はてなブックマーク

概要 利用可能なAPIの詳細は README に記載されているので割愛。 サーバーは5つのツールを公開しています。 get_land_price_point_by_location — 地価公示・地価調査の専用ツール get_urban_planning — 都市計画区域・区域区分の専用ツール get_zoning_district — 用途地域の専用ツール get_multi_api — 複数APIを統合的に呼び出すツール（全25種対応） plateau_space_id — PLATEAU空間ID計算ツール 事前準備 1. API利用申請 不動産情報ライブラリの API を利用するには、事前に利用申請が必要です。 申請が受理された場合、後日メールで API キーが届きます。 不動産情報ライブラリでは、ブラウザ上で地図を操作しながらデータを閲覧できます。 まずは不動産情報ライブラリの地図

はじめに 最近、他チームのエンジニアが「Playwright で書いた E2E テストを OWASP ZAP に通して脆弱性診断をやってみた」という話を聞きました。 「E2E のシナリオってそのまま脆弱性診断にも使えるの？」 気になったので自分でも試してみました。その記録です。 やったこと（全体像） シンプルな Todo アプリを題材に、以下の流れで試しました。 1. Next.js で Todo アプリを構築 2. Playwright で E2E テスト（12シナリオ）を作成 3. バックエンドを FastAPI + MySQL に変更（Docker） 4. E2E シナリオを ZAP プロキシ経由で実行 → 脆弱性診断

はじめに こんにちは、しもちです。半年前にモバイルアプリエンジニアとして入社しましたが、最近はフルスタックで開発に携わっています。 現在、新しいWebサービスの開発に参加しています（リリース前のためサービス名は伏せます）。マイクロサービスアーキテクチャで構築を進める中で、技術選定について考えさせられることがあったので、その話をします。 最初は技術スタックを統一しようという方針で開発をスタートしました。しかし、リリース予定の3週間前というタイミングでバックエンドの技術スタックを入れ替えるという判断をしました。結果的にはうまくいったので、その過程で得た学びを書いてみます。 最初の技術選定：揃える戦略 開発当初、チームで議論した結果、技術スタックを統一する方針になりました。 フロントエンド: Nuxt + Amplify バックエンド: Lambda（Python）+ GraphQL（AppSy

はじめに tokadev です。 国土交通省が提供するオープンデータプラットフォームには、インフラ施設、PLATEAU（3D 都市モデル）、交通、地理・測量、気象・災害など、非常に多様なデータが公開されています。 これらのデータは GraphQL API でアクセスできるのですが、API 仕様を調べてクエリを書いて...という作業は少し手間がかかります。 と思っていたら公式の MCP が公開されました。 本記事では、実際に札幌市のデータを取得しながら、hands-on 形式で MCP サーバーの使い方を紹介します。 MCP サーバーとは MCP（Model Context Protocol）は、LLM と外部サービスを接続するためのプロトコルです。 従来の方法では API 仕様を調べる GraphQL クエリを書く レスポンスをパースする という手順が必要でしたが、MCP 経由であれば、自

先日、社内のエンジニアとの雑談で「hosoyさんはClaude Codeを使うときにどんなプロンプト書いてますか？DDLとか渡してますか？」と聞かれました。AIエージェントを活用するための記事はたくさんありますが、やはり気になるのは、「実際みんなどんな感じでAIエージェントに指示を出してタスクを進めてるんだろう？？コンテキストとかプロンプトが大事なのは分かってるけど、具体例を見せてほしい！」っていうところです。 なので、私自身はAIエージェントの基本中の基本の機能しか利用していないですが、実際のタスクに対してどのようにAIエージェントに指示を出して作業を進めているかを恥ずかしながら公開してみようと思います（実際のタスク内容そのものではなく、多少のフェイクは混ぜています）。 タスク内容 情報選択画面の選択内容に解除、発表と表示されているが、大雨警報解除、大雨注意報発表と表示したい。 前提 使

