はてなブックマーク

前の記事 wllama（Wasm binding for llama.cpp）を使ってローカルLLMを使ったダッシュボードを作った リポジトリ 実装したこと マルチプロンプト Chat — System + User を結合し、ストリーム出力（ask() in Chat.tsx） OpenAI 互換 Function Call — tools 配列 → tool_calls JSON（weatherTool 切替トグル） DL 進捗バー — initProgressCallback で重みロード％を表示（エンジン初期化ブロック） クライアントキャッシュ削除 — IndexedDB & CacheStorage をワンクリックで削除（clearCache()） モード切替 UI — ラジオボタンで Chat / Function を選択（Chat.tsx 冒頭 JSX） 内部構成 実行パス

例によって温もりのある記事を書いていたのですが、やはりLLMに頼んだ方が見やすくてわかりやすい記事になってしまったので以下は自分の書いた記事をもとに生成したものです 温もりのある日本語を見たいという方はこちらから 以下、AI生成記事です。 著者は一応A2A周りはサーバーの実装もクライアントの実装もしているので架空のことは言ってない...と思います o3による評価 A2Aの概要 A2A — A new era of agent interoperability で発表された A2A (Agent‑to‑Agent) プロトコル は、 フレームワークやベンダーの違いを超えてエージェント同士が安全かつ対等に通信できる――という一点に的を絞った オープン仕様 です。 Google を含む複数社が設計した際に掲げた 5 つの原則は、要約すると次のとおりです。 相互運用性 — どの言語・ランタイム・ク

Roo Codeについて ClineのFork 独自機能がたくさん追加されていて使いやすい反面、Promptが長くなっていたりして費用面が高騰する Boomerang Tasksについて ここ読めばだいたいまとまっていますが、要約すると Roo Codeは独自のモードを設定できる その中でBoomerang Tasksモードというのが設定できる 親タスクから子タスクを別セッションで勝手に切ってくれる（これマジすごい） ArchitectやCodeモードに自動で振ってくれていい感じに動いてくれる コンテキスト長を圧迫しないのでタスク単位でうまいことコンテキスト内に収まる ちょっとじゃじゃ馬、制御できたらよりいい感じに 申し訳程度の図解 親 子の一部 何がいいか CursorでもClineでもコンテキスト長が圧迫するので問題がある的な話を自分は繰り返しいっています またClineの局所的なコー

記事の概要 Clineは構造的に「局所的なコード理解」になる CursorとWindsurfとは内部的な実装が違い、できることに差がある デッドコードを把握できないので大規模保守タスクはやめておいた方がいい 逆に新規プロジェクトやコンテキスト内に収まる開発は向いている どうしてもClineを使いたい人のための局所的なコード理解を補うTips 以下AIと書いた記事です。 またClineと書いてありますがRoo Codeとここの部分の実装は揃っている（と調べた）ので Roo Codeと置き換えてもらっても問題ないです。 追記(4/5): Roo Codeはこちらでだいぶこの懸念が対応されています Clineの特徴として、ユーザからのタスク指示に対して必要な情報を段階的に取得するという方針があります。 あらかじめ全プロジェクトを完全にインデックス化するわけではなく、Tree-sitterで各ファ

Cursor/Clineを使う上で重要なこととして、LLMのコンテキストウインドウを意識しないと 1. 逐一指示をして対応するものの「Lost in Middle」現象でうまく指示が通らなくなる 2. 良いパフォーマンスが出せていないのでルールを無秩序に追加する 3. 「Lost in Middle」は解消されるがその結果早い段階でタスクのコンテキストウィンドウをはみ出す 4. Cursor/Clineがループしたり性能が落ちるのを確認する 6. 結果現状のAIの性能、判断に対して幻滅しAIを使うのをやめてしまう というようなことが起こります。 そのためにもコンテキストウィンドウを意識することは非常に大事です。 以前のバイアスに関する記事を読んでいただいた人向け 前回は人間側の問題を提示しました 今回は人間側の問題ではなく、LLM側の問題になるのと ある程度実際に出ている結果からの判断にな

モチベーション（100%人間） CursorやClineなどで.rulesを作成することが増えましたが 明確に何を作成すべきで何をすべきでないかはユーザー側の判断に委ねられていることが多いと感じています。 そこに対してそもそもの「作成することによる心理的バイアス」の有無や 「サービス側のPromptの考慮」の有無などについて明確に述べてみようかなと思いました。 以下AIと作った記事です。 はじめに AIサービスが普及するにつれて、Custom Instructions（カスタム指示）やRulesといった「AIの挙動をカスタマイズする機能」が多くのプラットフォームで提供されるようになりました。一見すると便利に思えるこれらの機能ですが、その実際の効果と、私たちがそれを評価する際の心理的バイアスについては、十分な議論がなされていません。 本記事では、PKM（Policy-Knowledge-Me

生成記事ですが、いい点ついていると思ったのでzennに載せます。 記事中の 5. 自己拡張可能なAIシステム：LLMが自ら新しいMCPサーバーを作成・使用する仕組み は作成済みなので次回記事にします。 しました。 === ソフトウェア開発においてDependency Injection（DI）パターンが革命的だったように、Model Context Protocol（MCP）はLLM（大規模言語モデル）の世界に同様のパラダイムシフトをもたらしています。この記事では、MCPをLLMにとってのDIとして捉え、その意義と可能性について探ります。 従来のDIとは何か Dependency Injectionは、オブジェクト間の依存関係を外部から注入するソフトウェア設計パターンです。これにより： コンポーネント間の結合度が低下する テスト容易性が向上する コードの再利用性と拡張性が高まる コンポーネ

これは何 題名の通り MCPサーバーを手で書くのが面倒なので、MCPサーバーを作ってくれるMCPサーバーを作った 削除、実行もできるのでプロトタイプ作成向け 既存のMCPサーバーの調整にも使える 現状Typescriptのみ対応（pythonも追加予定） nodeではなくdockerで動かしてください 具体例 文字を逆順にするMCPサーバー Githubと連携するMCPサーバー コードを渡してMCPサーバーを動かす例 リポジトリ よかったらスターをつけていってください🙇 PR、issueも歓迎です 3/16 公式のserverlistにmergeされました 使い方 dockerをbuild