現在、AI ブームが巻き起こり、プログラミングのやり方も大きく変わってきています。私も AI を活用して仕事を効率化したく、 Cursor や Cline を試してみたことはあるのですが、10年以上使っている Vim (Neovim) を乗り換えられず波に乗り遅れていました。そんな中、「Aider」という AI エージェントを導入してめちゃ感動したので、紹介したいと思います。 初期の感想↓ ⚠️ ご注意 ⚠️ 本記事は Aider の使い勝手の良さを共有するものであり、特定のエディタを貶めたり、宗教戦争を仕掛けるつもりはありません。 Aider はコードやチャット履歴を収集することはないと 表明 していますが、本記事はそれを保証するものではありません。 本記事は個人の見解であり、所属する組織を代表するものではありません。 追記(2025/04/01): Aider は MCP のサポートが
ChatGPT Code Interpreter を利用して、お手軽にデータ分析・可視化 - Taste of Tech Topics
カメラ好き機械学習エンジニアの@yktm31です。 先日、OpenAIから、公式のプラグインとして「Code Interpreter」が発表されました。 「Code Interpreter」は、ChatGPT上でPythonのコードを生成・実行する仕組みを持っています。 これまでも、ChatGPTで、プログラムのソースコードを出力することは可能でしたが、実行まではできませんでした。 「Code Interpreter」は、ChatGPTの有料版で利用することが可能ですが、ユーザーが自然言語で指示や要求を出すだけで、 ChatGPTがその内容を理解し、ソースコードの生成から実行まで行えたり、既存のコードを解釈してその動作を説明したりすることが可能になります。 openai.com 本記事では、この「Code Interpreter」を利用して、CSVファイルを元に、データの可視化を行ってみま
browser-useの基礎理解
はじめに 最近話題になっている browser-use について自己理解のために基本的なところをまとめてみます。 公式リポジトリはこちら browser-use とは？ browser-use は、Python で作られた「AI エージェントがウェブブラウザを操作できるようにする」ためのライブラリです。具体的には、下記のような機能を提供しています。 ビジョン機能や HTML 抽出 ブラウザで読み込んだページの DOM（要素構造）を解析、スクリーンショットやテキスト情報を取得できます。 マルチタブ管理 自動で複数タブを開き、それぞれのタブを並行して操作できます。 カスタムアクション機能 たとえば「特定のファイルを保存」「データベースへ登録」「社内チャットに通知する」など、ユーザー独自のアクションを定義できます。 自己修正機能 操作が失敗したり、要素を見つけられなかったりした場合に、自分で修正
こんにちは！逆瀬川( https://twitter.com/gyakuse )です！ 今日はLangChainの使い方について書いていこうと思います。 ChatGPT API の欠点について LangChainについて書く前に、ChatGPT APIの使いづらい部分をまとめていきたいと思います。 これを考えておくと、なぜLangChainが必要であるかということがわかり、さらに今後どのような機能が搭載されうるか/されるべきかということがわかります。 ChatGPT APIを使う際の難しい部分は一般的に以下のようにまとめられます。 プロンプトの共通化や管理が面倒くさい 最近の事実をベースとした質問-応答が難しい 最大の入出力合計が4096トークン(約3000字)であるため、長い情報を持たせることがしづらい ExcelやCSV、PDF等を直接読み込ませることができない 出力の処理のチェーンの
巣ごもりDXステップ講座情報ナビ （METI/経済産業省）
デジタルトランスフォーメーション（DX）が加速する中、あらゆる企業においてデジタル化の推進は喫緊の課題。デジタルに関するスキルは、すべての社会人にとって必須スキルとなりつつあります。 自宅に居ながら新しい知識やスキルを習得したいが、何をどのように学んだらよいか分からない。 本サイトでは、そうしたこれまでデジタルスキルを学ぶ機会が無かった人にも、新たな学習を始めるきっかけを得ていただけるよう、誰でも、無料で、デジタルスキルを学ぶことのできるオンライン講座を紹介します。 本サイトは、令和４年中に、令和４年3月29日に開設したポータルサイト「マナビDX（デラックス）」へ移行いたします。
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、
AIがコードを補完する。SublimeでもVisualStudio Codeでも 2021.06.12 Updated by Ryo Shimizu on June 12, 2021, 09:20 am JST AIがコード補完してくれる便利なサービスでtabnineというものがある。 これは内部でGPT-2モデルを使い、100万人の開発者による典型的なコードを学習させたAIが、コード補完をするというツールである。 プログラミング言語も、JavaScriptやJava、Python、Go、Rustなど幅広い言語に対応しており、使用できるエディタもプログラマーに人気のSublimeTextやVisualStudio Code、Emacs、Atom、Vimなど一通り網羅している。 無料でも使えるので早速試してみた。 この手のAIモノはまずは試さないことには何もわからない。 単純なFizzBaz
