Claude Code with Anthropic API compatibility January 16, 2026 Ollama v0.14.0 and later are now compatible with the Anthropic Messages API, making it possible to use tools like Claude Code with open-source models. Run Claude Code with local models on your machine, or connect to cloud models through ollama.com. Using Claude Code with Ollama Claude Code is Anthropic’s agentic coding tool that lives i

デフォルトはlocalです。スコープによって、設定ファイルに書き込まれる場所が変わったり、設定ファイル自体が変わるのがなかなかトリッキーですね（最初ずっと混乱してました）。.mcp.jsonは、プロジェクトで複数人でMCPサーバの設定を使うときに便利かもしれませんね（APIキー設定とかは困りそうですが）。 設定ファイルを直接編集してClaude Codeを起動することでも、MCPサーバを設定することができます。具体的にはプロジェクトのルートディレクトリに.mcp.jsonをおいて、そこでClaude Codeを起動すれば設定が自動で反映されます。 ~/.claude.jsonの場合は、書く場所で影響範囲が変わる形になっています。ただ、~/.claude.jsonはすべてのプロジェクトのMCP以外も含めた設定ファイルが保存された大きいファイルなので、直接編集が難しいです（一回派手にぶっ壊しま

1. はじめに Claude Code は、Anthropic が開発したコマンドライン上で動作する agentic coding ツールです。agentic coding とは、AI が自律的にコードを読み書きし、テストの実行やファイル操作、Git 操作などを組み合わせながら、開発者と協働してソフトウェア開発を進める手法を指します。 Claude Code は意図的に低レベルで設計されており、特定のワークフローを強制せず、開発者が自由にカスタマイズできる柔軟性を提供します。この設計思想により、様々な開発環境やプロジェクトに適応でき、スクリプト化や自動化にも対応できるパワーツールとして機能します。 本記事では、Claude Code の効果的な環境セットアップから始まり、基本的なワークフローの確立、最適化技術、そして高度な自動化やマルチインスタンス運用まで、段階的に実践的なベストプラクティ

この記事は主に人力で作成されました。記事作成に際して以下の作業のみAIで行いました。 ・文章の誤字脱字の検知 ・情報収集（引用リンク先の情報は自分で確認） （2025/7/25更新） Claude Code v1.0.60よりSub agents機能が実装されました。 この記事の実装がより簡単になったと思います。 /agents スラッシュコマンドを実行することで、最新情報を取得するためのSubagentsを作成できます。 Oikonです。外資IT企業でエンジニアをしています。 Claude Codeを趣味の個人開発でも日々使っていますが、Webアプリ開発の際にClaudeがライブラリのバージョンに依存する複雑な問題を解決できないケースが何回かありました。 試行錯誤をした結果、Model Context Protocol (MCP)サーバーをClaude Codeが使えるようにしてあげると

Claude Codeを使いはじめて、いろいろ試してるけど、 なかなかいい感じのコードを書いてくれないな〜と思い、 いろいろ調べてみたときの備忘録(*´ω｀*) えいや、でコード生成してくれるけど、 あとで自分で変更したり、保守したりするときに大変なので、 自分がいいとおもう感じに生成してほしかったりする。。 ドキュメントとサンプルコード大事... 事前準備やガードレール一覧 このあたりを用意しておくと、よさそうな感覚 プロジェクトに関するドキュメント(メモリ/コンテキスト: CLAUDE.md) lint/format/自動テストの設定＆実行コマンド サンプルコード or テンプレートリポジトリ このあたりは任意、あるとより安心・便利 git-secrets Git Hooks(pre-commits) DevContainer Git Worktree ※おまけ ドキュメント大事・カー