tokadev です。ジオコーディングに触れる機会があったので、現在のジオコーディングの選択肢と試したことの雑感についてメモ代わりに残しておきます。 ジオコーディング ジオコーディングは住所や地名などのテキスト形式の地理的情報を、緯度・経度といった数値座標に変換する技術です。現代のWebアプリケーションやモバイルアプリケーションにおいて、地図サービス、配送システム、位置ベースサービス（LBS）などで広く活用されている基盤技術の一つです。 気象データなどと照らし合わせる際、影響するエリアに特定の拠点が含まれるかを判定する必要がありますが、拠点の座標を把握しているケースは少ないため住所から緯度経度に変換したい場合に用います。 ジオコーディングAPI 今回は国内の利用を主とするため、次の4つのAPI・サービスを比較検証します。 GoogleMapsPlatform - Geocoding API

はじめに 現在 Claude Code は検証用として個人で Pro プランを契約して使っています。 7月から新しいチームに join してというのもあり既存のコードの分析に大活躍しています。 でも Pro プランだと結構簡単に limit にかかってしまって以下のようなメッセージが出てしまいます・・・。 まぁ Pro プランなんで制限にかかるのはしょうがないですがあとどれくらい使えるのか現在の使用量を確認したくなりました。 で、 perplexity で調べたところ ccusage と Claude Code Usage Monitor というツールが出てきたので今回はこの２つのツールを試してみようと思います。 ccusageコマンドラインツール（CLI） ccusageは、~/.claude/projects/以下のログファイルから、現在または日別・月別・セッション別などのトークン使用

Cursorで何をしているか・使ってみて開発効率が上がったのか、社内で少し話す機会があったので振り返ってみました。 私がCursorを使い始めたのが今年の4月頃からなので、使用2ヶ月ほどの振り返りです。 ちゃんとCursorのAI機能使ってた？ まずそもそもCursorのAI機能を使ってたのか、ただのVSCodeとして使ってたのか確認しました。 ちゃんとAI機能つかってました。チャット機能はほぼエージェント機能を使ってます。 使用言語はプロジェクトで使用している全ての言語がリストアップされていたので、フロント・バックエンド問わずCursorを活用していたみたいです。 Cursorのエージェント機能で何をしていた? エラーの原因特定とコード修正 まちがいなく、これがトップだと思います。 ビルドエラー Sentryでキャッチしたエラー（不具合、バグ） 開発中の機能において、期待と異なる動作をし

はじめに 普段使いはWindowsでもMacでもスマホ、タブレットでもChrome一択なのですが、 音声読み上げ機能に関してはMicrosoft Edgeが良い感じなので紹介したいと思います。 ついでに、他のブラウザの音声読み上げ機能との比較もご紹介します。 日々の情報収集において視覚的に読むだけではなく、音声で聴くという選択肢があると、作業しながらでも情報を取り入れられるので効率的です。 Microsoft Edgeの音声読み上げ機能とは Microsoft Edgeには、WebページやPDFファイル、電子書籍などのテキストを自動で音声に変換して読み上げる「音声読み上げ」機能（TTS: Text To Speech）が標準搭載されています。 特に新機能という訳ではなく、2016年からEdgeに搭載されています。 その後、2019年にクラウドベースの音声読み上げ機能が追加され、より自然な音

はじめに GitHub Copilotは、AIを活用したコード補完ツールとして多くの開発者に利用されています。最近では、コードレビュー機能も追加され、プルリクエストのレビューを自動化することが可能になりました。 レスキューナウでも最近利用できるようになったので活用しています！ しかし、デフォルトでは英語でのレビューとなっており、日本語でレビューしてもらいたい場合にはちょっとした設定が必要だったので試した内容をメモしておきます 📝 GitHub Copilotのコードレビュー機能とは GitHub Copilotのコードレビュー機能は、プルリクエストに対してAIが自動的にレビューを行い、フィードバックを提供するものです。これにより、コードの品質向上やレビュー作業の効率化が期待できます。 日本語でレビューを受けるための設定方法 実際に確実に指摘が入りそうなコードを用意して試してみます。 やり

