4/9(水) お昼にYouTubeでも解説します🙌 やさしいMCP入門 ＆ 実践LT会（KAGと学ぼう！勉強会） https://kddi-agile.connpass.com/event/351600/
やさしいMCP入門
4/9(水) お昼にYouTubeでも解説します🙌 やさしいMCP入門 ＆ 実践LT会（KAGと学ぼう！勉強会） https://kddi-agile.connpass.com/event/351600/
なぜ MCP なのか
なぜ自分が MCP を追いかけているのかを雑にだらだらと書いて行こうと思います。 乱文です。 オープンなプロトコル追いかけている理由は Model Context Protocol がオープンなプロトコルにしたことです。これが ChatGPT Plugins とかのクローズドなプロトコルであれば全く追いかけていなかったと思います。 MCP は Anthoropic 以外でも MCP クライアントを実装しさえしていれば、多くの MCP サーバーと接続する事が出来ます。実際 MCP を公開した Anthropic が提供している Claude Desktop や Claude Code だけでなく Cline や Cursor などが MCP クライアントを実装したことにより、MCP サーバーさえ実装してしまえば、様々な環境で利用できる仕組みになっています。 そして VS Code も MCP
こんにちは、@ketancho です。最近、7年前に書いたこちらの記事を読む機会がありました。 www.ketancho.net 今読んでも、ベースとなる部分や考え方は変わっていないなと考えています。ただ、少しだけ情報を追加、あるいは整理したいなと思える部分があったので、AWS を学び始めようとされる方が多いであろうこの4月に、2025年版を考えてみることにしました。少しでも "学びはじめ" の参考になれば嬉しいです。 ▼ この記事の目次 １）JAWS-UG のイベントや AWS 主催のイベントに参加する ２）AWS 資格を取る ３）実際に手を動かす ４）幅広いインフラの基礎知識をつける ５）簡単なもので構わないので、自身のプロダクト・Web サービスを AWS 上に構築し、運営する ６）自分の学んだことをアウトプットする まとめ １）JAWS-UG のイベントや AWS 主催のイベントに
「GitHub Copilotコードレビュー」正式リリース。コードのバグや性能劣化要因など基本的なレビューをCopilotが代行、人間のコードレビューを効率化
GitHubは、生成AIがプログラミングなどを支援してくれる「GitHub Copilot」の新機能として、「GitHub Copilotコードレビュー」が正式版になったことを発表しました。 コードレビューは開発に欠かせないが時間がかかる コードレビューは、新しくコードを書いたときや変更するときなどさまざまな場面で、そのコードにバグなどの問題がないか、目的に沿った内容や表現になっているか、などのチェックや評価を行う作業です。 チームでシステム開発を行ううえでコードレビューは欠かせませんが、コードレビューは基本的にレビューを行うプログラマ（レビュワー）がコードを目視で読み取り、チェックしていくことになるため、レビュワーにとって負荷の高い時間のかかる作業となっています。 最低限のコードレビュー作業を生成AIが代行 GitHub Copilotコードレビューは、GitHub Copilotに作業
はじめに つい昨日に以下の記事を書いたのですが、VS CodeのStable版もほぼ同日にエージェント機能が追加されました。以下の記事ではClaude Desktopを使いましたが、VS Code + GitHub Copilot でも awslabs/mcp を試してみます。 なお、部分的に前回の記事に飛ばすとわかりにくかったので、手順については重複する部分もこちらの記事に載せています。 前提 環境 Mac OS 14.5 VS Code March 2025 (version 1.99) GitHub Copilot 準備 awslabs/mcp はPythonで書かれており、公式の手順ではパッケージマネージャーの uv が必要になります。 uv のインストール（Astral公式ドキュメントまたはGitHub参照） Python 3.10 以上 （公式では uv python inst
シリーズ: 要件定義とはそもそも何か 要件定義の目的とゴールとは 要件定義の重要ポイント〜要望・要求・要件を見極める 事業・業務・システムの3階層で要件を捉える 業務フロー図で見える化する業務プロセスからシステム要件への道筋 ユースケースとロバストネス図によるシステム要件定義 システム要件定義の成果物〜設計へのインプットを作成する 要件定義とソフトウェアアーキテクチャ設計（本記事） TRACERYプロダクトマネージャーの haru です。 設計プロセスでは、要件定義で作成された成果物をもとに、各種の設計が進められます。 そのため、設計プロセスの流れや観点を理解しておくことで、「どのような情報を、どの粒度で要件としてまとめるべきか」が明確になり、要件定義の成果物の実用性や完成度が大きく向上します。 設計プロセスについて、たとえば、以下のような観点を押さえておくことが重要です。 どのような成果
