はじめに メリークリスマス🎅 2024年も残りわずかということで、最後にネタ記事を投稿して年を納めたいと思います。 突然ですが、いつも使う開発環境こだわっていますか？ 自分は、一部の人たちにはVimを布教する熱心な信徒だと思われていますが、ただ布教するだけではその人にとって実用的ではありません。 個人的な観測に基づきますが、意外にもVimmerじゃない開発者は結構こだわりが薄かったり、エディタのテーマを変える程度だったりするので、今回は多くの人が使っているであろうCursorとVSCodeを対象とした実用的なカスタマイズ方法をご紹介します。 ただのカスタマイズ方法ではありません。ナウなヤングにバカウケするイケイケ設定です。 お断り

はじめに 株式会社neoAIの研究開発組織 (neoAI Research) / 東京大学の大槻真輝です。 最近LLMの推論能力の向上によりAI Agentがトレンドになりつつあります。また、MicrosoftやAmazonなどのビッグテックもAI Agentをテーマに様々なプロダクトやサービスを展開し始めています。 そこで今回は2024年4月にIBMとMicrosoftが出したAgentに関するサーベイ論文「The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey」 を軸にGoogle、AWS、Microsoft、OpenAI、AnthropicのAgentに関する動向や立ち位置を整理したいと思います。 論文概要 エージェントとは？ 2023年の

はじめに この記事では、LangGraphとFirecrawlを使用して、企業のWebサイトから特定の情報を抽出するWebスクレインピングエージェントを構築する方法を紹介します。具体的には、企業のホームページから社長の名前を取得する方法を解説します。 参考にさせていただいた動画 この動画では特定のキーワードをホームページから取得していますが、今回は正規表現では取得できないより抽象的な情報を取得することに挑戦しました。 使用技術 LangGraph LangGraphは、AIエージェントを作るためのツールで、複雑な処理をいい感じに管理してくれる便利なフレームワークです。状態遷移グラフを使って、どの処理をどの順番でやるかを分かりやすく設計できます。 特徴: 処理の流れを図にして確認できる（Mermaid図対応） 条件分岐や並列処理ができて柔軟 タスクの状態を一括管理 本プロジェクトでの役割:

はじめに 2024年のAI界隈では「RAG」が一巡し、その可能性と限界が明確になってきました。最も顕著な点は「RAGは魔法の杖ではない」という認識の広がりではないでしょうか？ RAGは確かに、既存の文書やデータを活用したAIの応答精度向上に貢献してきました。しかし、単純な質問応答を超えた複雑なタスクの実行や、動的な状況への適応には限界があることも明らかになっています。この限界を超えるための次のステップとして注目を集めているのが「AIエージェント」です。 OpenAIのCEOであるサム・アルトマンが「次のブレークスルーはエージェントだ」と発言していたり Anthropic社員がこのようなスピーチをしたりしています。 AIエージェントとは AIエージェントは、特定のタスクや目的のために設計された自律的なAIシステムです。たとえば、会議の参加者の予定を自動で調整して最適な時間を設定するAIアシス

概要 開発者向けの AI ツールは数多くありますが、その中で「Cody」は 無名ながらも知る人ぞ知る優れたプロダクトです。私が普段いるAI技術者コミュニティでは密かに絶大な支持を集めていますが、SNSなどでの一般的な知名度はほとんどないため、ここで紹介します。 Cody は無料プランが圧倒的に強い他、課金プランも、GitHub Copilot、Cursor、ChatGPT と比較して使いやすさと機能性で大きく抜きん出ています。私はすでに半年課金愛用していて、おそらく来年も愛用するでしょう。 Cody とはなんぞや Cody くんは、VSCode や、JetBrains IDEs、Neovim、Eclipseなどのコードエディタの拡張機能として使えるコーディング補助 AI ツールです。 他の生成 AI コードツールと同様に、AI コード補完とAIチャットがあります。 なぜ Cody がおスス

Chrome DevTools: State of the Union 2024 - Debugging React & Beyond

はじめに GitHub Copilot for Businessの概要 Neovimへの導入方法 外部のコンテキスト情報を考慮したチャット 最後に こんにちは。バクラク事業部・機械学習エンジニアの上川です。 最近、推しのK-POPグループであるNewJeansがとんでもないことになっていて、一刻も早く元気になってほしいです...頑張れ...！ LayerX Tech Advent Calendar 2024の24日目の記事になります。 tech.layerx.co.jp この記事では、LayerXで導入されているGitHub Copilot for Businessを有効活用し、NeovimをAIエディタとして利用する方法を紹介したいと思います。 はじめに CursorのようなAIエディタの登場により、「タブを押すだけ」と揶揄されるほど、コーディングの体験は劇的に変化しつつあります。 AI

