タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
Introduction Zennのみなさん、こんにちは！ TSUKURUBAで、Web フロントエンドエンジニアをしているkiiです 最近、プロジェクトの中でAI Agent（Cursor）を活用した開発に取り組み、試行錯誤を重ねてきました。 その過程で見えてきた、効果的な開発フローやノウハウを本記事でまとめて共有します。 いろんなAI Agent利用記事あるのですが、抽象的なものが多く、もっと具体例教えてほしいな〜と思ったので書いてみました！ 実際に使っているドキュメントや命令の例、運用のコツも紹介しますので、 みなさんの開発やAI活用の参考になれば幸いです。 この記事で得られること AI Agent（Cursor）を活用した開発フローの具体的な進め方 AI Agentが実装できるような、要求整理から実装までのDocument作成手順 AIとのやりとりを効率化するための実践的なTips
こちらはLayerX AI エージェントブログリレー41日目の記事です。 こんにちは、CEO室でAI Agent開発のPdMをしているKenta Watanabeです。 AI Agent開発に取り組んでいる方や自分用の効率化ツールを開発したりしてLLMで遊んでいる方は何かしらのAgentフレームワークを利用されている方が多いのではないかと思います。LayerXでもAI SDKなどのフレームワークが社内で利用されています。本日はAgent開発の試行錯誤を通して得られたAgentフレームワーク選びの参考になるような考え方を紹介できればと思います。 Agentフレームワーク戦国時代 ここ数年はAgentフレームワーク戦国時代と言えるほどたくさんのフレームワークやSDKが開発され利用されているのではないかと思います。各LLM ProviderはLLMを利用するためのHTTP EndpointとSD
Published: September 23, 2025 We're launching today a public preview for the new Chrome DevTools Model Context Protocol (MCP) server, bringing the power of Chrome DevTools to AI coding assistants. Coding agents face a fundamental problem: they are not able to see what the code they generate actually does when it runs in the browser. They're effectively programming with a blindfold on. The Chrome D
オチ code-serverをいれる claude codeをいれる 様子 あらすじ 我々はスマホでごろ寝コーディングがしたい(主語がでかい)。 しかしながらスマホでコードをポチポチするのは苦行であり、もっと楽にやりたい、なんなら音声入力でどうにかしたい。 となると、昨今はやりのAI Agentをつかったコーディングが選択肢にあがる。 すでにDevinやReplit がそういった体験を提供しているが、どちらも結構お高いし、「本当に俺はスマホでそんなにソースコード書くのか？」とか、「金はともかく、GitHubやSlackと連携させるのか？(Devin)」とか、「コードが読みにくい(Replit)」とか「PHPを書けない…だと…？(Replit)」という様々な問題があって自分には微妙だった。 そこで私が試したのがcode-serverとclaude codeだった 概要 code-server
「夜のブルーオーシャン」における AI エージェント稼働率が差別化された生産性となること、夜に行うべきタスクと遂行するための "FRONTIER AGENTS" を紹介しています。
巷では「AIエージェント」のワードをよく見かける一方、何をAIエージェントと定義するのか自分もフワっとしていたので、2024年12月20日に公開されたAnthropicの「Building effective agents」の記事を読んでみました。 「AIエージェントの定義ははっきりと定まっていません」みたいな文言は方々で見ますが、各社がどういう見解でそのワードを使っているのか、なんとなく理解することはできます。 ちなみに、以下の「うたたね / Masaki Otsuki」さんの記事では各社がどのような位置付けとしているのかがまとまっており、私も勉強させていただきました。ありがとうございます。 ※本記事ではAnthropicの記事に焦点を絞り、記事の内容を元に記述しています。 エージェントとワークフローの違い ワークフロー: LLMとツールが事前定義されたコードのパスを通じて調整されるシス