開発系AIツールの探索とAI時代の「富豪的プログラミング」 - 弁護士ドットコム株式会社 Creators’ blog
こんにちは、CTOの@stanakaです。 年明けから2か月間、社内でさまざまなAIを活用した開発ツールを試してきました。当社ではすでにGitHub Copilotを標準的に導入していますが、他にも良いツールがあるはずだということで、エンジニアの皆さんに新しいツールを積極的に試してもらいました。 今回試した主なツールは以下のとおりです。 Cursor ChatGPT Plus, Pro Claude Pro Claude Code Cline Devin もっといろいろ試せるとよかったですが、リソースは有限なので今回はここまでとしました。取り組みの様子はブログでもいくつか紹介していますので、ぜひご覧ください。 creators.bengo4.com AIによるプログラミングの変化 社内で特にAIツールを使いこなしているエンジニアの傾向を観察すると、単一のツールに限定するのではなく、用途や状
はじめに 年度末の振り返りとしてstreamlitを使った技術ヒートマップを作ってみました。 社内勉強会のテーマとして用意したものですが、せっかくなのでQiitaにも投稿します！ 技術のヒートマップを作ろう🐱🐉🔥 今年度、あなたはどんな技術に触れ、どんな業務をしましたか？ どこが濃い？どこが薄い？可視化されたマップをもとに振り返りましょう。 あなたの強みを再確認するだけでなく、来年の目標設定にも活かしてください！ 今日はStreamlitを使ってヒートマップを作ります⭐ 🧣 アジェンダ Streamlit体験 ヒートマップ作成 🛸 手順 まずはStreamlitが実行できる環境を用意します。 1.Pythonの準備 公式サイトから最新版をインストール コマンドプロンプトからPytonのバージョンを確認する
MCP Run Python - PydanticAI
MCP Run Python The MCP Run Python package is an MCP server that allows agents to execute Python code in a secure, sandboxed environment. It uses Pyodide to run Python code in a JavaScript environment with Deno, isolating execution from the host system. Features Secure Execution: Run Python code in a sandboxed WebAssembly environment Package Management: Automatically detects and installs required d
(前回の記事の補足と更新があります) はじめに 情報の伝わる速さについて調べる 伝搬速度を検証する 検証環境を構築する 検証 結果 所感 参考文献 はじめに 以下の記事を読んでいて気になる箇所がありました。 jp.quora.com これは小学生の知識でも説明できます。光は1秒間に地球を約7周半するのですよね。日本ブラジル間はだいたい地球半周の距離です。仮に一切のボトルネックなく通信が光の速さで一直線に進んでも、60 × 0.5/7.5 = 4フレームの遅延が発生することがわかると思います。 光ファイバーで通信する場合、光は真空中と同じ速さ(3x108 m/s)で通信できるでしょうか？ 物質中を通過するので、もう少し遅いような気もします。 また、気になる画像をインターネットで見つけました。 「電脳格技メフィストワルツ」で「光速は俺らには遅すぎる」という名言が出たそうですが、本当に真空中の光
こんにちは。 名刺アプリ「Eight」でエンジニアをしている鳥山（@pvcresin）です。 最近は、社内の謎解きが好きな人たちとリアル脱出ゲームに参加しています。 10人ほど必要なイベントでもすぐに人数が集まるので、社内にコミュニティーがあるのはありがたいですね。 さて今回は、Eightで昨年末から取り組み始めたRubyへの型導入について紹介します。 目次 背景 静的型付けブーム 型チェッカーと関連ツールの概要 SteepとSorbetの実導入による比較検証 比較の結果 採用にあたり気になるポイント まとめ 背景 EightのバックエンドはRuby on Railsで構築されています。 10年以上にわたって開発が続けられてきたこともあり、コードベースは非常に大きく、コードの挙動や開発者の意図を読み解くのに時間がかかる場面も増えてきました。 もちろん、定期的にリファクタリングや不要な機能の