本記事では、現在流行している「RAG」技術について、2024年トレンドの振り返りと、2025年の予想をします。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 2024年は、RAGが大流行した年でした。この記事では、2024年の技術トレンドを振り返りつつ、2025年のRAGの進展を予想したいと思います。技術的トレンドはもちろん、普段、企業向けにRAGを提供している会社としての、僕の肌感覚も合わせて、お伝えできればと思います。 本題 ざっくりサマリー 結論として、RAGは、来年も変わらず流行し続けると予想します。 まず来年は、これまで以上に回答精度が向上するのは間違いないです。その理由は、LLMの価格低下トレンドと入力できるコンテキスト増大トレンドが、まだ続くためです。加えて、LLMが「視覚・音声」の入力手段を獲得したこと、ベクトルD

こんにちは。バクラク申請・経費精算 ネイティブアプリエンジニアのchocoyamaです。 最近妻が身近な金継ぎ師を探しているので、もし身近な金継ぎ師がいらっしゃる方はご紹介いただけると嬉しいです。 この記事はLayerXテックアドカレ2024の23日目の記事です。 今回の記事では私たちモバイルアプリチームが実装アーキテクチャをどのように決定・運用しているのかをご紹介したいと思います。 前提情報 現在バクラクのモバイルアプリチームは、社員3名 + インターン生1名といったエンジニア構成でFlutter製のネイティブアプリ開発を行っています。 このアプリはフォームを中心としたプロダクトで、今年9月にストアリリースを行いました。 bakuraku.jp アプリの規模感としては、実装ボリュームがとても大きく、クライアント側でカバーすべき機能の膨大さから、私個人の経験としても過去最大レベルに複雑度の

AIの進化に伴い、エージェント（Agent）という概念がますます注目されています。この記事では、Anthropicが提供するAI「Claude」の研究内容を元に、エージェントを構築する際に効果的な設計パターンや手法を分かりやすく解説します。「エージェント」という言葉が難しく感じられる方にも、「どうやってAIがもっと賢く、実用的に働けるのか？」という視点で楽しく理解できるようお伝えしますね。✨ 目次エージェントとは何か？ エージェントを使うべきタイミングと注意点 5つの主要ワークフロー 高度な「エージェント」の特長と使い所 エージェント構築の成功法則 まとめ 1. エージェントとは何か？エージェントの基本的なイメージ エージェントとは「特定のタスクを自主的に計画・実行するAIシステム」です。簡単に言えば、「AIがあなたの指示を理解して、自分で考えてタスクを遂行する存在」です。 Anthrop

アーカイブ動画はこちら https://www.youtube.com/watch?v=ji1G90kUel8

この記事は、技術同人誌/技術を取り巻く様々な執筆 - Qiita Advent Calendar 2024 - Qiitaの16日目です。 ChatGPTやClaudeなど（以下、LLMと呼ぶ）を使って技術文章を書くというのは、まだまだ発展途上の分野です。「LLMに丸投げすれば楽ができる」という単純な話ではありませんし、逆にLLMを全く使わないのももったいないです。この記事では、筆者が実際に技術同人誌を執筆する中で得た、LLMを活用した効率的な文章作成の具体的なノウハウを解説します。 この記事を読むことで、以下のような知識が得られます。 LLMを活用した効果的な校正・推敲の方法 著者の文体や個性を保ちながらLLMを活用するテクニック 原稿の質を高めつつ執筆時間を短縮するためのプロンプト設計 各種LLMモデルの特性を活かした使い分け方 対象読者は、ブログや技術同人誌を書いている、あるいはこれ

この記事は 食べログアドベントカレンダー2024 の12日目の記事です🎅🎄 目次 目次 はじめに 自動テスト作成の課題 テストケースを考えることの難しさ テストコードに落とし込む作業の負担 テスト対象のコード例 RSpecでのテストコード例 自動テスト作成の課題がもたらす影響 生成AIと自動テスト 自動テスト作成の効率化を目指して 導入の条件 Difyを活用したチャットボット チャットボットの利用方法 テスト生成の障害 実装コードをそのまま送った場合の問題点 良い自動テスト生成が可能なケース プロンプトの工夫 プロンプトや対話の工夫では解決できないこと 設計の重要性 まとめ ロジックを切り出した対象での有効性 自動テストと設計の相乗効果 最後に はじめに こんにちは。食べログ開発本部 ウェブ開発2部 第1プロダクトチームで主にバックエンド周りの開発を担当しています、エンジニアの高田です

テスト駆動開発(TDD)ではテストリスト、あるいはTODOリストを作ります。テストリストは実現したいことの全体を網羅しつつ、問題を着手できるくらい小さな項目に分割しながら、一度に1テストずつ進めていくためのツールです。開発を一歩ずつ、1テストずつ進めながら、最後にはゴールにたどり着けるような道のりを示すものです。漫然とテストを書くだけではゴールを見失いますし、実装に夢中になっていると道を踏み外します。進む方向と進み方をセルフコントロールするためにもテストリストは重要です。 ところがテストリストを作るのは難しいものです。上手にテストリストを作るには、仕様を漏れなく重複なく分割し、さらに詳細化し、設計をイメージできるところはそれに従って項目を挙げ、イメージできない箇所は手探りで進む計画を立て、仕様に対し妥当な具体例を構築し、同時にエッジケースや例外ケースも適度に含めていき、そして想定から外れた

