株式会社ずんだもん技術室AI放送局 Podcast Por 株式会社ずんだもん技術室AI放送局 arte de portada

株式会社ずんだもん技術室AI放送局

株式会社ずんだもん技術室AI放送局

De: 株式会社ずんだもん技術室AI放送局
Escúchala gratis

Acerca de esta escucha

 AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。(MC 月:春日部つむぎ、火水木:ずんだもん、金:お嬢様ずんだもん)
Episodios
  • 株式会社ずんだもん技術室AI放送局 podcast 20250522

    株式会社ずんだもん技術室AI放送局 podcast 20250522
    May 21 2025
    関連リンク GitHub Copilot Coding Agent がやばすぎて共有し隊 この記事は、Microsoft Build 2025で発表されたGitHub Copilot Coding Agentという新機能を実際に試した体験談です。この機能は、開発者がGitHubのIssueにAIをアサインするだけで、コーディングなどのタスクをAIが自律的に行い、Pull Request（PR）を作成してくれるという画期的なものです。 著者は、この機能を使ってブログ記事を書いてもらうというタスクを試しました。手順は以下の通りです。 GitHub Copilot Coding Agent機能を有効にします。やってほしいブログ記事の内容をIssueとしてGitHubに作成します。作成したIssueにGitHub Copilotをアサインします。 すると、驚くべきことに、CopilotはすぐにIssueを理解し、リポジトリの構造を把握した上で、ブログ記事の執筆（ファイルの作成と編集）を始めました。数分後には、ブログ記事の内容を含む新しいPRが自動で作成されていました。 作成されたPRを著者がレビューし、「Copilotが書いたものであることを示す」「日付を修正する」「細かい表現を直す」といったコメントを残すと、Copilotはそれらのコメントを理解し、数分で修正済みのPRを自動で作成し直しました。まるで人間とやり取りしているかのように、レビューコメントに対して適切な対応をしてくれたのです。 この体験を通じて、著者はGitHub Copilot Coding Agentの「やばさ」を実感しました。Issueを作成してCopilotをアサインし、レビューと指示を少し与えるだけで、タスクの実行からPR作成、さらにレビューコメントへの対応まで、開発の一連の流れをAIがほぼ自動でこなせるようになったからです。 特に、検証作業などの際に、その結果をブログやドキュメントとしてまとめる作業は手間がかかりますが、このAgent機能を使えば、検証そのものに集中しつつ、記録を残す作業をAIに任せられる可能性を感じています。 最新のAI技術、特にAI Agentが、実際の開発現場でどのように活用され、私たちの働き方を効率化していくのかを示す非常に実践的な事例と言えるでしょう。新人エンジニアの皆さんにとっても、AIと協力して開発を進める未来を想像するきっかけになれば幸いです。 引用元: http://www.kentsu.website/ja/posts/2025/copilot_coding/ TypeScript で AI エージェントを構築する VoltAgent VoltAgentは、TypeScriptを使ってAIエージェントを作るための便利なツールキットです。新人エンジニアの皆さんも、これを使えばAIを活用したアプリケーション開発に挑戦しやすくなります。 このツールキットの大きな特徴は、作ったAIエージェントの動きを見たり、問題がないか調べたりするための「VoltAgent Console」というツールがセットで提供されている点です。これを使うと、エージェントが今どんな状態なのかリアルタイムで確認したり、どのように処理が進んでいるのかをグラフで見て理解したりできます。開発中に「あれ？思った通りに動かないぞ？」という時に原因を探りやすくなります。 AIエージェントの基本的な構成要素は「Agent」というクラスです。このAgentクラスに、名前や役割、使うAIモデルなどを設定して、エージェントを定義します。VoltAgentは、OpenAIやGoogle Geminiなど、いろいろなAIモデルを使えるようにするための仕組み（プロバイダー）を提供しているので、モデルごとの細かい違いを気にせず開発を進められます。 また、AIの「知識不足」や「リアルタイム情報の弱さ」を補うために、「ツール」という仕組みを使ってエージェントの能力を拡張できます。例えば、最新の天気予報を取得するツールを作ってAIに連携させれば、「明日の天気は？」という質問にも正確に答えられるようになります。複数のツールをまとめて「Toolkit」として管理することも可能です。さらに、「Model Context Protocol (MCP)」という業界標準の仕組みにも対応しているので、ブラウザ操作やカレンダー連携など、外部の様々なサービスとAIエージェントを連携させるのも比較的容易です。 複雑なAIエージェントを作る時には、「サブエージェント」という考え方が役立ちます。これは、全体を管理する「スーパーバイザーエージェント」の下に、情報収集担当、文章生成担当、編集担当...
    Más Menos
    Menos de 1 minuto
  • 株式会社ずんだもん技術室AI放送局 podcast 20250521