何かしらの生成AIを利用するとき、今実施している作業の手を止めて生成AIの利用画面を立ち上げ、利用せざるを得ないことがほとんどです。しかし本当に効率が良いのは、作業の手を止めず、そのまま生成AIを利用し支援を受けられることでしょう。そしてそれを実現できるのは、普段から利用頻度の高いアプリケーションである、WordやExcel、PowerPointの中のCopilotなのではないでしょうか。さまざまな生成AIが登場している中で、あえてCopilotを選ぶ理由もそのあたりになってきています。そこで今回は、日々進化し続けているWord、Excel、PowerPointのCopilot最新機能について紹介します。
注目MCPニュース 昨今LLM界隈を賑わせているMCP（Model Context Protocol）ですが、個人的には最近のビッグニュースとして以下の２つが挙げられます。 Azure FunctionsトリガーがMCPに対応! Azure Functionsは「トリガー」と呼ばれる仕組みを使ってイベントドリブンなアプリケーションを構築することができます（たとえばタイマートリガーで定期実行、HTTPトリガーでWeb APIを作る、など）。 2025年4月5日にAzure FunctionsのMCPトリガーがプレビュー版として公開されたことがMicrosoftの公式ブログで発表されました。本記事執筆時点での対応言語はC#、Python、Nodeの3つです。 VS Code Stable 1.99でMCPが正式サポート! GitHub CopilotにAgent modeが追加され、それと同時
元NASA・理研研究員、現DeNAのデータサイエンティストは生成AIをこう使う ChatGPTやDevinなど活用
元NASA・理研研究員、現DeNAのデータサイエンティストは生成AIをこう使う ChatGPTやDevinなど活用：トップ人材は、生成AIをこう使う ChatGPTの登場から数年。後続サービスも続々と誕生し、ビジネスにおいて生成AIの活用は当たり前になりつつある。一方、毎日のように更新され続ける情報に追い付けず、まだその真価を発揮し切れていないという人も多いだろう。 そこで本連載では、エグゼクティブやインフルエンサー、企業内のAI活用推進者などの生成AI活用法に注目。圧倒的な実力を発揮する“トップ人材”たちは、どんな生成AIをどのように使いこなしているのか。そしてそんな人材を抱える企業は、どのようにAIを利活用しているのか──業界や職種を問わず追いかける。 今回は、理化学研究所やNASAの研究員をへて、現在はDeNAのデータサイエンティストをしながら中央大学の共同研究員及び非常勤講師として
お疲れさまです。とーちです。 こちらの記事を読んで、MCPサーバーすごそうとなったのでMCPについてキャッチアップしたくなりました。 また、こちらの資料を読んでいて知ったのですが、MCPサーバーを作るクイックスタートが公開されているようです。これは良さそうだと思ったのでクイックスタートをやってみることにしました。 やさしいMCP入門 クイックスタートのURLは以下になります。 For Server Developers - Model Context Protocol MCPとは？ そもそもMCPとは？といった部分については上記の資料等をご確認いただければと思いますが、自分なりに理解したことをまとめると以下のようになります。 MCPとは アプリケーションが LLM にコンテキストを提供する方法を標準化するためのもの MCP は、AI アプリケーション用の USB-C ポートのようなもので、
We have discovered a critical vulnerability in the Model Context Protocol (MCP) that allows for "Tool Poisoning Attacks." Many major providers such as Anthropic and OpenAI, workflow automation systems like Zapier and MCP clients like Cursor are susceptible to this attack. Concerned about MCP and agent security? Sign up for early access to Invariant Guardrails, our security platform for agentic AI
インターンと新卒2年目で話した、半年間のインターンで得た成長と、テレワークのインターンの良さと難しさの話 - ドワンゴ教育サービス開発者ブログ
