We launched LangSmith Agent Builder this week as a no-code way to build agents. A key part of Agent Builder is it’s memory system. In this article we cover our rationale for prioritizing a memory system, technical details of how we built it, learnings from building the memory system, what the memory system enables, and discuss future work. What is LangSmith Agent BuilderLangSmith Agent Builder is

Our vision is to evolve GitHub Copilot into an ecosystem of agents that collaborate across the entire development lifecycle from coding and code review to security, debugging, deployment, and maintenance. To unlock the full potential of multi-agent workflows, we need to move beyond isolated interactions—that start from scratch each session—and toward a cumulative knowledge base that grows with eve

https://layerx.connpass.com/event/378972/

NVIDIAは2025年12月15日（現地時間）、AI（人工知能）オープンモデルの新世代となる「Nemotron 3」ファミリーを発表した。複数のAIが協調して複雑なタスクを処理するAIエージェントの開発に最適化されており、通信や推論のコストなど従来のAI活用における課題を解決する。 Nemotron 3は、画期的なMoE（Mixture-of-Experts）アーキテクチャを採用することで、優れた効率性と拡張性を誇る。トークンスループットが前世代品の「Nemotron 2 Nano」と比較して最大4倍となったことで、推論トークン生成を最大60％削減できるため、推論コストを大幅に抑えられる。 また、モデルの内部構造が透明性の高いオープンな仕様となっており、開発者は特定の業務や用途に合わせて柔軟にカスタマイズできる。これにより、企業独自のデータを活用した信頼性の高いAIエージェントの構築を支

はじめに こんにちは、AI-powered Development CoEの時武(@tokichieto)です。 LegalOn Technolgoiesでは先日、OpenAI社のエンジニアをオフィスにお招きし、「Building an AI-Native Engineering Team」と題したセッションを開催しました。本記事では、そのセッションの様子と、そこで語られた「AIネイティブな開発チーム」になるための具体的なプラクティスや気付きについてお届けします。 背景 LegalOn Technolgiesでは、先日の登壇レポートでも触れたように、2025年社内に多くのAIツールを導入、普及させてきました。その結果、多くのエンジニアがAIエージェントを日常的に活用して開発を行うようになりましたが、一方で当初想定したような、AIによる圧倒的な生産性向上の効果は思うように挙げられていない状態

トレンド1：AIエージェントとMCPがエンジニアリングワークフローを再定義 エンジニアリング分野におけるAIの次世代進化は「AIエージェント」です。従来のLLM（大規模言語モデル）は内部知識に基づいた応答しかできませんが、AIエージェントを用いたシステムは追加情報を取得したりタスクを自動化したりするためのツールを実行できます。これらのシステムはユーザーのリクエストに応じて適切なツールを選択し、データをツール用にフォーマットし、結果の後処理も行えます。ファイルの作成や編集、コードの実行、エラーの解決まで可能となり、活用の幅が大きく広がります。 現在、開発者たちはAIエージェントの現実世界への安全な統合に向けて能力を強化しています。現時点で、AIエージェントは限られた数のツールで最も効果を発揮していますが、今後はより多くのツールを選択／活用できるようにする取り組みが進められています。ファイルシ

作ったもの Claude Code の Agent Skills として、Progressive Workflow を公開しました。 どんなもの？ 複数の指示をまとめて渡すと精度が落ちる問題を、1 ステップずつ指示を分けて渡すことで解決する Agent Skills です。 なんでつくったの？ 定型化されたワークフローなど、複数の指示をまとめて投げたとき、以下のような「手抜き」や「精度の低下」を感じたことはありませんか？ 指示したはずの細かい条件を無視してコードを書く レビューの観点が 10 個あるのに、後半の 5 個が明らかに内容が薄い 「全部やった」と言いつつ、実は表面的な修正で終わっている これらは Claude の能力不足ではなく、LLM の「注意力（Attention）」の分散という構造的な問題に起因しています。 長い指示は注意が分散する LLM には、入力が長くなるほど中間に書

The Copilot SDK is now available in technical preview, providing language-specific SDKs for programmatic access to the GitHub Copilot CLI. Available SDKs The Copilot SDK is available in four languages: Node.js / TypeScript: @github/copilot-cli-sdk Python: copilot Go: github.com/github/copilot-cli-sdk-go .NET: GitHub.Copilot.SDK Key features All SDKs provide a consistent API with: Multi-turn conver

Menu. Currently selected: Availability in GitHub Copilot GPT-5.2-Codex is generally available to Copilot Enterprise, Copilot Business, Copilot Pro, and Copilot Pro+. Availability in GitHub Copilot You’ll be able to select the model in the Copilot model picker from any of the following: Visual Studio Code in all modes: chat, ask, edit, agent Copilot Chat in github.com GitHub Mobile (iOS and Android

この記事の構成・執筆には、Google DeepMindのAdvanced Agentic Coding Assistant「Antigravity」を使用しています。 はじめに きっかけは、昨年の年末に妻から言われた一言でした。 「なんかいいファミリーカレンダーアプリないかな？ 有名なやついくつか試したんだけど、どれも痒い所に手が及がないんだよね」 帯に短し襷に長し。既存のアプリでは、我が家の運用に微妙にフィットしない。エンジニアなら誰もが一度は経験する「それなら自分で作った方が早いのでは？」という衝動に駆られる瞬間です。 ただ、年末年始の休みを使ってゼロからコードを書くのは流石に腰が重い……。そこでふと、少し前に登場したGoogle DeepMindの新しいAIアシスタント「Antigravity」の存在を思い出しました。「Agentic（自律的）」なコーディング体験を謳うこのツールを

最近「AIエージェント時代、正直しんどい」という記事を読んでめちゃ共感しました。 そこで下記のようにXでポストしたところ、思った以上に反響がありました。 このポストは これからは 「認知負荷とどう戦うか」のゲームになるだろう という話なのですが、この戦いに使えるTipsを形に残したいと思いこの記事を書き始めました。 例えば、認知負荷が高いものに対してはDivide and Conquer（分割統治） などが有名ですが... この手の問題に対して体系的に深く解説している「プログラマー脳」を使い、元記事で挙げられた6つの問題それぞれに対する処方箋として紹介したいと思います。 この本は 「脳の働きをより深く理解することで、プログラマーとしてのスキルや習慣を向上させる」 というアイデアがコンセプトです。 2年くらい前に日本語訳された本ですが、正直、今が一番この本を主体性を持って読める最高のタイミン

1. 正直、最近コーディングが「作業」になってきた エンジニア4年目になった。 新人の頃は、自分の書いたコードが動くだけで嬉しかった。console.log が出力されるだけで「おお」と思ったし、APIからデータが返ってきた時は本気で感動した。先輩のコードを読んで「なんだこの魔法は」と思いながら、少しずつ自分でも書けるようになっていく。あの頃は毎日が発見だった。 でも最近、その感覚がほとんどない。 いや、できることは明らかに増えた。設計もするし、レビューもする。後輩に教えることもある。一人で機能を丸ごと任されることも増えた。「成長してる」と言われれば、たぶんそうなんだと思う。 ただ、正直に言うと——コーディングが「楽しい」かと聞かれると、すぐに「うん」とは言えなくなった。 毎日やってることは、なんというか「知ってるパターンの組み合わせ」になってきた。このAPIを叩いて、このバリデーションを