株式会社Preferred Networks（本社：東京都、代表取締役 最高経営責任者：西川 徹、以下、PFN）は、PFNグループが日本語を入力・出力言語とするテキスト翻訳機能に特化してフルスクラッチ開発した大規模言語モデル（LLM） PLaMo™翻訳 を、オンプレミス製品として本日企業向けに発売しました。PLaMo翻訳は 専用サイト で無償で試用することができ、年商10億円未満の企業や個人は ダウンロード して商用・非商用問わずオンプレミス環境で無償利用することが可能です。 PLaMo翻訳は、PFNグループがフルスクラッチ開発する国産LLM「 PLaMo 」のモデルの1つとして、特に英文和訳および和文英訳の質と精度が海外のモデルと比較して高くなるよう、両言語を高い比率で含む独自のデータセットで学習を行いました。汎用のLLMはサイズが大きいため多くの場合クラウド利用が前提ですが、PLaMo

最近、話題になっている「Cursor Talk to Figma MCP」というプロジェクトをご存知でしょうか？ テキストベースでFigmaを遠隔操作し、UIプロトタイプを自動生成できるというものです。 ただ、このプロジェクトのデモはCursorエディタを前提としていたため、「普段Cursor使ってないけど、同じようなことってできないの？」と思い、実は、この「MCP protocol（Model Context Protocol）」という仕組み自体がとても柔軟で、いわば「LLM世界のUSB-C」のような存在です。 「MCPとは」に関して、以下から参照できます！ つまり、一度MCPに対応したServerを立てれば、特定のエディタ（たとえばCursor）に依存せず、どんなMCP対応クライアントからでも接続・操作できるというのが最大のポイント。 今回のケースでも、Cursor用に作られたMCP

少し前にOpenAIのA Practical Guide to Building Agentsから生まれた、Big Model vs Big Workflowsの議論を元に、エージェント設計指針を自分なりに再確認するためにまとめた読書メモな記事です。 下記三つの記事を元にしています。 A Practical Guide to Building Agents How to think about agent frameworks In the Matter of OpenAI vs LangGraph ちなみに一つだけ読むとしたら、LangChainの記事が、（時系列的に当たり前ですが）OpenAIのガイドやAnthropicのBuilding effective agentsに言及しながら指摘を行っており、一番主張やスタンス、全体感はわかりやすいです。Anthropicの記事のことは絶賛で

リポジトリはこちらです。今回紹介するコード及び、利用しているライブラリのバージョンの詳細はこちらはご確認ください。 補足 Python 3.13だとsentencepieceがuv add時に依存のエラーが発生したため3.12を使っています READMEサンプル まずはhuggingfaceからREADME_jaのサンプルを動かしてみます。 文書をencode_documentメソッドでベクトルに変換し、クエリをencode_queryメソッドでベクトル（埋め込み）に変換してコサイン類似度を出力するサンプルです。 import torch import torch.nn.functional as F from transformers import AutoModel, AutoTokenizer # 🤗 Huggingface Hubから以下のようにしてモデルをダウンロードできます

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

大阪オフィスの小倉です。 AWSのMCPサーバに、AWS Lambda MCP ServerとAWS Diagram MCP Serverが追加されていました。 今回はLambda MCP Serverを試してみました。 AWS Lambda MCP Server 以下の図によると、MCPクライアントとLambda関数のブリッジとなる、と記載されています。 (https://github.com/awslabs/mcp/blob/main/src/lambda-mcp-server/README.md より引用) それでは、以下のドキュメントに従って試していきます AWS Lambda MCP Server - AWS MCP Servers まず、lambda-mcp-server内のexamplesディレクトリの中に、サンプルとなるLambda関数のコードが格納されているので、AWS

前提 Embedding model に multilingual-E5 を用いる OpenSearch は Docker 環境を用いる OpenSearch の準備 docker-compose 以下の docker-compose.yml を任意のディレクトリに用意する OPENSEARCH_INITIAL_ADMIN_PASSWORD の値に独自のパスワードを指定しておく (user: admin, password: ここで指定したパスワード) でログインすることになる。 version: '3' services: opensearch-node1: # This is also the hostname of the container within the Docker network (i.e. https://opensearch-node1/) image: opens

