Analyzing code similarity... === Function Similarity === Checking 142 files for duplicates... Found 8 duplicate pairs: ------------------------------------------------------------ Similarity: 89.09%, Score: 8.0 points (lines 9~9, avg: 9.0) src/utils/getUserById.ts:4-12 getUserById src/utils/findUserById.ts:8-16 findUserById Similarity: 88.00%, Score: 14.1 points (lines 15~17, avg: 16.0) src/servic

TypeScript ツールチェインは多種多様で、毎回目的に沿ってプロジェクトを設定するのが非常に大変です。 なので、再現性のある環境構築手順を作って LLM に丸投げすることにしました。 (この記事の7割はAIに書かせて、自分で30分かけて書き直しました) tl;dr Claude Code に読ませる前提のTypeScriptの環境構築ガイドラインを作った docs/ts-guide/ にドキュメントを配置して、LLM（Claude）にそれを読ませる プロジェクトの要件を伝えて、LLMに適切な設定を追加させる ベースラインとなる基礎部分から始めて、対話的に必要な機能を追加していく How to use すごい雑に実態を説明すると共通セットアップとただのライブラリの使い方のドキュメントです。 # 新しいプロジェクトを作成 mkdir my-app cd my-app # ts-guide

TL;DR: The first stable version Oxlint has been released! With a 50~100x performance improvement over ESLint, support for over 500 ESLint rules, and usage in major companies like Shopify, Airbnb, and Mercedes-Benz, you should give it a try. Get started now. Oxlint is a Rust-powered linter for JavaScript and TypeScript is designed to be fast and simple to adopt. Since its first announcement back in

OpenAI Agents の TypeScript SDK OpenAI Agents SDK は AI エージェントを構築するためのパッケージです。軽量で使いやすく、抽象化を最小限に抑えているのが特徴です。この記事では、OpenAI Agents SDK の TypeScript バージョンの使用例を紹介します。 OpenAI Agents SDK は AI エージェントを構築するためのパッケージです。軽量で使いやすく、抽象化を最小限に抑えているのが特徴です。以前実験的に公開されていた Swarm を本番環境向けにアップグレードされたものです。Agents SDK には以下のプリミティブな機能が含まれています。 エージェント：instructions とツールを持つ LLM。特定のタスクを完了するまでループを実行する ハンドオフ：エージェントが特定のタスクを他のエージェントに委任する

BlogReducing tool calling error rates from 15% to 3% for OpenAI, Anthropic, and Google Gemini models We recently built a tool compatibility layer that reduced tool calling error rates from 15% to 3% for 12 OpenAI, Anthropic, and Google Gemini models, across a set of 30 property types and constraints. Background Mastra is a TypeScript agent framework. When a user is doing tool calls that accepts so

TypeScriptとVercel AI SDKで実現するLLMアプリケーション開発：フロントエンドからバックエンド、そしてChrome拡張まで スライド概要 TypeScriptとVercel AI SDKで実現するLLMアプリケーション開発：フロントエンドからバックエンド、そしてChrome拡張まで TsKaigi 2025 DAY2 / 10:50 〜 11:20 （レバレジーズトラック）

TSKaigi 2025 https://2025.tskaigi.org/

tskaigi で発表した https://tskaigi.mizchi.workers.dev/ のコピペしやすい用にしたバージョンです。 ほぼ marp のソースコードそのままですが、プロンプトのコピペ用にそのまま公開します。 本資料の内容 うまくいくプロンプト うまくいかないプロンプト、その理由 現状認識 注意: 前日リリースのClaude 4 の評価は間に合ってません!!!! Claude 4 Opus の高すぎる怖い 数時間触った感じ: 改善傾向だが、抱えてる問題も同じ傾向 主張: 言語特化プロンプトが必要(今は) Coding Agent は言語ごとのユースケースに最適化されていない ベストプラクティスをユーザーが取捨選定する必要 TS 周辺は技術選定で発散しがち プログラミング言語間の転移学習は不安定 GitHub を丸暗記しても、コンテキストに応じて翻訳&参照できるかは別の

TypeScript で AI エージェントを構築する VoltAgent VoltAgent は TypeScript で AI を活用したアプリケーションを構築するためのツールキットです。VoltAgent Console を使用すると、エージェントの状態をリアルタイムで確認したり、エージェントのワークフローを可視化できる点が特徴です。 音声による概要 この音声概要は AI によって生成されており、誤りを含む可能性があります。 VoltAgent は TypeScript で AI を活用したアプリケーションを構築するためのツールキットです。構築した AI エージェントの監視やデバッグを行うためのツールとして VoltAgent Console が提供されている点も特徴です。このツールを使用すると、エージェントの状態をリアルタイムで確認したり、エージェントのワークフローを可視化したりで

After a year of active development: Zod 4 is now stable! It's faster, slimmer, more tsc-efficient, and implements some long-requested features. Huge thanks to Clerk, who supported my work on Zod 4 through their extremely generous OSS Fellowship. They were an amazing partner throughout the (much longer than anticipated!) development process. Versioning To simplify the migration process both for use

import { VoltAgent, Agent, createTool, createHooks } from "@voltagent/core"; import { VercelAIProvider } from "@voltagent/vercel-ai"; import { openai } from "@ai-sdk/openai"; import { fetchRepoContributorsTool } from "./tools"; import { fetchRepoStarsTool } from "./tools"; // Create the stars fetcher agent const starsFetcherAgent = new Agent({ name: "Stars Fetcher", description: "Fetches the numbe