はじめに どんな人向けの記事？ 生成 AI に興味のある方 Claude MCP（Model Context Protocol）に興味のある方 概要 今回は Claude MCP のfilesystem, gitを使ってアプリ開発をしてみます。 その上で、Cline との違いについて自分なりの見解を述べます。 ちなみに、私は Cursor 課金ユーザーではないので、Cursor と比べてどうなのかについては言及していません。 Claude MCP の環境構築 Mac 環境の方は、npaka さんの下記の記事を参考に、まずは SQLite と Claude の接続を試してみましょう。 Windows 環境の方は、Maki さんの下記の記事が参考になると思います。 その他、本記事を読み進める上で必須ではないですが、こちらの記事も MCP を理解する上で非常に参考になります。 filesyste

以下の記事が面白かったので、簡単にまとめました。 ・Specification - Model Context Protocol 1. MCP の概要「MCP」(Model Context Protocol) は、LLMアプリケーションと外部データおよびツールをシームレスに統合するオープンプロトコルです。AI搭載IDEの構築、チャットインターフェイスの強化、カスタムAIワークフローの作成などが可能になります。 この仕様は、「schema.ts」のTypeScriptスキーマに基づいて、信頼できるプロトコルの要件を定義します。 「MCP」は、アプリケーションに次のことを実行する方法を提供します。 ・言語モデルとコンテキスト情報の共有 ・AIシステムにツールと機能を公開 ・構成可能な統合とワークフローを構築 このプロトコルは「JSON-RPC 2.0」を使用して、次の間の通信を確立します。 ・

AIはパートナーになったと実感このnoteを書こうと思ったきっかけは、数週間前にv0というAIツールを利用し、私がAIを始めて「パートナー」だと実感したことでした。 v0とは、Vercel社が開発したAI駆動のUI生成ツールで、テキストプロンプトを入力するだけでWebサイトやアプリのUIデザインとコードを自動生成できます。本当に簡単で、誰でも使えます。 私は仕事柄、ChatGPTやClaude、PerplexityやDeepL、その他多くのAIツールを日常的に使っていますが、何かを調べるとか知るとか、正解を探すという感覚で利用している気がします。 ですが、v0の「AIと対話しながら」UI/UXを作っていく感覚は、デザイナーと一緒にプロダクトを作っていくような感覚に近いと感じました。 今は、UIだけではなく、バックエンド開発までサポートしており、生成したアプリケーションをすぐにデプロイして公

日本語LLMまとめ ​[ English | Français | 日本語 ] 日本語LLM・海外LLMのパラメータ数の推移。日本語モデルの情報は本記事、海外モデルの情報は LifeArchitect.ai の Models table を参照しています（ただし、図のスペース上一部のモデルは省略。また、海外モデルのパラメータ数は推測値を含む）。修正・追加等ありましたらお知らせ下さい。この記事は、一般公開されている日本語LLM（日本語を中心に学習されたLLM）および日本語LLM評価ベンチマークに関する情報をまとめたものです。情報は、有志により収集されており、その一部は論文や公開されているリソースなどから引用しています。 以下の点について、あらかじめご理解とご了承をお願いいたします 本記事の内容は、完全性や正確性を保証するものではありません。これらの情報は予告なく変更されることがあり、また最新

mcp_server_youtube という名前にしました。 mcp_server_youtube というディレクトリができます。 mcp_server_youtube/src/mcp_server_youtube/server.py にサーバー実装を記述します。 実装 MCPサーバーの実装はほとんどgpt-4oを使って行いました。 ポイント 今回はこのサーバーに登録されたツールが youtube-search のみなので、handle_call_tool に到着したリクエストが youtube-search と一致している場合のみ処理行います YouTube Data API v3 は単純にAPIを実装するだけです これの嬉しさ 普通にfunction callingからAPIを叩くだけなら、MCPサーバーはいりません。ただ、独立したMCPサーバーとして作ることで再利用がしやすい形になり

「Anthropic」の「MCP」の仕様をまとめました。 ・Specification - Model Context Protocol 1. MCP の仕様「MCP」(Model Context Protocol) は、LLMアプリケーションと外部データおよびツールをシームレスに統合するオープンプロトコルです。AI搭載IDEの構築、チャットインターフェイスの強化、カスタムAIワークフローの作成などが可能になります。 このプロトコルは、JSON-RPC (2.0) を使用して通信を確立します。 ・ホスト : 接続を開始するLLM アプリケーション ・クライアント : ホストアプリケーション内のコネクタ ・サーバ : コンテキストと機能を提供するサービス この仕様は、「schema.ts」のTypeScriptスキーマに基づいて、信頼できるプロトコルの要件を定義します。 2. 主な詳細2-1