はじめに 先日、VS CodeのGitHub Copilot Chatにもエージェントモードが搭載されましたが、質問モードが役立つ場面も引き続きあるかと思います。この質問モードの精度を高めるには、適切な「コンテキスト」をCopilotに伝えることが重要になります。 この記事では、GitHub Copilot Chatに標準で備わっているコンテキスト機能に焦点を当て、質問時に役立つコンテキストの種類と簡単な使い方を紹介します。 ここで紹介するコンテキストの多くはエージェントモードでも利用可能と思いますが、本記事では質問モードでの利用を主眼としています。 動作環境 Windows 11 VS Code 1.99.0 GitHub Copilot 1.296.0 GitHub Copilot Chat 0.26.0 コンテキストの追加方法 3種類あるコンテキストの追加方法を紹介します。 選択画面

はじめに Mermaidはテキストを図表に変換できるツールです。 GithubやNotion、Zennにも対応しており、テキストの修正に動的に対応して図表に反映してくれます。 今回は業務で使用させていただく機会がありましたので、Mermaidで設計時によく利用しそうな機能に絞ってまとめてみました！ 対応する図表 連携しているシステム 準備 Mermaidはライブエディタを通じて手軽に試すことができます。 また、VisualStudioCodeでは下記の拡張機能をインストールすることで利用可能です。 フローチャート 基本形 フローチャートでは初めに向きを設定し、各ノードの関連を記載します。

Claude 3.5のSonnetは、これまでのClaude3の上位モデルであるOpusよりも高い性能を持ち、 AIの性能を評価する複数のベンチマークにおいてChat GPT-4oを超えています。 Claude 3.5 Sonnetのベンチマーク結果 GPQAやMMLUなどは、AIの性能評価を行うために用いているベンチマークです。 Graduate level reasoning（大学院レベルの推論） GPQA（Graduate Level Expert Reasoning）： 大学院レベルの専門的な知識と論理的思考を必要とする質問で評価するベンチマーク Undergraduate level knowledge（学部レベルの知識） MMLU(Massive Multi-task Language Understanding)： 大規模マルチタスク言語理解(Massive Multi-ta

はじめに ローカルにあるファイルを呼び出す方法として、go言語を使用して プロジェクト配下にあるファイルであればファイルパスを指定してosなどを使用して読み込むことができますが go buildコマンドでビルドした場合には.goファイル以外はビルドの対象にならないため ビルドしたファイルを実行しても、読み込み対象のファイルが存在しないためエラーが発生してしまいます。 go:embedとは go 1.16から追加されたpackageで 外部ファイルをプログラムの中に埋め込むための機能です。 これにより、プログラムと一緒に配布される必要のある設定ファイルやリソースファイルを、実行バイナリとしてパッケージングすることができます。 プログラム内で指定した、.goファイル以外を実行ファイルに組み込むことができるようになるので、デプロイや配布が容易になります。 ファイルを読み込むのではなく、ビルド時に

JMeterとは JMeterはApacheソフトウェア財団が開発・提供しているオープンソースの負荷試験ツールです。JMeterはJavaで開発されており、WebアプリケーションやWebサービス、データベース、FTPサーバーなどのさまざまなシステムやプロトコルのパフォーマンスをテストするために使用されます。 AWSのDLT（Distributed Load Testing） DLTはAWSが提供する負荷テストのサービスです。名前が長いので勝手にDLTと略して呼んでいます。AWSのクラウドインフラストラクチャを利用して、複数の仮想ユーザーが同時にアプリケーションやシステムにアクセスする負荷をかけることができます。 構築は非常に簡単で、上記にアクセスしAWSアカウントを持っている人が以下のボタンをクリックすると、「管理者名」「メールアドレス」を入力する必要があるくらいで、デフォルトのまま進めて

はじめに 現在、開発を進めているプロダクトの負荷テストをすることになり、簡単にできる方法がないか探していたところ、「k6」というツールを使って手軽に負荷テストをすることができたので紹介します。 k6とは k6は、オープンソースの負荷テストツールで、JavaScriptにテストシナリオを記述して負荷テストを実施することができます。 負荷テストはローカルマシンから実行します。 またクラウド上から負荷テストを実行できるk6クラウドというSaaS型のサービスもあります。 オープンソース版とクラウド版の比較はこちら k6のインストール k6は、installationに各OSごとのインストール方法が記載されており、簡単にインストールできます。 macOSの場合はHomebrewを使ってインストールします。