MCPサーバーを作ってみる 松尾研究所テックブログのMCP入門記事で紹介されていた、以下の公式MCP Python SDKが、MCPサーバを作ることができるということで気になったので、実際に作ってみました。 同じようなことをしている先人の記事が沢山あったので、本記事の参考リンクにも掲載します。より詳しい解説などが知りたい人は参照してみてください。 MCPサーバの作成 仮想環境構築 MCPサーバーでは、ホストの環境から分離するために、仮想環境を使うのがベターです（使わなくても作成はできます）。PythonだとuvかDockerが良いと思います。今回は手軽に使用できるuvを使用します。uvのセットアップや基本的な使い方に関しては以下記事を参照してください。 uvでは、以下のコマンドで仮想環境を構築できます。 # server.py from mcp.server.fastmcp import
はじめに 今回はChatGPTを利用した開発におけるアシスタントのやり方とLangChainを活用した実装方法を具体的なアプリ開発を例に解説していきます。 LangChainの実装方法について、Python未経験の自分でもサクッと実装できたので、初心者でも理解できるように解説をしていきます。 この記事で学べること ChatGPTを使って要件定義、設計、開発などをアシストする活用例が分かる アプリ開発においてLangChainの活用方法を学べる 前半でビジネスサイド(いわゆる要件定義、設計)などの解説をし、後半で具体的な開発例を解説する構成になっています。 LangChainにおける開発では具体的に下記の機能を実装します。 【URLを入力】 【URL先のコンテンツを解析】 【解析をしたデータを元に文章を生成】 前提 あくまで活用例を紹介する記事なので、技術的な細かい内容は公式サイトを添付して
皆さん、Open Interprerをご存知でしょうか？あまりの優秀さにChatGPTが出た時と同じか、それ以上のインパクトがあると言われているほど注目されています。 Open Interpreter本当にすごいんです！ なんと、開発者がOpen Interpreterを発表した時のツイートは7,000いいねを超えていて、毎日数百件以上Open Interpreterに関するツイートがされているほど… Today I’m launching Open Interpreter, an open-source Code Interpreter that runs locally. Summarize PDFs, visualize datasets, and control your browser — all from a ChatGPT-like interface in your ter
MCP Python SDK のドキュメント｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・modelcontextprotocol/python-sdk 1. 概要「MCP」を使用すると、アプリケーションは標準化された方法でLLMにコンテキストを提供できます。これにより、コンテキストの提供とLLMとの実際のやり取りを分離できます。「Python SDK」はMCP仕様を完全に実装しており、以下のことが容易になります。 ・任意のMCPサーバに接続できるMCPクライアントの構築 ・リソース、プロンプト、ツールを公開するMCPサーバの作成 ・stdio、SSE、Streamable HTTPなどの標準トランスポートの使用 ・すべてのMCPプロトコルメッセージとライフサイクルイベントの処理 2. インストール2-1. PythonプロジェクトにMCPを追加Pythonプロジェクトの管理には「uv」が推奨されています。 (1) プロジェク
通常、MCPサーバーを利用するにはそのクライアントアプリ（Claude Desktop、Cursor、Mastraなど）が必要です。 先ほどAnthropicから発表された MCP connector を使用すれば、AnthropicのメッセージAPIから直接MCPサーバーに接続できます。 使い方 早速試してみましょう。 今回はサンプルコードとしてPythonを利用します。 まずは必要なパッケージをインストールします。 import os import anthropic import sys def main(): # 環境変数からキーを取得 api_key = os.getenv("ANTHROPIC_API_KEY") if not api_key: raise ValueError("ANTHROPIC_API_KEY環境変数を設定してください。") # Client を初期化 c