import { openai } from "@ai-sdk/openai"; import { Agent, VoltAgent, createTriggers } from "@voltagent/core"; import { createPinoLogger } from "@voltagent/logger"; import { honoServer } from "@voltagent/server-hono"; import { weatherTool } from "./tools/weather"; const logger = createPinoLogger({ name: "with-slack", level: "info" }); const slackAgent = new Agent({ name: "slack-agent", instructions:
macOS で Touch ID を使った「人間の確認」ができるシンプルな CLI ツール confirm-pam を作りました。 azu/confirm-pam: CLI tool for biometric authentication confirmation prompts このツールを使うことで、AI Agent が任意のコマンドやスクリプトの実行する前に、Touch ID による生体認証を要求できます。 コマンドラインから実行される処理に対して、人間による明示的な確認ステップを追加する仕組みを提供します。 confirm-pam とは confirm-pam は、macOS の Touch ID を使った生体認証による確認プロンプトを提供する CLI ツールです。 主な特徴 Touch ID 認証をサポート 認証ダイアログに任意のメッセージを表示 0（成功）、1（失敗）、2（エ
2025.3.9 きのこカンファレンス2025
20XX 年、開発現場はエンジニアの人数より AI Agent のセッション数が多くなっていた。自然と、人間のエンジニアをまとめる Engineering Manager (EM) よりも AI Agent を管理する AI Agent Manager (AAM) の役割が重要となり、かつて人の採用とカルチャーの醸成に腐心していた VPoE は、VPoA (Vice President of AI) となり優秀な基盤モデルの API Call の獲得とそれらに言うことを聞かせる CALTURE.md や CODING_RULE.md の作成に割く時間が増えるようになったのだった・・・ そんな時代は意外と早く来るかもしれません。最近下記の Pull Request をほとんど Claude Code (と Amazon Q Developer) で作成した中で、自分の役回りが「開発者」から
作ったもの カスタマーサポート全般を行う対話型AIエージェントを作成しました。 ユーザからの質問対応や新機能要望のヒアリング、さらにクレームや緊急対応受付を一括して対話型AIエージェントが担います。 AIエージェントとの対話内容は自動的に分析され、スプレッドシートで一元管理されます。新機能の要望は即座にGitHub Issueとして起票され、クレームや緊急度の高いケースはSMSで担当者へリアルタイム通知する仕組みを備えています。 対象ユーザ 今回のプロダクトの対象ユーザは、本ハッカソンの参加者および担当者になります。 ただ、このプロダクトはプロンプトを変えるだけであらゆるサービス・商品のカスタマーサポート担当をAIエージェントができるようにカスタマイズ性高く構築しています。 背景にある課題 本ハッカソンの開発プロジェクト条件に、以下のサービスを使うことが要件となっています。 参加者は自分が
最近登壇で使っていたLLM関連技術の今後について触れた50ページほどの資料を公開します。 (予測や展望は個人の見解を多分に含む点をご容赦ください。) 細かい技術説明というよりみんな気になるAgent、LLMOps周りの実際に立ち向かって死にかけた経験を赤裸々に書いた感じです。取り組む前にこの屍を…
A TypeScript-based framework by AI16z with ~60% market share. Features extensive multi-agent simulation capabilities, cross-platform social engagement, and a thriving community of 6,000+ GitHub stars. Leading framework for creating AI agents that handle trading, social interactions, and community management.
どうも、すべての経済活動を、デジタル化したい福島です。 年末恒例になりました未来予測+来年の意気込みシリーズ。2021年末は「SaaS+Fintech」、2022年末は「コンパウンドスタートアップ」、2023年末は「AI-UXとAX(AI Transformation)」でした。 今年は「AI Agent」というテーマで書こうと思います。2025年はまず間違いなく「AI Agent」の年になります。(AI Agentという定義はなんぞや、みたいな話はありつつ) LayerXは2025年、この領域にフルベットし、wowな体験、新たなビジネスモデルを模索していきます。 過去記事はこちらより AI Agentとは2024年、主に英語圏で、「AI Agent」「Vertical AI」「Agentic Workflow」といった言葉が一気に盛り上がりました。おそらく2025年、日本のVCがこういう
