを LLM に食べさせて解説させる、というのができればよいということがわかりました。 ベクトル化はよく使われている OpenAI Embeddings API を利用し、ベクトルデータベースは普段からよく使っている DuckDB に VSS (Vector Similarity Search for DuckDB) という拡張を使うことにしました。 自社のドキュメントをなんとかうまいこと分割して、あとは分割したドキュメントを API を叩い
【LLMは無料で使え！】OpenRouterのススメ【CLINEにも！】
はじめに 便利なのになんとなく使ってる人少ないなあと思ってたので、記事にしてみました。 いろんなLLMを統合できるというメリットもありますが、普通に高性能モデルを無料で使えるので、それだけでも使い倒す価値はあると思います。 OpenRouterとは OpenRouterでは、市場の主要はLLMモデルにアクセスできる統合APIを提供しており、あらゆるモデルの処理と統一的に書くことができます。（後述します） 統一的にかけるので、LLMプロバイダごとにコードを変える必要がなく、一度作成したコードを以降出現するあらゆるモデルに流用できるのが嬉しいです。 まあ、私的には基本的にLangChainを利用するので、この恩恵はあまり受けていませんが。 もう一つの恩恵は、優秀なAPIモデルや、ローカルLLMのモデルが無料モデルとして提供されていることです。 中には非常に優秀なモデルも無料で使えるので、料金を
個人的 Vibe Coding のやりかた
こんにちは、よしこです。 最近、個人的に欲しいツールをVibe Codingで作ることが増えてきたので、私の中で定着してきた進め方をまとめてみようかなと思いました。 ちなみに "Vibe Coding"（雰囲気コーディング）というのは、「人間が音声やテキストで指示を出し、AIが主体となってコードを書くコーディングスタイル」を指すワードです。 私もこのやりかたをするときはほとんどコード書いてません。 要件定義 まずは「何を作るのか」「ターゲットは誰か」「どんな機能が必要か」「画面構成はどうするか」などを決めます。好きなAIとチャットベースで喋りながらまとめていきます。 こっちが全然考えきってなくても、「◯◯なアプリ作りたいんだけど要件定義手伝ってー」から会話を始めれば必要な情報は向こうがヒアリングしてくれます。 ここはChatGPT 4oを使うことが多いです。トーンやノリが個人的な好みと合っ
MCPを超理解する - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 正しく理解するためには はい。これ以降の記事は86％（当社計算）が概念で構成された読み物（ポエム）です。 ちゃんと理解したい人は上の情報を読んでね。〜終〜 生成AI界隈が早すぎてついていけない はい。私もついていけません。 が、この業界、この職種で飯を食うつもりな限りわからんから知らんとは言えないので、超理解していきましょう。 その前にAIエージェントを超理解する はい。生成AIの少し前？の流行技術です。 そもそも生成AI（以下では狭義に文章生成AIを指すこととする）はある命令（プロンプトと言いますね）に対してその特徴量を持った、命令（
AIで生成したSVGをFigmaで編集する方法 - Qiita
はじめに AI(ChatGPT, Claudなど)で生成したSVGは、そのままでは使いづらいことが多いです。Figmaを使えば、生成されたSVGを通常のベクターレイヤーとして編集できます。この記事では、SVGファイルをFigmaに取り込んで編集し、最適化して書き出すまでの基本的な流れを解説します。 SVGをFigmaで編集できるようにする インポート方法 ドラッグ&ドロップ SVGファイルをFigmaのキャンバスに直接ドロップ 複数ファイルを一度にドロップ可能 メニューからインポート File > Import files（⌘/Ctrl + Shift + K） Place image/videoボタンをクリック コピー&ペースト SVGファイルの内容をクリップボードにコピー Figmaに直接ペースト 例えば、カレーの作り方の手順のSVGをインポートしたときの様子。 グループ解除で要素ごと
研究者向けの技術研修資料を公開します | | AI tech studio
はじめに こんにちは、AI Labの岩崎です。普段はResearch Engineerとして他チームの実験サポートや研究成果の社会実装などをしています。タイトルの通り、CyberAgentにあるAI Labという研究機関で技術研修を行った話をします。 AI Labは現在インターンを含めて100名近いメンバーが在籍しており、これはメガベンチャーである弊社の中でも大規模な組織です。このように規模が拡大する中で、他社での経験があるメンバーはもちろんのこと、先月まで大学で研究を行っていたメンバーであっても、入社後すぐに共著や社会実装を通じてプロダクトと連携できる程度の技術力が求められます。 小規模な組織であれば技術力の高いメンバーが他のメンバーをフォローすることも可能でしたが、現在の組織規模ではチームや個人間で研究開発力に差が生じつつあります。そうした背景があるAI Labではオンボーディングは用
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
AIコーディングの理想と現実
how_to_design_share | ドクセル
GitHub - HandsOnLLM/Hands-On-Large-Language-Models: Official code repo for the O'Reilly Book - "Hands-On Large Language Models"
日本データベース学会が発信すべき「最強のデータベース講義」とは（5分版）
GitHub - ymichael/open-codex: Lightweight coding agent that runs in your terminal
