はてなブックマーク

はじめに この記事では、AIアシスタント付きのエディタ CursorとGitHub Actionsを組み合わせて、「ZennとQiitaに効率よく・綺麗にアウトプットする方法」を紹介します。 「せっかく学んだのに、記憶に残らない…」 「いつかまとめようと思ってそのまま…」 そんな"もったいない"を解消するには、手間を最小限にしてアウトプットを習慣化する環境がカギです。 CursorとGitHub × Zenn/Qiitaの自動投稿を組み合わせれば、インプット直後の熱量で文章を書き、また公開するにあたって満足いく文章が公開できると思います。 この記事で得られること ✅ Cursorを使って効率的かつ綺麗にアウトプットを残す方法 「学んだことをアウトプットしたいけど、書くのが苦手……」 そんな方におすすめのワークフローです。 なぜCursorを使うのか？ Cursorは、VSCodeにそっくり

非エンジニアの私が技術ブログを書く理由 ヘッドウォータースのグループ会社ヘッドウォータースコンサルティングにて、 コンサル職をやっていますせとうと申します。 普段は業務整理だったり要件定義だったりいわゆるビジネスサイドの上流工程に携わっていますが、やれることは何でもやりたいと思っています。 今日はZenn初投稿として、タイトルのテーマで記事を書きます。 これはきっと多くの日系企業で見られる話だと思うのですが、 「社内エンジニアの言ってることがよくわからないけど、自分はビジネスサイドなので仕方ない。」 「技術のことはエンジニアや委託先に聞けばいい」 「自分も色々インプットはしているけど、まだアウトプットするレベルではない」 そう思われている非エンジニアの方は多い気がします。 私自身も以前はそうでした。 でも、この1年間で50本以上の技術ブログを書いてきた今確信を持って言えるのですが、 ビジネ

Agent2Agent Protocol 2025/04/09にGoogleからAIエージェントの通信プロトコルについて発表がありました。 A2Aプロトコルにより、AIエージェントは相互に通信し、安全に情報を交換し、様々なエンタープライズプラットフォームやアプリケーション上でアクションを調整できるようになります。 これだけ見ると、MCPと競合？と思いましたが、下記のようにも書かれています。 A2Aは、エージェントに役立つツールとコンテキストを提供するAnthropicのModel Context Protocol（MCP）を補完するオープンプロトコルです。 そこで、どう共存するのか調べます。 共存するのか？ まず、A2AのGitHubリポジトリからのリンクで、下記のドキュメントがあります。 エージェントアプリケーションにはA2AとMCPの両方が必要です。ツールにはMCP、エージェントにはA

Model Context ProtocolについてのMicrosoftのブログ ここにMCPのデモアプリがあったので試してみました。 MicrosoftのMCPのデモ Microsoft Copilot プラグイン (MCP) をサポートする Azure OpenAI API に接続する Chainlit ベースのチャット インターフェイス。 まず、READMEにこう書かれていて、ん？MCPってMicrosoft Copilot Pluginの略でModel Context Protocolとは違うものなの？というよくわからない気持ちになりました。 ダブルミーニングなのかなーと思いつつ、Azure Open AI のAPI設定(GPT-4o mini)をして、アプリを起動しました。 一応、requirements.txtにはmcpのライブラリが入っているので、MCP対応していそうです。

寄稿のきっかけ AIエージェント系の業務で、ある程度実戦向けのノウハウがたまってきたので、一度備忘録としてまとめておこうと思い、記事を執筆してみました では早速ご紹介していきます。 プロンプトを書く前に業務の理解を深める 時として、数十ページにもわたる複雑な業務フロー図が含まれたマニュアル資料を元に、AIエージェントに代替遂行させたいという要望を受けることがあります。 しかし、そのプロンプトを書く前に一旦立ち止まって考えてみてください。 AIエージェントにも出来ないこと・任せられないことがたくさんあります。闇雲にAIエージェントに業務を全て任せるのではなく、業務を理解し、分解してみてどの部分がリスクなく任せられるのかを検討しましょう。 業務が理解できれば、いくつかの作業はまとめられたり、不要であることに気づいたりでき、結果としてAIエージェントに与える指示（プロンプト）の整理整頓につながり

はじめに みなさん、Dataverse使っていますか？ 私は使っていません！ ただ、たまに開発することがあり、そこで盛大に引っ掛かったので共有します。 Dataverseとは Dataverseは、Microsoft Power Platform上で利用できるデータ管理基盤の一つです。 Power Apps、Power Automate、Power BIなどから容易にアクセスできるため、Power Appsをメインで使用する場合はこちらを使うことになるかと思います。 外部からAPIでアクセスすることもでき、結構便利に使う事が出来ます。 （Entra IDなどでアプリ登録する必要があったりしますが） エンティティセットとは Dataverseではテーブルでデータを管理しますが、テーブルに対しAPIでアクセスする際は「エンティティセット名」を使用してアクセスします。 「エンティティセット名」は