2025/5開催「AI Agent 開発の"0→1" - AWS の実証事例に学ぶ、企画から組織展開までのメソッド」登壇資料 (2025/3公開の「AIコーディングエージェント勉強会」を短縮して新しいネタを少し足した程度ですのでご容赦ください)
はじめに こんにちは．株式会社neoAIの研究開発組織 (neoAI Research) / 東京都立大学の板井孝樹です． 昨今LLM based Agentの開発が盛んですが，実ユースケースへの応用においては多角的な評価が必要となります．そもそも"良いAgent"がどのような評価観点が求められるのかを知ることで，良い開発・価値提供が実現可能だと考えます． 本記事では，まずLLM Agentに求められる要素能力に関する評価観点についてまとめます．そしてこれらの要素能力を包括して遂行する必要のあるタスクに関する評価指標についてもまとめます．特に昨今のビッグテックのリリース時によく用いられる評価指標をベースに調査を行いました． LLM Agentの評価指標のサーベイに関する先行の取り組みとして，Yehudaiらの"Survey on Evaluation of LLM-based Agents
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
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
こうした領域の相当部分は「観察 → 判断 → アクション」であり、人間が実施すると非常に技術力と経験が求められ、各社 SRE を担当する方に業務が属人化するという現象が発生します。 ここで考えられているのが、AI Agent による支援・自動化と親和性が極めて高いということです。 AI Agent 活用の潮流と SRE 昨今の AI エージェントは、運用データ（メトリック／ログ／イベント）を LLM ベースで要約・推論し、自然言語で対話しながら修復アクションを提案・実行する方向に急速進化しています。Microsoft は Build 2025 で Azure SRE Agent を発表し、インシデント検出から診断、協働復旧に至るプロセスの高速化を狙うソリューションを提示しました。 この発表を見た筆者は、「これでトイルが減る」「SRE の仕事が変わる」「AI が SRE を全部やる時代？」と
AI Agentの進化は目覚ましく、日々実装の品質も向上しています。しかし、開発者自身に明確な実装イメージがある場合、それをAI Agentに出力させることは難しく、さまざまな工夫を必要とします。Agentに与えるコンテキストやプロンプトを最適化したり、詳細なルールを整備することで精度を高めることができますが、これらには大変な労力を伴います。 筆者がNext.jsアプリケーションを扱う場合、実装イメージは著書『Next.jsの考え方』の内容に沿って生成されるため、「この本をAI Agentに読ませることで、アウトプットの精度を高めることができるのではないか」と考え、様々な検証を行いました。 本稿では検証を通して筆者が得た、AI Agentのアウトプットに『Next.jsの考え方』を反映するプラクティスについて紹介します。 要約 以下の条件を満たすことで、AI Agentのアウトプットに『N
それでは、最新情報をまとめた詳細なレポートを提供します。 無料でAI Agent Coding環境を構築する - 2026年最新ガイド 最新の主流選択肢は Google Antigravity（完全無料） です。これは 2025年11月にリリースされたばかりで、従来の AI IDE（Cursor、Windsurf）に対する無料の黒船です。 [1][2] Google Antigravity - 新世代 AI Agent IDE Antigravity は単なるコードエディタではなく、 Agent-First 開発プラットフォーム として設計されています。あなたは 「コードを書く」のではなく「タスクを指示する」 という高レベルのアーキテクチャへ移行します。例えば、「OAuth をサポートするようにログインフローをリファクタリングして、これらの設計仕様に対して検証してください」と指示すると、エ
1万人を変え日本を変える!!多層構造型ふりかえりの大規模組織変革 / 20260108 Kazuki Mori
LayerX のバクラク事業部の AI・機械学習部で機械学習エンジニアをしている島越（@nt_4o54）です。こちらはLayerX AI Agent ブログリレー 31 日目の記事です。 昨日は松村 (@yu__ya4)による「Langfuse の Experiment Runner SDK を利用した AI エージェント機能の性能評価と実験管理」でした。 無事にこのブログリレーも日付換算で一ヶ月を突破しました。過去のブログ記事も知見が溢れているので、是非ご覧ください！ はじめに LLM 以前の機械学習システムにおけるパーソナライゼーション LLM を用いたシステムにおけるパーソナライゼーション In-Context Learning (ICL): Prompt による動的適応 Prompt の自動最適化 その他の最適化手法 DSPy による Prompt 最適化実践 データセット 推論の