    株式会社ずんだもん技術室AI放送局 podcast 20250521
    May 20 2025
    関連リンク GitHub Copilot：新しいコーディングエージェント GitHub Copilotに、開発タスクを自動でこなす新しい機能「コーディングエージェント」が登場しました。これは、GitHubに直接組み込まれたAIアシスタントのようなもので、特定の開発作業を任せることができます。 使い方は簡単です。GitHubのIssue（課題や要望などを管理するもの）に、このCopilotコーディングエージェントを割り当てるだけ。すると、エージェントはバックグラウンドで作業を開始します。具体的には、GitHub Actionsという仕組みを使って一時的な開発環境を作り、コードの分析や変更を行います。 エージェントが行った作業は、自動的にドラフトのプルリクエストとして提出されます。プルリクエストとは、コードの変更内容をチームメンバーに確認してもらうための機能です。ここが重要なポイントで、エージェントが勝手にコードを最終的に確定させるのではなく、必ず人間（あなたやチームメンバー）が変更内容を確認し、承認してからコードが取り込まれる仕組みになっています。既存のセキュリティルールもそのまま適用されるため、安心して使えます。 このエージェントは、機能追加やバグ修正、テストコードの作成、コードの整理（リファクタリング）、ドキュメントの改善など、比較的シンプルから中程度の複雑さのタスクを得意としています。 この機能の最大のメリットは、開発者が時間のかかる単調な作業をエージェントに任せられる点です。これにより、あなたはより創造的で、頭を使う必要のある難しい作業に集中できるようになります。ちょうど、自分専用のAIアシスタントが、コードを書く準備や簡単な修正を手伝ってくれるようなイメージです。 エージェントは、Issueの内容だけでなく、リポジトリのこれまでの変更履歴や議論、さらには画像（バグのスクリーンショットなど）も解析して作業を進めることができます。作業の進捗やエージェントがどう考えたかのログも確認できます。 このコーディングエージェントは、GitHub Copilot EnterpriseおよびCopilot Pro+の契約者が利用できます。 GitHub Copilotは、この新しいエージェント機能も含め、開発者がコードを書く際の集中力（フロー状態）を維持し、面倒な作業を減らし、開発をもっと楽しく、効率的にすることを目指しています。 これにより、日々のコーディング作業がどのように変わっていくか、ぜひ試してみてください。 引用元: https://github.blog/jp/2025-05-20-github-copilot-meet-the-new-coding-agent/ Principles of Building AI Agents 大規模言語モデル（LLM）の急速な進化により、「Agent（エージェント）」と呼ばれる新しいタイプのAIアプリケーションが注目されています。この「Principles of Building AI Agents」という書籍は、AI Agentをどう作っていくか、その基本原則を分かりやすく解説したものです。Web開発の経験豊富なベテランが、誇張や流行語を避け、本質的な内容に焦点を当てて書かれています。 この本を読むことで、AI Agent構築の全体像や、必要な技術要素の基礎を学ぶことができます。 まず、AI Agentがどのように構成されているか、その主要な「部品（building blocks）」について解説されています。これには、Agentに様々な機能を提供する「プロバイダー」、Agentの賢さの元となる「モデル（LLMなど）」、Agentに具体的な指示を与える「プロンプト」、Agentが外部のサービスやデータを利用するための「ツール（API連携など）」、そしてAgentが過去のやり取りや情報を覚えておくための「メモリ（短期記憶や長期記憶）」などが含まれます。これらの要素を適切に組み合わせることで、Agentはより高度で人間のような振る舞いをできるようになります。 次に、Agentに複雑な目標を達成させるための考え方として、「Agent的なワークフロー」によるタスクの分解方法が紹介されています。大きなタスクを細かなステップに分け、各ステップでAgentが思考し、行動を選択していくような流れを作ることで、より難しい課題にも対応できるようになります。 さらに、Agentが最新の情報や、学習データには含まれていない特定の知識（例えば、会社の内部資料や専門分野...
    Más Menos
    Menos de 1 minuto
  • 株式会社ずんだもん技術室AI放送局 podcast 20250520