XboxでStable Diffusionを動作させる猛者が登場、ONNX利用でPythonへの依存をゼロにしてNVIDIAのCUDA・AMDのROCm・AppleのCoreML・QualcommのQNN・MicrosoftのDirectMLでも動いてWindows・Linux・macOS・Android・iOS・WebAssemblyなど全てOK、ほぼあらゆるアプリケーションへの統合が可能に
Stable Diffusionは文字や画像を元に新たな画像を生成してくれるAIですが、実行環境としてPythonが必要とされてきました。そんな中、ONNXモデルおよびONNX Runtimeの活用とC++での実装でPythonへの依存をなくし、Xbox上で動作させることに成功した猛者が登場しました。 Stable Diffusion running on Xbox Series X and S for the first time - YouTube 左端の大きなアイコンが今回作成された「Unpaint」というアプリ。記事作成時点ではストアには存在せず、インストールするにはユーザーが自分でパッケージに署名する作業が必要になります。Xbox Series XおよびXbox Series Sのどちらでも動作可能とのこと。左の大きな画面にXbox Series Xの出力が表示されています。 起
DX推進のキーテクノロジーであるAI。しかし、AIを使いこなせる人材が不足しているために、AIをうまくビジネスに取り入れられない企業が多くあります。世界有数のデジタル企業がAIを活用してビジネスを成長させているなかで、これからの競争を勝ち抜いていくためには、実践の場で活躍できるAI人材の採用または育成が急務となっています。 ZOZOでさまざまなAIプロジェクトの推進を担い、SaaS型人材育成サービスを手がけるGrowth X社（コラーニングから商号変更）でAI戦略アドバイザーを務める野口竜司が、連載の第1回ではこれからの企業におけるAIの重要性やAI人材が不足している現状について、第2回では自社でAI人材を育成するときに使えるフレームワーク「心技体＋知」についてお伝えしてきました。 ビジネスパーソンに必要なのは「AI企画」のつくり方 AIについて学ぶ研修で、AIのプログラミングでよく使われ
Pythonで作ったCLIツールをGitHubから直接pipでinstallできるようにする方法 - $shibayu36->blog;
chat-hatenablogをpip installでインストール可能にした - $shibayu36->blog; にて、pip installで直接CLIツールをインストールできるようにした。 pip install git+https://github.com/shibayu36/chat-hatenablog.git この時に調べたことをメモしておく。 やったこと setup.pyを配置し、entry_points.console_scriptsにCLIとして動かしたいものを指定するだけ。 import os from setuptools import setup, find_packages here = os.path.abspath(os.path.dirname(__file__)) about = {} with open(os.path.join(here, "ch
こんにちは、たねやつです。 これまでの記事で、LM Studioを使ってローカルLLMとチャットする方法や、モデルの設定について解説してきました。 今回は、LM Studioが持つ非常に強力な機能、「ローカルAPIサーバー」に焦点を当てます。この機能を使いこなせば、自作のプログラムや他のツールとローカルLLMを連携させ、AIを活用した独自のワークフローを構築できます！ 前の記事 この記事でできること ローカルサーバー機能とは？ サーバーの起動と設定 curlでAPIを叩いてみる Pythonから接続する 他のツールとの連携 最後に 次の記事 前の記事 www.taneyats.com この記事でできること LM Studioのローカルサーバー機能が理解できる ローカルAPIを起動し、テストできるようになる PythonプログラムからローカルLLMを呼び出せるようになる 他のツールとの連携の
大規模言語モデルが自身でPythonツールを作成し活用するようにする新フレームワーク「LATM」登場 | AIDB
ホーム LLM, 有料記事, 自然言語処理, 論文 大規模言語モデルが自身でPythonツールを作成し活用するようにする新フレームワーク「LATM」登場 Deep Mind、プリンストン大学、スタンフォード大学の研究者たちが、大規模言語モデル（LLM）が自身でPythonツールを作成し、それを活用するという革新的なフレームワーク「LATM」を提案しました。このフレームワークは、AIの問題解決能力を新たなレベルへと引き上げる可能性を秘めています。この記事では、LATMの概要、そのメリット、そして具体的な使用例について詳しく解説します。 参照論文情報 タイトル：Large Language Models as Tool Makers 著者：Tianle Cai, Xuezhi Wang, Tengyu Ma, Xinyun Chen, Denny Zhou URL：https://arxiv.