こちらはLayerX AI Agentブログリレー1日目の記事です。 こんにちは、Hiromu Nakamura (pon) です。 LayerXでAI/MLOpsをやってます！ 最近はAI Agentの開発の中で、個人的にTemporal Knowledge Graphに注目しています。今回は関連論文や技術を紹介しつつ、私が作成したPoCや実装のポイント、課題についてお話しします。 目次 目次 AI Agent用のメモリ/ナレッジを持つ必要性 Knowledge Graphの世界 そもそもKnowledge Graphとは LLMの登場でKnowledge Graphが構築しやすくなった！！ Knowledge Graphの使い所 Temporal Knowledge Graphの世界 Graphiti T-GRAG 申請レビューAI AgentのPoCから学ぶ Temporal Kno
https://layerx.connpass.com/event/378972/
限界まで実務で AI Agent 「Cursor」を使ってみたら、アイアンマンの気分になれた。まるでジャービス みにこーへいです。 X2Y2 JAPANという会社の代表をしたり、Yoake Entertainmentという会社のCPOをしたりしています。(この記事はなぜかAIでなく、自分で書いてます。極力専門用語を使わないで説明します。） AI Agentが画面で勝手に動いている姿は、まじでこのSFの光景 - 感動するAI Agent Cursor に全部賭けてみた2ヶ月"Cursor"をここ2ヶ月死ぬほど使ってみました(飛行機乗ってる時、寝てる時、ライブ見てる時、外食してる時以外、ずーーーーっと起動してた自信があります。） 12個全部 Demoのせてます。百聞は一件にしかず。使ってみればやべーーーってなります。結果、Cursorというツールおよびその考え方は、今後のホワイトワーカーの基
こんにちは、ログラスでCTOをしております、いとひろ（@itohiro73）です。去年までは半年に1回まわってきたTech Blog Sprintが、今回はもう前回書いた記事から10ヶ月も経つということで、チーム規模の成長ぶりに驚く毎日です。 さて、ログラスは先日「Loglass AI Agents」構想を発表しました。ログラス代表布川の動画にもあるように、私たちは今、SaaSの価値を従来の形から変容させていく必要性を感じています。これまでの定量的なデータに基づいた決定論的な従来型のSaaSシステムにとどまらず、非定型なデータや不確実性の高い情報に基づいた非決定論的なタスクをAI Agentを通じて実現し、より良い意思決定に貢献するようなビジネスモデルをいかに構築していくか。私たちは今、その激動の時代の真っ只中にいます。 AIエージェントは銀の弾丸か？ この記事を読んでいるエンジニアの皆さ
2024/05/08 AWS オンラインセミナー、「AI Agent 開発の 0→1 - AWS の実証事例に学ぶ、企画から組織展開までのメソッド」での発表資料になります。 https://pages.awscloud.com/eib-aiml-250508-reg.html
Web エンジニアが JavaScript で AI Agent を作る / JSConf JP 2025 sponsor session
G-gen の奥田です。当記事は、Google Cloud Next '25 Tokyo の2日目に行われたブレイクアウトセッション「Gemini CLI で実現する AI Agent 時代のプロダクト開発」のレポートです。 他の Google Cloud Next Tokyo '25 の関連記事は Google Cloud Next Tokyo '25 カテゴリの記事一覧からご覧いただけます。 セッションの概要 Gemini CLI とは Gemini CLI の機能 入力モード Context Engineering MCP サポート Gemini CLI を用いたデモ デモの内容 1. 自然言語で SQL を生成して BigQuery でデータ分析 2. ウェブサイトに追加する動画を生成 3. Cloud Run にデプロイ 関連記事 セッションの概要 本セッションでは、Gemini
Taskmaster AI - The PM for your AI agent
はじめに 最近 AI Agent が流行っていますが、Agent とツール、skill や identity の関係がいまいちピンと来ていませんでした。ドキュメントを読むだけでは理解が深まらないので、実際に自分で作ってみるかと手を動かしていたら、知らない間にある程度動く物が出来上がっていました。yagi という CLI チャットクライアントです。 名前の由来は Go のインタプリタ Yaegi から来ています。yagi は複数の LLM プロバイダに対応した CLI チャットクライアントで、Yaegi を使ったプラグインシステムが最大の特徴です。 yagi でできること yagi は対話モードとワンショットモードの2つのモードを持っています。 # 対話モード yagi # ワンショットモード yagi "こんにちは" # パイプで入力 echo "Write FizzBuzz in Go"