    株式会社ずんだもん技術室AI放送局 podcast 20250520
    May 19 2025
    関連リンク MCPとは何か 〜AIエージェントの為の標準プロトコル〜 AI（大規模言語モデル、LLM）の進化は目覚ましく、最近では指示を受けて作業するだけでなく、自律的に様々なツールを使って一連の仕事をこなす「AIエージェント」が注目されています。 これまで、AIエージェントに外部のツール（例えばファイル操作やWebサービスのAPI）を使わせるには、連携したいツールごとに個別のプログラムを作る必要がありました。これはたくさんのツールを使おうとすると、とても大変でコストがかかる作業でした。 そこで登場したのが「MCP（Model Context Protocol）」です。これは、AIモデルと外部のツールやサービスを連携させるための「共通の決まりごと（標準プロトコル）」です。例えるなら、パソコンと様々な周辺機器をつなぐ「USB-Cポート」のようなものです。 MCPが普及すると、ツール側がMCPに沿った「MCPサーバー」を用意すれば、AIエージェントを作る人は、どのAIモデル（ChatGPTやClaudeなど）やどの開発環境（CursorやVS Codeなど）を使っても、同じやり方でそのツールを使えるようになります。これにより、AIエージェントの開発が効率化され、作った連携機能も再利用しやすくなります。 MCPの仕組みは、AIアプリや開発環境である「MCPホスト」、ホスト内で動いてツールと連携する指示を出す「MCPクライアント」、そして実際のツール操作を行う「MCPサーバー」という役割分担になっています。MCPによって、AIエージェントは外部の「ツール（アクション実行）」、「リソース（データ取得）」、「プロンプト（定型指示）」などの機能を使えるようになります。 現在、CursorやClaude Desktop、n8nなど様々なAI関連ツールがMCPをサポートし始めており、GitHubやSlackなどのMCPサーバーも増えてきています。 ただし、インターネット上で公開されているMCPサーバーの中には、悪意のあるプログラムが混じっている可能性もゼロではありません。特に、知らない人が作ったサーバーを使う場合は注意が必要です。安全に使うためには、公式や信頼できる開発元のものを選ぶ、多くの開発者が参加しているものを使う、そして可能であればAIにコードの安全性をチェックしてもらうなどの対策が大切です。 MCPはまだ新しい技術ですが、AIエージェントが外部と連携する方法を標準化することで、今後のAIによる自動化や新しいAIアプリケーション開発を大きく加速させる可能性を秘めています。Googleが提唱するA2A（Agent to Agent）のように、AIエージェント同士が連携する仕組みも出てきており、今後の動向に注目です。 引用元: https://blog.cloudnative.co.jp/27994/ Introducing Strands Agents, an Open Source AI Agents SDK Amazon Web Services AWSがオープンソースのAIエージェント開発用SDK「Strands Agents」を発表しました。AIエージェントとは、大規模言語モデル（LLM）がプロンプト（指示）を受け取り、外部ツールを使ってタスクを自律的に実行するプログラムのようなものです。 これまでのAIエージェント開発では、LLMの応答を解析し、どのツールを呼び出すかなどを細かく制御する複雑な「オーケストレーション」が必要でした。しかし、最近のLLMは推論やツール利用の能力が向上しており、モデル自身が次のステップを計画し、適切なツールを選択できるようになっています。 Strands Agentsは、この「モデル中心」のアプローチを採用することで、AIエージェント開発をシンプルにすることを目指しています。開発者は、エージェントに与える「プロンプト」と、エージェントが使える「ツール」を定義するだけで、基本的なエージェントを作成できます。まるでDNAの二重らせんのように、モデルとツールという二つの要素をStrandsがつなぎ合わせ、モデルが自らの判断でツールを使ってタスクを完了させます。 Strandsの大きな特徴は以下の通りです。 モデル中心のアプローチ：複雑なオーケストレーションコードが不要で、LLMの推論能力を最大限に活用します。シンプルな開発：プロンプトとツールを定義するだけでエージェントを構築できます。柔軟なモデルサポート：Amazon Bedrock、Anthropic、Ollamaなど、さまざまなLLMプロバイダーに対応...
    Más Menos
    Menos de 1 minuto
adbl_web_global_use_to_activate_T1_webcro805_stickypopup
Todavía no hay opiniones