いつの間にか、VSCode extensionを入れるだけで環境構築ができるようになっていました！ 特にWindowsについては No dependencies needed とあり、本当にこのextensionのみで環境構築が可能です。（手元のWindows環境でも確認できました！） Linuxについては、以下の依存を事前インストールする必要があります。 環境構築後はGUIをポチポチするだけでプロジェクトを作成できました。 プロジェクト内の.vcodeフォルダにlaunch.jsonなどの設定用ファイルも入っており、F5デバッグもそのままできました。 具体的な流れは公式ドキュメントをご覧ください。 さて、 Raspberry Pi PicoがPoCで最も使い勝手の良いマイコンになったと言えるのではないでしょうか？ 価格・環境構築難易度・ペリフェラルの充実度など。 難点を挙げるならピンヘッ

PyMuPDF4LLMは、LLMやRAG環境で必要な形式でPDFコンテンツを簡単に抽出することを目的としています。 LlamaIndex文書出力だけでなく、Markdown抽出もサポートしています。 ということで、名前の通りPDF処理ライブラリとして知られるpymupdfにLLMのための出力機能を持たせたライブラリになっています。 使い方は非常にシンプルでAPIドキュメントは、マークダウン変換を行うto_markdown関数とLlamaIndex文書処理のためのLlamaMarkdownReaderクラス(load_dataしかクラス関数がない)しかありません。（なので解説記事を出すまでもない気もしますが日本語ドキュメントはないので……） 従来のPDF処理ライブラリの弱点を完全に克服しているとは言えないものの使いやすさの点で素晴らしいライブラリだと感じました。 依存ライブラリインストール

Cursorとは GitHub Copilotのように、AIがプログラミングをサポートしてくれるエディターです。 機能としはコード補完やAIチャット、自動デバッグやエラーチェックがあります。 VS Codeをベースに開発されたので、エディタのUIもVS Codeに瓜二つです。 ですので今までずっとVS Codeを使っていたエンジニアもすぐ使いこなせます。 料金 無料で使うことができますが、GPT-3.5へのリクエストは毎月200回・GPT-4には50回しか使えないようです。 業務で利用する場合は月額40ドルのビジネスプランがあるので、そちらを利用します。 もしくはAzure OpenAI Serviceのリソースを設定することでCursorにはお金を払わずに利用することもできます。 ※ただ、コード生成となると毎回の出力トークンが多くなりがちなので料金には注意。 導入 以下のサイトからダウン

必要なデバイス Jetson Orin Nano Developer Kit 8GB Ubuntu 20.04 がインストールされているPC NVMe SSD 0. 前準備 https://www.jetson-ai-lab.com/tutorial_text-generation.html を読むと preferably with NVMe SSD とのことなので、SDK Manager を使用して、NVMe SSD に OS をインストールする JetPack 6.x の最新版は JetPack 6.0 Developer Preview で、まだ不安定なので、 JetPack 5.1.3 をインストールするものとする JetPack 5.x をインストールするには Ubuntu 20.04 が必要なので、事前に用意しておくこと ※Ubuntu 22.04 だと JetPack 6.x

はじめに Ubuntu の実機PCが追加で1台欲しかったため、AmazonでミニPCを購入した 3万800円の8000円引きなので、つまり2万2800円 RAM 16GB, SSD 500GB, Intel N100 でこれは破格の値段である 起動してみると、Windows11 Pro がプリインストールされていた (Amazon の製品ページには OS, Linux と記載されていたので、Windows が入っていてびっくりした) 一見、正常にライセンス認証されているように見えるが Linux 使いになりたい人向けの Intel N100 ミニ PC で構築する開発環境（１） - 構築する開発環境について の注意喚起の記載の通りにライセンスを確認してみると、以下のように出力された この VOLUME_MAK_channel ライセンスが市販のPCに入っているのがどういうことかというと あ

はじめに この記事では全文検索・セマンティック検索・ベクトル検索・ハイブリッド検索の違いについて解説しています。 弊社のプロジェクトの中で、GPTを活用した社内文書検索などのナレッジが溜まっています。社内の会話で「全文検索が…」とか「セマンティックだと全文検索より…」などいろんな検索手段の名前が飛び交っていて、正直細かく違いやメリデメがわかっていませんでした。 名前からして検索の流れはざっくり分かるものの、この際しっかり言語化できるようになりたくて執筆しています。 ちなみにどの検索方法もAzure AI Searchでは対応しています。GPTとの親和性が高いので、このあたりの概要を理解していることは重要だと考えます。 それでは、それぞれの検索方法について、比較検討を行いましょう！ 全文検索 全文検索とは、ドキュメントやDB内のすべての文書から検索キーワードが含まれる部分を探す方法です。例え

目的 アプリケーションが通信に失敗した際のテストを行いたい 例. 「通信に失敗した場合に再取得ボタンが表示されること」など 方法1. Chrome DevTools を使う https://developer.chrome.com/docs/devtools/network/reference?hl=ja#throttling 任意の設定を追加して使用することができる メリット PCとモバイルデバイスの両方で使用可能 新規にアプリケーションをインストールする必要が無い デメリット パケロス率などを設定できない Android, iOS のネイティブアプリでは使用できない 方法2. Network Link Conditioner を使用する Network Link Conditioner は Apple が提供しているネットワークユーティリティツール 使用手順等は以下のサイトが分かりやす