こちらはLayerX AI Agentブログリレー36日目の記事です。 LayerX バクラク事業部で AI/MLOpsエンジニアをしている中村(@po3rin)です。今回はAI Agentのビジネス価値を計るバックテスト基盤を構築した話と、そこから学んだAI Agent開発のプラクティスを紹介します。 目次 目次 AI Agent機能の評価の重要性 AI Agent機能のバックテスト バックテスト基盤開発の難しさ バックテスト基盤を実現する技術 全体構成 SnowflakeへのSnapshotデータアクセス LLM Native GORM Plugin「Firn」 なぜLLMで書き換えるのか GORM Pluginの作り方 LLMによるクエリ書き換え部分 LLMのクエリ書き換えガードレール SQL BASE Golden Testing Package「gormgolden」 今回のバッ
こんにちは。バクラク勤怠のソフトウェアエンジニアの @upamune です。 この記事は LayerX AI Agentブログリレー の 23日目 の記事です。 前回のClaude Code SDK ではじめる 定額 AI Agent 開発入門では、Claude Code SDK を使ってシンプルなタスク管理Agentを構築しました。 今回は、そのAgentをClaude Agent SDKに移行しながら、何が変わったのか・どう対応すればいいのか・何が嬉しいのかを具体的に解説します。 1. 前回のおさらい：Claude Code SDK でタスク管理Agent 前回の記事では、Claude Code SDKを使ってタスク管理Agentを作りました。以下のような機能を実装しました： タスクの追加 タスクの一覧表示 タスクのステータス変更 Claude Pro/Maxプラン（最安$20/月）で
こんにちは AIチームの戸田です 今回は、AI Agentが自身で解決できない問題に直面した際に、Slackを通じて人間に助言を求めることができるMCP（Model Context Protocol）、AskOnSlackMCPをつくったので、架空のカスタマーサポートのデモを交えて紹介したいと思います。 https://github.com/trtd56/AskOnSlackMCP Human-in-the-loop 近年、AI Agentの能力が向上し、コーディングや業務効率化など多くの領域で活躍が増えていますが、まだ人間の判断や専門知識が必要な場面は多く存在します。例えばカスタマーサポートのような、複雑な問題解決や感情的な配慮が必要な領域では、AIと人間の協働(Human-in-the-loop)が重要になります。 実現するためのツール これをAI Agentで実現する方法として、一つ
背景と課題 特殊な性質を持つデータパイプライン データパイプラインと一口に言っても、その用途や役割によって大きく性格が異なります。 例えば、分析用のシンプルなパイプラインもあれば、CRMやマスタデータなど複数のデータソースを組み合わせ、新しいデータを生成するような複雑なパイプラインも存在します。 そうした生成系のパイプ
こんにちは、Hiromu Nakamura (pon) です。LayerXでAI/MLOpsをやってます！！LayerXで毎日AI Agentブログリレーを始めます！！今回はなぜAI Agentブログリレーを始めるのかをお話しさせてください。 AI Agentブログリレーとは LayerXのエンジニアが毎日AI Agent開発に関する知見をアウトプットします！！すでに一ヶ月分が埋まっています。書く人がいなくなるまで続けます。 執筆者カレンダー 最初は毎週1人書けば良いかと思いましたが、予想以上に参加者が多く、急遽毎日のブログリレーにしました。最近入社した身からすると末恐ろしいです。 今あるテーマとしては 🌏 AI Agent × Temporal Knowledge Graphで表現できる世界 🔐 AI Agentの認可基盤について 🔭 AI AgentのObservability
Dockerfileの最適化やエラーの原因などの質問に答える「Docker AI Agent」ベータ公開、Docker Desktopで利用可能に Docker社は、開発者がDockerに関する課題に直面したときの質問などに答えてくれる「Docker AI Agent」（プロジェクト名：Gordon）をベータ公開したと発表しました。 Docker AI Agentは2月5日にリリースされたDocker Desktop 4.38にサインインした全ユーザーに順次提供されていく予定だと説明されており、Dockerを始めるとき、既存のDockerfileやComposeファイルを最適化するとき、Dockerテクノロジー全般を理解するときなど、Dockerに関連する質問や疑問などに答えてくれます。 下記の画面のように、Docker Desktopのメニューから「Ask Gordon」を選択すると、チ
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く