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
GitHub - mpoon/gpt-repository-loader: Convert code repos into an LLM prompt-friendly format. Mostly built by GPT-4.
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
FastAPIで始めるMCPサーバー
MCPが話題ですよね。最近でこそいろんな企業がMCPを提供する事例が増えて来ました。 そんな中、TLを眺めていたらFastAPIで構築したアプリケーションをMCPサーバー化させるライブラリを見つけました。 FastAPI-MCPというそのままのネーミングですが、READMEに書いてある内容的には、FastAPIで構築したエンドポイントをMCPに変換してくれるというツールみたいです。 というわけで、今回はFastAPIを使って初めてのMCPサーバーを構築してみます。 なお、MCPサーバーとは何かという話はしません(他の人の解説のほうがわかりやすいと思うので…) 今回のソースコードは以下のGithubのリポジトリに置いてあります。 環境構築 まずは、MCPサーバーの実行環境を構築します。 FastAPI-MCPのREADMEでは、uvというRust製のPythonのパッケージ管理ツールを使って
寺田 学（@terapyon）です。2025年10月の「Python Monthly Topics」は、データ検証ライブラリのPydanticを紹介します。 型安全とデータ構造 主題のPydanticの説明に入る前に、Pythonにおける型安全の考え方とデータ構造についておさらいしておきます。 型安全のための型ヒント Pythonは動的型付け言語です。型を宣言せずにコーディングすることができますが、型ヒントを書くことで型安全にコーディングできます。最近のPythonコードには型ヒントが書かれていることが多くなっているかと思います。 本連載（Python Monthly Topics）でも過去に型ヒント関係のトピックを扱っていますので、参照してください。 2022年9月：Python最新バージョン対応！より良い型ヒントの書き方 2024年11月：Python型ヒントの動向と新しい機能の紹介
画像生成AI「Stable Diffusion」による画像生成や顔面高解像化などをコマンド一発で実行できる「ImaginAIry」
画像生成AI「Stable Diffusion」は文章(プロンプト)を入力するだけで好みの画像を生成してくれますが、ローカル環境でStable Diffusionを使う場合は複雑な初期設定が必要です。オープンソースで開発されているPythonパッケージ「ImaginAIry」なら、Stable Diffusionを用いた画像生成環境をpipで簡単に構築可能で、画像生成以外にもプロンプトによる画像編集や超解像機能も利用できてめちゃくちゃ便利そうなので、その機能をまとめてみました。 GitHub - brycedrennan/imaginAIry: AI imagined images. Pythonic generation of stable diffusion images. https://github.com/brycedrennan/imaginAIry ImaginAIryは「L
エディターでソースコードを提案してくれるAIペアプログラマー「GitHub Copilot」をすべての開発者が10米ドル/月、100米ドル/年で利用できるようになりました。学生や人気のあるオープンソースプロジェクトのメンテナーは無料で利用できます。 GitHubは、ソフトウェア開発者を幸せにできるテクノロジーを開発することを使命の一つと考えています。昨年、GitHub Copilotのテクニカルプレビューを開始して以来、AIが次世代の開発者の助けになる最高のツールの1つであることは明らかになりました。 すでにAIは私たちの日常生活の中で人間をサポートする役割を果たしています。メールやエッセイを書くことを手伝ったり、フォトアルバムを自動生成したり、食料品の注文を手伝うということもしています。しかし、これまでAIはコードの改良にとどまり、ソフトウェアの開発プロセスはほぼ完全に手作業で行われてき
関連キーワード Windows | プログラミング 「Windows」にプログラミング言語「Python」の実行・開発環境をインストールするのは比較的簡単なプロセスだ。数十MBのインストーラーのダウンロードを待つ時間さえ我慢すればよい。以下では具体的なインストール手順と、Pythonプログラミングの初歩を解説する。 Windowsで「Python」を使うための準備とは 併せて読みたいお薦め記事 Pythonを知る なぜ「Java」は“面倒”で「Python」は“危険”なのか 「GILなしPython」は進化か、それとも退化か？ 「Windows 11」にPythonをインストールするには、以下の手順に従う。 Python公式サイトからインストーラーをダウンロードする。 インストーラーを実行し、ライセンス契約に同意する。 Pythonのインタープリタ実行ファイルがあるフォルダパスを、PATH