インターンを探している皆様、もしくはインターンを募集している皆様、こんにちは。Webフロントセクションのsokunoです。この記事では、教育事業本部のサービス開発部に長期インターンとして配属されているお二人の学生と「半年間ドワンゴでインターンをやってみてどうだったか」というテーマで対談しましたので、紹介いたします。インターンを探している方は雰囲気を掴むために、インターンを企画する方は運営のヒントに役立てていただけると嬉しいです。ライブ感が強めに仕上がっており、普段のこの開発者ブログの記事とは毛色が違うかもしれませんが、ぜひお付き合いください。 対談者紹介 Seiさん 福家さん sokuno 対談 このインターンはどうやって見つけましたか？ ドワンゴに入ってみて キャッチアップと当初の不安 7ヶ月経って成長した実感はありますか？ 学業との両立について インターン中の1週間のスケジュール例 勤
MCP(The Model Context Protocol) を理解する - Part1: 概要編｜Weights & Biases Japan
Weights & Biases AI Solution Engineerの鎌田(X: olachinkei)です。MCP(The Model Context Protocol)が業界標準になってきましたね。2025/3/27にはOpenAIもMCPのサポートをリリースしました。 people love MCP and we are excited to add support across our products. available today in the agents SDK and support for chatgpt desktop app + responses api coming soon! — Sam Altman (@sama) March 26, 2025 MCPは、大規模言語モデル（LLM）を活用したアプリケーションが、外部のツール、構造化されたデータ、事前定
Downloads: Windows: x64 Arm64 | Mac: Universal Intel silicon | Linux: deb rpm tarball Arm snap Welcome to the March 2025 release of Visual Studio Code. There are many updates in this version that we hope you'll like, some of the key highlights include: Agent mode Agent mode is available in VS Code Stable. Enable it by setting chat.agent.enabled (more...). Extend agent mode with Model Context Proto
Django のアプリケーションログを structlog で構造化し、ログの検索性を向上させる - Nealle Developer's Blog
こんにちは。SREチームの高 (@nogtk)です。ゼノブレイドXリメイクで惑星ミラの探索に勤しんでいる今日この頃です。 直近行った取り組みとして、アプリケーションログの構造化を行い、ログの検索性の向上を行いました。この記事では実際の実装も交えつつ実施した内容についてご紹介したいと思います。 構造化ロギングによって解決したい課題 Park Direct のバックエンドアプリケーションは Django で作られ、ログの出力先としては Datadog Logs を利用しています。このアプリケーションログは、長らくデフォルトである非構造化形式でログが出力されており、以下のような課題を抱えていました。 タイムスタンプやログレベル、トレースバックなどの各要素について、Grokパーサなどを駆使し Datadog のログパイプライン処理で抽出を行なっていたが、パターン網羅に限界があり、うまくパースできて
はじめに：この記事について この記事はModel Context Protocol (MCP)という、2024年11月にAnthropicが発表した新しいAIエージェント接続プロトコルについて、その基本概念から実践的な活用方法まで包括的に解説します。特にMicrosoftのAzure AI Foundryとの連携を中心に、具体的なハンズオン手順を通じてMCPの可能性と実用性を探ります。 また、本記事は2部構成となっております。 Part2は以下です。 この記事で学べること MCPの基本概念とアーキテクチャを理解できる クラウドとローカル環境の両方でMCPを実装する方法を学べる Azure AI Foundryとの連携手順を通じて実践的なスキルを身につけられる エンタープライズ環境でのMCP活用におけるセキュリティ考察を理解できる MCP登場から約4ヶ月の2025年3月現在、MCPは急速に業
Join our community of software engineering leaders and aspirational developers. Always stay in-the-know by getting the most important news and exclusive content delivered fresh to your inbox to learn more about at-scale software development.