LayerX バクラク事業部 Enabling チームでスタッフエンジニアをしている izumin5210 です。 Ubie さんの「社内デザインシステムをMCPサーバー化したらUI実装が爆速になった」を拝見し、悔しかった感動したので、自分でも試してみました。 MCP ツール設計 以下に引用する Ubie さんのスライドで解説されているとおりですが、現行モデルでは全コンポーネントのコードやルールを一気に渡してもノイズが多くなりすぎるためか、満足のいく性能は出ませんでした。 これは MCP サーバ化したとしても同様で、Tool 1回の呼び出しで全コンポーネントの詳細情報をすべて返すとやはり情報がぼやけてしまいます。 AI Coding Agent Enablement - エージェントを自走させよう (p.23) これらを踏まえると、以下のような2つのツールに分けて提供するのがよさそうだと判

こんにちは、@TakaakiKakei です。 AIモデルが外部ツールやAPIと連携するためのプロトコルであるMCP (Model Context Protocol) は非常に便利です。しかし、従来の方法では利用時にローカル環境へ認証情報を保存する必要があり、その管理や展開に手間がかかるという課題がありました。 Cloudflareが提供するツールを活用すれば、この課題を解決し、ローカルに認証情報を持つことなくMCPを利用できる環境を構築できます。 Cloudflareによる解決策 Cloudflareは、リモートで動作するMCPサーバーを構築するためのソリューションを提供しています。詳細は以下の公式ブログ記事で解説されています。 https://blog.cloudflare.com/remote-model-context-protocol-servers-mcp/ 従来、MCPは下図

はじめに awslabs の GitHub で awslabs/mcp が公開されました。 この中で AWS Documentation MCP Server が提供されていました。これを使えば、Cursor や Claude Desktop などのMCPクライアントから LLM が AWS の公式ドキュメントを探してきて、その情報を元に回答してくれそうです。実際に試してみた内容を共有します。 A server for accessing AWS documentation and best practices. Search Documentation using the official AWS search API Get content recommendations for AWS documentation pages Convert documentation to mark

こんにちは。 Acroquestのデータサイエンスチーム「YAMALEX」に所属する@shin0higuchiです😊 YAMALEXチームでは、コンペティションへの参加や自社製品開発、技術研究などに日々取り組んでいます。 はじめに 近年、RAG（Retrieval-Augmented Generation）の台頭などを背景に、ベクトル検索の重要性が増しています。 ベクトル検索は、テキストや画像などの高次元データをベクトル空間に埋め込み、類似度に基づいて検索を行う技術です。 これにより、従来のキーワード検索では捉えきれなかった、意味的な類似性に基づいた検索が可能になります。 (RAGでElasticsearchのベクトル検索を利用するやり方については、こちらの記事で紹介していますので是非ご覧ください) acro-engineer.hatenablog.com 一方で、ベクトル検索を扱うため

TL;DR qdrant/mcp-server-qdrantを使えばClaude Desktopからベクトル検索エンジンを操作できるよ ベクトルデータベースなので、LLMとの相性が良いよ 「ここまでのチャットを整理して保存しておいて」ができるのは、すごすぎるよ 1. Qdrantとは Qdrantはベクトル検索エンジンです。テキストをベクトル化して保存し、意味的な類似性に基づいて検索することができます。 通常のキーワード検索と異なり、ベクトル検索では単語の正確な一致ではなく、コンテンツの意味的な類似性に基づいて結果を返します。これにより、「先週のミーティングの決定事項」といった自然言語のクエリで、関連する情報を見つけることができます。 このQdrantとClaudeを連携させることで、ベクトルDBをメモ帳として扱うブルジョワなナレッジマネジメントが実現します。 PostgreSQLやSQL

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

Ask! NIKKEI RAG検索技術の深層という内容で、#nikkei_tech_talk で発表した資料です。 検索システムでは、前処理でのクエリ展開・1stフェイズのハイブリット検索(マルチリンガルモデル + 日経用SPLADEモデル)、2ndフェイズの日経Judgeモデル(LLMの評価スコ…