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
より高速に効率的にFunction callingを実行できる！！OpenAI DevDayで発表されたFunction callingの並列実行について試してみた。 | DevelopersIO
こんちには。 データアナリティクス事業本部 インテグレーション部 機械学習チームの中村です。 今回は前回の記事で書ききれなかった「Function callingの並列化」にフォーカスして試してみます。 機能の概要 Function callingが更新され、1つのメッセージで複数の関数を呼び出すように動作するようになりました。（正確には複数呼び出すようにレスポンス側に指示が来ます） Function calling / Parallel function calling - OpenAI API こちらはgpt-4-1106-previewとgpt-3.5-turbo-1106で使用可能です。 また、Function calling自体の精度も向上され、正しい関数パラメータを返す可能性が高くなっているようです。 上記の公式ガイドでは並列的なFunction callingの例として、例え
Assistants API Overview (Python SDK) | OpenAI Cookbook
The new Assistants API is a stateful evolution of our Chat Completions API meant to simplify the creation of assistant-like experiences, and enable developer access to powerful tools like Code Interpreter and File Search. Chat Completions API vs Assistants API The primitives of the Chat Completions API are Messages, on which you perform a Completion with a Model (gpt-4o, gpt-4o-mini, etc). It is l
Programming—not prompting—LMs¶ DSPy is a declarative framework for building modular AI software. It allows you to iterate fast on structured code, rather than brittle strings, and offers algorithms that compile AI programs into effective prompts and weights for your language models, whether you're building simple classifiers, sophisticated RAG pipelines, or Agent loops. Instead of wrangling prompt
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
Vimmer にお勧めしたい AI エージェント「Aider」
ChatGPT APIの運用で必須のツール: LangChainの使い方まとめ (1) - Qiita
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
AIがコードを補完する。SublimeでもVisualStudio Codeでも
最小限のPython MCPサーバを作ってLLMを騙してみる
ChatGPTとLangChainを活用したアプリ開発
【Open Interpreter】ChatGPTがPCを操る禁忌の活用事例15選 | WEEL
簡単にMCPを実行できるMCP connectorを試す
ビジネスパーソンはPythonよりも「AI企画」を学ぼう--実践で使えるメソッドを伝授
【サーバー編】LM Studioで手元のPCをAIサーバーに！ローカルAPI活用術 - たねやつの木
モノクロ画像をAIでカラー化してくれるPythonツールを試してみた - Qiita
データ検証ライブラリPydanticの紹介 | gihyo.jp
GitHub Copilotを正式リリース。すべての開発者が利用できるようになりました。
Windowsで「Python」を使うための準備と“お役立ちツール”とは？
GitHub - biobootloader/wolverine
DSPy
tonarinoyj.jp
www.asahi.com
www.gadget2ch.com
www.fruitfulenglish.com
jp.reuters.com
jp.reuters.com