ChatGPT で、カスタムの GPTs を試したことがある方は多いと思います。しかし、GPTs に外部サービスとの接続方法を設定するだけでツールを自由に追加できる機能 GPT Actions を試したことがある方はまだまだ少ないのではないでしょうか。 この GPT Actions は、様々な用途で活用できる可能性を持っています。GPT Actions を挟むだけで、すでに存在しているナレッジベースや社内サービスと ChatGPT をつなぐことができます。そして、こうした外部サービスを活用する AI を GPTs をユーザーインタフェースとして ChatGPT ワークスペース内の利用者全員に配布することができます。 先日、近い将来に ChatGPT デスクトップアプリが MCP サーバーとの接続に対応する計画も発表されましたが、MCP との連携という選択肢が増えた後でも GPT Actio
はじめに 最近、休日に何人かの人達と、AI を活用したアプリケーションをつくってます。 その開発は AI 技術のキャッチアップを目的としており、あえてやや複雑な問題を扱っています。 僕はそこで技術選定と設計をしたわけですが、「Mastra だけじゃ駄目ですか？」 「Workflow は駄目って聞きました！どうして Workflow で作るんですか？」という質問を受けました。 この文書は、その説明に用いたものから抜粋したものです。 僕は AI の専門家ではないので、もしかしたら間違っているかも知れません。 気になった点がありましたら、コメントにて指摘いただけるとありがたいです。 前提 汎用的な用途で利用される AI は Google のような大きな会社がシェアを取ると思われます。 我々普通のアプリケーションエンジニアは、ドメインやユースケースに特化させることで差別化を求められるでしょう。 そ
2024年の4月から、金沢大学自然科学研究科の博士後期課程に在籍しています。この4月で2年目になるので、1年目の振り返りを書いておきます。 これを読んで「自分も大学院に行こう」と思う人、実際に行く人が増えると嬉しい。 そもそも僕を知らない人はこれを↓ なお、このブログは自分の体験を自分の視点で書いているので、仕組みについては間違いも多いはず。 入学に必要なもの研究テーマ 自分の場合は学士のあといきなり博士後期課程で、博士前期課程（修士課程）を経ずに入学しています。このケースでは、研究テーマと研究実績で指導教員と合意し、大学の了解（正確にどういうプロセスかはわかってないが、学科内か学域内で審査があるはず）を得る必要があります。 自分の場合は研究したいこととその目的が「深圳から出てくるM5Stackみたいな開発ツールの成功要因を、技術やマーケティング含めたさまざまな側面から研究することで、もっ
AWSが2025年春にOSS公開したMCPサーバーの一つに、ドキュメント検索し、ベストプラクティスを回答してくれる AWS Documentation MCP Server というものがあります。 このMCPサーバーでは、MCP General architectureで言うところの リモートサービスへのWeb APIをMCPツールで実現 しています。 ※ 引用 https://modelcontextprotocol.io/introduction awslabs/mcp の場合、Web APIのリクエスト先となるリモートサービスとして 検索向け:https://proxy.search.docs.aws.amazon.com/search レコメンド向け:https://contentrecs-api.docs.aws.amazon.com/v1/recommendations という
R入門
はじめに その昔（2000年代初頭）、Rを初めて学ぶときには、CRANのホームページから英語のマニュアルを入手し、読むしかありませんでした。いくつかのRの教科書がすでに出版されていましたが、多くの教科書はプログラミングの入門については取り扱っておらず、統計手法の使い方、高度な統計について、あるいはパッケージのマニュアルなどについての説明が記載されていました。2000年代初頭に大学生であった私にはRはとても難しく、英語のマニュアルも読めず、インターネットに落ちているコードをコピペしては自分のデータを入力し、使い方もよくわからずに統計の計算をしていたものでした。簡単な統計はExcelや、怪しげなフリーソフトを用いて行っていました。どのソフトにも手法がないような統計の手法にだけ、Rを用いたのです。 時は流れ、2010年代、私は再びRと向き合うことになりました。その当時、研究で得たデータに対して、
現代のPython開発環境はpyenv + Poetry（もしくは最近ならuv）を使って管理することが多いと思います。 名前が似ていてややこしいvenvは、これらと違ってPythonに標準搭載されているベーシックな仮想環境ツールです。色々ありますが、まずはこいつを改めて学びましょう。 venvとは？ こういう、みんなが使う開発ツールは巷にユーザー記事が溢れていますが、こういうものほど最初は公式ドキュメントを読んでみましょう。 venvとは：Pythonのモジュールの一つ 軽量な稼働環境の作成を行う。ようは、色んなバージョンのPythonを同じPCの中で混在させて、プロジェクトによって使い分けられる インストール済みのPython（ベースPython）の上に仮想環境が作成される 仮想環境の中でpip installを行うと、仮想環境内にパッケージが追加される しかしvenvは公式ページが結構