Anthropicが提供するClaude Codeを使用して、TypeScript製のCLIツールをつくりました。Claude Codeのような自走力の高いAIエージェントとうまくやっていく方法を考えつつ、Notion MPCとの連携といったセットアップの方法を記事にまとめます。 プロジェクトの説明 今回はお試しでつくったのは「cowtodo」という、Markdownファイル内のTODOリストを解析して、cowsayで表示するCLIツールです。 主な機能 Markdownファイル内の - [ ] や - [x] の形式で書かれたタスクを解析 完了/未完了のタスクを分類して表示 cowsayライブラリを使用したアスキーアートによる表示 ファイル監視による自動更新 技術スタック TypeScript Node.js Ink (ターミナルUIの構築) meow (コマンドライン引数の解析) 開発

はじめに 世の中にAIキャラクターというジャンルがあります。 それは、キャラクターの応答や行動をAI、いわゆるChatGPTなどで生成するというものです。ChatGPTの登場以降、技術は急速に発展し、今ではAIに配信をさせる「AITuber」と呼ばれるものまで誕生しています。 一方で、この分野において、決定的に欠落しているものがあります。それは「自己組織的な人格形成」と「自律的な行動の創発」です。 いままでのAIキャラクターは、あらかじめ開発者やユーザーが設定したキャラクター像に則って動いたりします。しかし、逆に言えばAIが自分で判断してそのような人格や思想をもったのではなく、開発者の想定で作られたものです。行動も設計した中での行動に過ぎません。 私は、自分で色々なことに驚いたり、喜んだり、悲しんだり、自分で考え、自分で行動することができるAI主体、「ゴースト」が作りたいと思いました。「ゴ

こんにちは、オートロ株式会社で代表をしております。福田です。今回も、オープン開発チームで試した内容を共有したいと思います。 今回は、日本でも大人気になっている TypeScript で AI エージェント開発ができる、Mastra を使ってディープリサーチの模倣品の Open Cheap Research を開発した話をします。 ソースコードは、こちらで公開しております。 Mastra とは Mastra は、AI エージェントを開発するためのフレームワークです。ほとんどの AI エージェント開発フレームワークが、Python で公開されているのに対して、Mastra は、TypeScript で、開発することができるため、ウェブエンジニアが AI エージェント開発に参戦するために非常に有効なツールになっています。 引用元：公式サイト Mastra でできること Mastra で、できるこ

みなさんはそろそろバイブコーディングや、丁寧にプロンプトを出して、AIのタスクが完了をするのを待つことに慣れただろうか。筆者は全然慣れない。むしろAIに何を夢見たんだと毎日絶望している。 というのも、 バイブコーディングほど雑に任せることが出来ない 丁寧にプロンプトを出すにしても、だいたい毎度の同じようなプロンプトを書いている そのくせタスクは多岐にわたるので.clinerulesや.cursor/rules/に長い指示を書くことができない といった感じに、コーディング業務の一部に偏りがある。もちろんうまくAIを利用できている開発もあるが、向かないケースはとことん向かない（しかもそれが業務の柱だと泣きたくなる）。 具体的には、 サイト運用の定期的なページ追加 新規サイト制作時のテンプレート作成 のようなクライアントワークのウェブ制作におけるコモディティ化した部分なのだが、統一されたデザイン

写真左から：Tony Kovanen 氏、Tyler Barnes 氏、Shane Thomas 氏、Ward Peeters 氏、Nik Aiyer 氏、Abhi Aiyer 氏、Mastra 創業者の Sam Bhagwat 氏。（写真提供：Mastra） YC W25 バッチから誕生した Mastra は、今、現実世界を大きく変えようとしている AI エージェントの開発者向けツールとして大きく話題になっている。彼らに出資している RICE Capital の福山太郎氏によるとそのトラフィックの3割はなんと日本からだそうだ。 特にアプリ開発者が好む TypeScript ネイティブのオープンソース SDK とクラウドサービスで、企業の AI 導入におけるボトルネックであるワークフロー構築を劇的に簡素化する Mastra。 カスタマーサポート自動化や商品検索エンジンなど、多彩なユースケー

MCP サーバーの Streamable HTTP transport を試してみる MCP では stdio と Streamable HTTP の 2 つの transport が定義されています。TypeScript SDK では v1.10.0 から Streamable HTTP transport がリリースされました。この記事では MCP サーバーを構築し、Streamable HTTP transport を試してみます。 MCP（Model Context Protocol）では JSON-RPC を使用してメッセージをエンコードしています。クライアントとサーバー間のトランスポート方式として以下の 2 つが定義されています。 stdio: 標準入出力を介した通信（主にローカル実行向け） Streamable HTTP: HTTP ストリーミングを介した通信（リモートサーバ

はじめに すでに日本語でも紹介記事が多数ありますが、私も MCP（Model Context Protocol）サーバーの開発を試してみたので備忘録として。 MCP の仕組みはともかくまずは作り方が知りたい！という方向けです。 MCP サーバー開発用の SDK は Python, Java, TypeScript など複数の言語をサポートしていますが、本記事ではTypeScript SDKを使用します。 また開発した MCP サーバーを利用する MCP クライアントにはCursorを使用します。 基本的に公式ドキュメントを参考にしています。 🙆‍♂️本記事で触れること TypeScript SDK を用いた MCP サーバーの実装方法 実装した MCP サーバーを Cursor で使用する方法 実装した MCP サーバーの配布(Publish)方法 デバッグ方法：Inspector の使