はじめに OpenAIを使ったことがある方ならEmbeddingsという言葉は聞いたことがあると思います。ただ、具体的にこれがなんなのかと聞かれると正直僕はよく分かっていませんでした。 なんとなくモデルにたいして調教するイメージはあるけれど、具体的にどうするのか。また、別でよく聞くFine-tuningとはどう違うのか。 今回はこの辺りの理解を深めるためにOpenAIが用意している「Question answering using embeddings」をやってみました。 このドキュメントはOpenAIが用意しているもので、Cookbookとして他にもたくさんのexampleが用意されています。 今回の内容は素のGPTでは答えられない質問である、 「2022年の冬季オリンピックでカーリングの金メダルを獲得したアスリートは誰ですか？」という問いにGPTが答えられる様にするものです。 ※まだ理

こんにちは。 AWSで環境を構築していると、異なるアカウント、違うリージョン間のVPCでインターネットを通さずに通信を行いたい場面が出てくると思います。その時に簡単に設定できるVPCピアリング接続について解説したいと思います。 VPCピアリング接続とは VPC ピアリング接続は、2 つの VPC 間でプライベートなトラフィックのルーティングを可能にするネットワーキング接続です。どちらの VPC のインスタンスも、同じネットワーク内に存在しているかのように、相互に通信できます。VPC ピアリング接続は、自分の VPC 間、別の AWS アカウントの VPC との間、または別の AWS リージョンの VPC との間に作成できます。 上記はAWSドキュメントからの引用となりますが、 同じルートアカウントのVPC間 異なるルートのアカウントのVPC間 異なるリージョンのVPC間 で接続できます。

月1,500件以下のBot投稿であればFreeプラン、それ以上の投稿やツイートの分析等を行う場合は、Basicプラン以上を利用する必要がありそうです。 Developer Accountの登録 Twitter APIを利用する為には、developerサイトでDeveloper Accountを登録する必要があります。 Freeプランの場合は「Sign up for Free Account」を選択します。 TwitterのデータとAPIの使用例を250文字以上で説明します。 アプリの設定 ダッシュボードにデフォルトのアプリが１つ登録されています。今回はそのまま使用します。 アプリを開いて、User authentication settingsを編集します。 アプリの権限が「Read」のみになっているので、「Read and Write」に変更します。 Callback URIとWebs

はじめに コードスタイルを整えるためにprettierをよく使ってはいたのですが、 雰囲氣で使っていたところもあったので、設定できるオプションについてまとめてみました。 使用バージョン：prettier 2.7.1 動作確認はVSCodeにて行なっています。 Vueでの実装について確認していますので、JSX関係はほぼ公式の内容となっています。 さらに詳細を知りたい場合は公式サイトをご確認ください。 Prettier オプション 個人的おすすめ設定 以上！ 折り返しの幅だけは、ちょっと広めにしたいです。 他のオプションについては、調べてみると意外とデフォルトの設定であることが多く、 設定上記載しなくても私的には十分なものでした。 バージョンアップによって、デフォルト値が変わるものもあったりするので、明示的に定義しておくのも良いかと思います。 別な切り口として、チーム開発においては、スキルセッ

１．はじめに RDBでの階層構造の関係を持つデータを扱う上で、 効率的なデータの持ち方や抽出方法について検証を行っています。 結論から先に 階層構造を扱う方法として下記の種類があります。 隣接リスト 経路列挙 入れ子集合 閉包テーブル 再帰クエリ（WITH RECURSIVE）を使うと階層データを扱う上でのパフォーマンスが得られます。 検索性、更新量、データ量など加味すると隣接リストで再帰クエリを用いるのがよさそう。 ２．階層構造を持つデータの概要 階層構造を持つデータとは 複数の要素（データ）が親子関係で結びついている構造を持つデータ 1つの要素が複数の要素の親になることができ、 また、1つの要素が複数の子要素を持つこともあります。 ある要素を親として、細分化された子要素であったり、 類似する要素を抽象化したものを親要素とするようなデータ。 階層構造を持つデータの例 組織における事業部、