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
ちなみに先日、Mastra製のAIエージェントをMCPと連携させてみた、という記事も書いたのでこちらも合わせて読んで頂けると嬉しいです（今回の内容と一部被っている部分があります）。 MastraとはMastra（マストラ）は、AIエージェント開発を効率化するためのオープンソースフレームワークです。 TypeScriptで実装されており、LLMを利用して外部APIやツールを呼び出すAIエージェントをシンプルなコードで作成できます。 OpenAI、Anthropic、Google Geminiなど複数のAIサービスに対応しているので、用途に合わせたモデル選択が可能です。 環境構築するそれでは、まずはMastraの実行環境を作りましょう。 環境構築と言っても、公式の方法に従えば簡単に作成できます。 任意のフォルダで npx create-mastra@latest を実行すると色々質問されるので
Amazon Q Developer for CLIを使って、AWSのリソースをAIで作成⇒調査⇒構成図作成までやってみて、構築作業を楽にしよう | コラム | クラウドソリューション｜サービス｜法人のお客さま｜NTT東日本
WSLのインストール WSLのインストールはWindows 10 バージョン2004以上またはWindows 11の環境で実施します。Powershellを管理者権限で開き、下記のコマンドを実行します。 wsl --install WSL のインストール | Microsoft Learn 無事WSLがインストールできたらWSLの仮想環境にログインします。 wsl ~ Amazon Q Developer for CLIのインストール WSLの各コンポーネントを最新化します。 $ sudo apt update $ sudo apt upgrade AWS CLIをインストールします。 $ curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip" $ sudo apt install
世界最大のプレプリントサーバーである「arXiv」は、物理学や数学、コンピューターサイエンス、統計学などの分野において論文のアップロードやダウンロード機能を無料提供しており、学問の発展において重要な役割を果たしています。そんなarXivは1人の物理学者のコードから生まれました。 Inside arXiv - the Most Transformative Platform in All of Science - Slashdot https://science.slashdot.org/story/25/03/27/1456239/inside-arxiv---the-most-transformative-platform-in-all-of-science 一般的に学術雑誌に掲載される論文は、研究者同士で「ピアレビュー(査読)」と呼ばれる作業が行われるため、掲載までには数カ月～1年を要
Pythonの環境をuvへ移行する方法
uvが良さそうという噂を聞いたので、自分の場合はMiniForgeからuvに移行することを決意しました。 直接のきっかけは以下のUdemy講座の受講です。eikichi先生ありがとうございます！ Python初学者でもOK！UV×VSCode×GitHub×Vast aiを活用したデータ分析・AI開発環境構築術 MiniForgeはインストールしてないよって人は、最初のMiniForge/Pyenv削除を読み飛ばせばuvのセットアップ記事として読めます！ MiniForge/Pyenvの削除 MiniForgeを断固たる決意で削除します。以下記事の最後にちゃんとアンインストールの方法が書いてあります。 pyenvの場合は以下です。 uvのセットアップ 公式ガイドを参考にセットアップします。 インストールは以下コマンドです。
Terraform実行ユーザー用の最小権限の原則を支援するPike触ってみた | フューチャー技術ブログ
はじめにTIG 真野です。Terraform連載2025の2日目です。 Pikeを触ってみた記事です。 PikeとはPike は James Woolfendenさんによって開発されたTerraformのコードを静的解析し、その terraform apply に必要な最小権限の原則に則ったIAMポリシーを生成するツールです。直接 .tf のコードをスキャンするというところが、良さそうと思ったポイントです。 Terraformを用いてインフラ構築する際には、強めの権限（本来は不要であるサービスの作成権限など）を付与して行うことが多いと思います。そのため、万が一のセキュリティ事故や誤操作で思いがけない結果に繋がる懸念がありました。しかし、最小権限の原則を忠実に守ろうとすると難易度・対応コストが高くなるため、ある程度割り切った運用を採用することが多いように思えます（もちろん、開発時は大きめを許
