SQLとLLM＋MCPで業務データのギャップを埋める方法
こんにちは。CData Software Japanマーケティングマネージャーの杉本です。 最近は生成AIやMCPに関するトピックをSNSなどのネット上で見かけない日は無いなーと感じる日々ですが、皆さんは業務で生成AI・LLMをうまく活用できていますか？ 普段プログラミングなどを通じてソフトウェア開発を行っている方々には相当浸透してきている感じがありますが、非エンジニアサイドではまだまだ浸透しきれていないのではないかな？ と感じています。 その原因は私達が普段関わっている業務データとのコラボレーション、そして『MCP』という新しいアプローチに鍵があると考えています。 実はCDataでは本日新しいプロダクトとして『CData MCP Servers』の無償ベータ版リリースを発表しました！ CDataのSalesforceやGoogle Sheets・kintoneなどSaaSやファイル、DW
LMQL(Language Model Query Language)概観｜mah_lab / 西見 公宏
LMQL Playgroundでクエリを試すLMQLには動作を簡単に検証できるPlaygroundが用意されています。ローカルでPlaygroundを起動することもできます。 まずはGetting Startedで紹介されている以下のクエリを実行します。 argmax "Hello[WHO]" from "openai/text-ada-001" where len(WHO) < 10「Run」ボタンをクリックするとOpenAIのAPI KEYを求められるので、入力します。 実行するとModel Responseの枠に結果が表示されます。 LMQLの基本構造LMQLは記法的にはSQLと似ていて、以下のような構造を持っています。 デコーダ節（Decoder Clause）： テキスト生成に使用するデコード・アルゴリズムを指定します。LMQLでは様々なデコード・アルゴリズムを選択することができ
LMQL is a programming language for LLM interaction. | LMQL
LMQL is a programming language for LLMs. Robust and modular LLM prompting using types, templates, constraints and an optimizing runtime. @lmql.query def meaning_of_life(): '''lmql # top-level strings are prompts "Q: What is the answer to life, the \ universe and everything?" # generation via (constrained) variables "A: [ANSWER]" where \ len(ANSWER) < 120 and STOPS_AT(ANSWER, ".") # results are dir
1
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
処理を実行中です
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
Fluent | Automated client reporting