背景 最近PoCをなるべく早く作る方法を考えています。 極端な話、リリース時には作り直したとしても、素早くPoCできた方が良いのではないかと思っています。 PoCでざくざく作る時にどうしてもAPIを用意するのが手間に感じてしまいます。 そんな時にHasuraを教えてもらいました。 ロゴアイコンがかわいい。 ※GraphQL自体触るのが初めてなので、他のGraphQL環境と比べてどうかは分からないです。 Hasuraとは ざっくり言うと、Postgresをデータベースとして、GraphQLサーバを簡単に建てられるものです。 ほんとに数分で環境作れてしまって驚きました。 PoC開発で辛いことの一つにAPI開発があります。 システムの作り方として、ちゃんと境界を分離して作ることはメンテナビリティを高める方法としてとても有用です。ただし、PoCの様に素早く作りたい時には、CRUDのAPIを量産する

背景 これまでmacOS環境（Apple Silicon）で開発していましたが、 どうしてもプロセッサアーキテクチャの関係でdocker buildに失敗することが多かったため、 iOSアプリ開発以外は自宅マシン（Ubutuntu amd64）でビルドするようになりました。 それもVSCodeが Remote Developmentに対応したおかげです。 今では好きなようにWebフロント・バックエンドAPI・Notebookで試す。ことができるようになりました。 ほぼ自宅で仕事をしているので普段は直接自宅サーバーにsshすればいいのですが、 たまーにコメダのモーニングを食べながら色々試したい時に接続できないのは不便です🙃 今回は 踏み台サーバーを用いることで、あたかも自宅サーバーで開発しているかのような環境構築を実現しました。 前提条件は、 手元のマシンはMacBook Air(M1)

はじめに Go言語のフレームワークであるEchoを用いてAPIサーバーを開発することになり、OpenAPIからEchoのコードを自動生成するツールを試してみたので、まとめてみました。 今回はOpenAPI Generatorとoapi-codegenの2つのコードジェネレーターツールを試しました。 下準備 まずはOpenAPI定義のyamlファイルを用意します。 サンプルが用意されていたのでそのまま使うことにしました。 APIの定義はこんな感じです。 https://github.com/OAI/OpenAPI-Specification/blob/main/examples/v3.0/petstore.yaml OpenAPI Generator まずはOpenAPI Generatorを試してみます。 インストール Macの場合

はじめに 以前に、マイクロサービスアーキテクチャにゼロから挑んだ開発経験から、私が現時点で考えるマイクロサービスアーキテクチャを書いてみる。前回はAWSで構築したがAWSに限定せず汎用的に表現してみたいと思う。 前提 例として、社員の勤怠と有給の管理ができるようなwebのSaaSプロダクトを考える。 ここでいうプロダクトとは商品として販売できる最小の単位とする。 境界づけ まずは、プロダクトを5つの機能に分類する。 認証・・・認証を行うIdP。ユーザー固有のIDを管理するユーザーディレクティブを持つ。 ユーザー・・・認証されたユーザーと権限の紐付きを持つ。 権限・・・ロールとポリシーによる権限を設定する。「ユーザー」「権限」「勤怠」「有給」というサービスそれぞれに個別の設定ができる。 勤怠・・・勤務の開始と終了を管理できる。 有給・・・有給の付与、消化、残日数の管理ができる。 パターン1：

はじめに Google Apps Script（GAS）をGit管理できると知って調べたところ、Google Apps Script Githubアシスタントとclaspという2ツールが有名なようだったので、それぞれ試した感想や遭遇したハプニングなどをまとめてみました。 この記事が参考になるかもしれない人 これからGASをGit管理しようと思っている人 試したツール 各ツールの説明や導入方法は割愛します。 Google Apps Script GitHubアシスタント clasp Google Apps Script Githubアシスタント Chrome拡張なので導入は一瞬、Github連携もすんなりOKでした。使い方は簡単で、GASエディタ上でリモートリポジトリを選んでブランチを指定してPush,Pullするだけです。GASエディタ上で操作が行えるのは手軽で良さそうです。 ここで、Gi