［Pythonクイズ］PEP 8（コードの書き方ルール）の理解度をチェック！ 適切な書き方がどれか分かるかな？
［Pythonクイズ］PEP 8（コードの書き方ルール）の理解度をチェック！ 適切な書き方がどれか分かるかな？：Pythonステップアップクイズ PEP 8って知ってます？ Pythonで標準的なコーディング規約ですよね。でも、どこまでその内容を理解できていますか？ PEP 8の理解度を一緒に試してみましょう。
PitchforkというWebサーバーを作るまでの長い道のり（翻訳）｜TechRacho by BPS株式会社
概要 原著者の許諾を得て翻訳・公開いたします。 英語記事: The Pitchfork Story | byroot’s blog 原文公開日: 2025/03/04 原著者: byroot -- Railsコアコミッター、Rubyコミッターであり、ShopifyのRuby/Railsインフラチームのシニアスタッフエンジニアです 日本語タイトルは内容に即したものにしました。 記事末尾の関連記事を先に読んでおくことをおすすめします。 2年と少し前、私はShopifyのRuby on Railsインフラストラクチャチームの一員として、PitchforkというRuby製Webサーバーを新たにリリースしました。 Pitchforkの設計は少し風変わりで、厳しいトレードオフを要求されるので、本記事ではこうした設計が決定されるまでの経緯や、本プロジェクトの将来について私がどう考えているかについて説明し
はじめに Webアプリを作る際に、ユーザーの入力をサポートする「入力補完」機能は非常に便利です。 今回はPythonのStreamlitを使って、シンプルながら実用的な入力補完機能の実装方法を紹介します。この記事は自分の学習内容の備忘録として書いていますが、同じような機能を実装したい方の参考になれば幸いです。 実装するもの 今回実装するのは次の機能を持つ簡単なフォームです： ドロップダウンリストから選択できる入力補完 リストにない項目を自由に入力できるカスタム入力欄 入力内容の確認と検証 コード全体 まずは完成したコード全体を見てみましょう： import streamlit as st # 入力候補（本来はDBから取得してもOK） suggestions = ["Apple", "Banana", "Blueberry", "Cherry", "Grape", "Mango", "Ora
![[備忘録] Streamlitで作る便利な入力補完機能！ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/ed98541cda441360280f2a3c08e563e3f97f078a/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkYyNjQ4MDY5JTJGMGU0YTU4OTYzNzI5ZTIyYjkwODM5NDY4YjkzYWNkMGNmNWM4YWFhOCUyRmxhcmdlLnBuZyUzRjE2NTE1ODc2MzQ_aXhsaWI9cmItNC4wLjAmYXI9MSUzQTEmZml0PWNyb3AmbWFzaz1lbGxpcHNlJmZtPXBuZzMyJnM9ZmQxZmIxNGYyM2JiYTE1NTZmMzQ4YmYxZGE3YzFmMjc%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D4e21d6c99ffd21130be46a8d859f162c%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCJUU1JTgyJTk5JUU1JUJGJTk4JUU5JThDJUIyJTVEJTIwU3RyZWFtbGl0JUUzJTgxJUE3JUU0JUJEJTlDJUUzJTgyJThCJUU0JUJFJUJGJUU1JTg4JUE5JUUzJTgxJUFBJUU1JTg1JUE1JUU1JThBJTlCJUU4JUEzJTlDJUU1JUFFJThDJUU2JUE5JTlGJUU4JTgzJUJEJUVGJUJDJTgxJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9OTc0Yjk4OGNiOGIwZDhiODAwMjZhMzA0ZmFjMDI2NTk%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBUYWRhdGFrYV9UYWthaGFzaGkmdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz01YWM4MmFhMTM4Y2ZkZDI1MzAyNzNkMmI1YzJiNDBhMQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D78dcb5a37c1f3163fbce0cffcaccc576)
Project Padawan：Copilotエージェントが自律的にイシューを解決する世界へ ――2月に発表されたProject Padawanは「SWEエージェント」と位置付けられています。まずはこのSWEエージェントとは何なのか、そこから教えていただけますか。 ドムケ氏：SWEエージェントという言葉は、GitHubが考え出したわけではなく、ソフトウェアエンジニアリング（SWE）の研究者たちが2024年に発表した論文に由来しています。その論文では、ソフトウェアエンジニアリングの自動化を可能にするコンピューターインタフェースを「SWEエージェント」と定義しています。 Project PadawanはGitHub上のSWEエージェントであり、開発者の代わりに行動することで、ソフトウェアエンジニアリングを支援するシステムです。 このプロジェクトを始めるにあたって、われわれはまず、GitHubに
【Autodock Vina】 Sminaを使ったin silicoスクリーニング【in silico創薬】 - LabCode
Smina とは？ インシリコスクリーニングは、数千～数百万の化合物ライブラリを仮想的に試し、ターゲットタンパク質に最も強く結合する候補を探す手法です。代表的なツールとして AutoDock Vina がありますが、 Smina はその改良版です。 AutoDock Vina は 高速かつ使いやすい ドッキングツールで、スコアリング関数は固定ですが、並列処理により効率的なスクリーニングが可能です。一方、Smina は スコアリング関数を変更できる ため、AutoDock4（AD4）やカスタム関数を用いた評価が可能です。また、Smina では --score_only 機能により、ドッキングせずに 結合エネルギーを計算するだけ の処理ができ、大規模スクリーニングの高速化に適しています。さらに、--autobox_ligand を利用すると、リガンドサイズに基づいて自動的にグリッドボックスを設
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
AWSを学ぶ上でやってよかった勉強法６選（2025年最新版） - log4ketancho
MCP対応したVS CodeでAWS MCPを使う - Qiita
要件定義とソフトウェアアーキテクチャ設計 - TRACERY Lab.（トレラボ）
技術ヒートマップを作ろう🐱🐉🔥 - Qiita
Pingの応答から通信距離を推定してみる(太平洋横断編) - たぶん動く...
EightではRubyへの型導入を進めています - Sansan Tech Blog
【Copilot最新機能】Word・Excel・PowerPointの日常業務はこう変わる、Pythonも超簡単
Azure FunctionsでMCPサーバーを作る！
MCPサーバー作成の公式クイックスタートをやってみた | DevelopersIO
MCP Security Notification: Tool Poisoning Attacks
March 2025 (version 1.99)
Part1 : Azure AI Foundry で MCPを使ってみた【深掘りと最新動向調査】
NVIDIA Finally Adds Native Python Support to CUDA
ChatGPT と外部サービスを接続する GPTs 開発ガイド
AIを利用したサービスにおける構造化データの作成と活用例 - selmertsxの素振り日記
博士課程1年目を終えて：サラリーマンと大学院と平均睡眠時間｜TAKASU Masakazu
AWSのドキュメント検索MCPサーバーが最新ドキュメントを参照できる仕組み | DevelopersIO
Python仮想環境ツール多すぎ！ 一番ベーシックな「venv」から再入門しよう - Qiita
GitHub - scomup/point-cloud-registration
MastraのAIエージェントで記憶機能を試す｜ニケちゃん
現代科学を支える巨大プレプリントサーバー「arXiv」はどのようにして生まれたのか？
[備忘録] Streamlitで作る便利な入力補完機能！ - Qiita
GitHub CEOに聞く―「Project Padawan」の狙いは？ 未来のソフト開発はどう変わるか？ (1/2)
みやさかしんや@Python/AI/DX on X: "SONYが無料で公開しているディープラーニングの入門コース(全14回)がとても分かりやすい✨Deep Learningに取り組むべき理由やDeep Learningとは？から説明があり初心者でも学習しやすい🤗各回10分前後の講義なので無理なく学習できて嬉しい🤗 ・今Deep Learningに取り組むべき理由 ・Deep https://t.co/XZYbOKLqYp"