Category · 55ページ目
40件
タスク管理ツール「Plane」とMCPサーバ、Github Copilotを連携させ、開発体験向上を試みる記事。AIエージェントにタスク内容を出力させる、タスク内容をAIエージェントで生成するなど、AIを活用した開発プロセスの改善策を検証している。
AIエージェントに自動承認で作業を任せる際の不安に対し、Devin for TerminalのHooks機能で「危ないコマンド」を自動停止させるガードレール設計を提案。
AIがコードを書く時代における、開発者の役割と「ハーネスエンジニアリング」の重要性を論じる。AIを信頼するのではなく、AIを取り巻く実行環境と検証ループの設計に焦点を当てる。
コードを書けない著者が、Claude CodeにGTD（タスク管理）を丸ごと任せるまでの実録。判断を手放さずに作業を委譲する設計思想と、AIとの協業プロセスを詳述。
Claude CodeやAIツールで業務を行う中で、タスク管理を専用アプリで行うことへの違和感から、AIでGTDを回すことによるタスク管理の変化について報告する。
agent-browserは、AIエージェントにブラウザ操作をさせるための作法を確立した点が重要。単なるブラウザ自動化ツールではなく、AIとの連携に特化した設計思想を評価する。
AIが生成した記事を世に出すまでの体験記。Openclawを使用し、AIとの協業で記事作成から公開までのプロセスを記録。AIに仕事の一部を任せる実験についても触れている。
初心者がOpenclawをセットアップする体験記。WSL2やDockerなどの環境構築の壁に直面しながらも、AIの助けを借りてセットアップを完了させる過程を描く。
AIコーディングにおける設計と実装の課題に対し、単一エージェントではなく役割分担した組織型エージェントで解決するアプローチを解説。Opusを設計、Codexを実装に用い、受付係を挟む三層構成の意図を探る。
ローカルAIワークフローで、これまでに見つけるのが早ければよかったと感じるものについての質問。RAG、MCP、コーディングエージェント、プロンプト整理、文書インデックス作成、自動化など、具体的なワークフローとその効果について情報交換。
コーディングエージェントが、論文で提案された手法を実装し、報告されている最高精度（SOTA）を超えられるかを検証するNatureBenchに関する記事。GitHubのREADME通りではなく、論文の最高精度を超えるという再現性の難しさと、コーディングエージェントの能力限界を探る内容。
自律型Agent「GRACE」のローカル版（Ollama使用）とAnthropic API版のアーキテクチャ解説。社内データRAG化ソースも同梱し、PoCや本番利用可能なフルスクラッチ開発の全ソースコードをGitHubで公開している。
複数のAIエージェントが自律的に会話を進めるための「両眼視野闘争」という概念を提案。背後の進行役エージェントを排除し、各エージェントが自ら発話タイミングを決定することで、より人間らしい、愛着の湧くエージェントの実現を目指す。
Spring AI 2.0とspring-ai-agent-utilsを使用し、TODOアプリにSkill、TodoWrite、サブエージェントといった3つのエージェントパターンを実装した事例。システムプロンプトの肥大化や、長い手順でのAIのステップ取りこぼしといった課題への対応策として紹介。
ロボティクス分野のパイオニアであるAgility RoboticsがIPOを計画しており、AI搭載のヒューマノイドロボット技術への関心が高まっています。FoxconnもこのIPOを通じて、長期的なロボット事業への野心を強化しています。
MicrosoftがExcelに、FactSetやS&P Globalなどの6つの財務データコネクタと再利用可能なスキルを導入。2026年、FP&Aアナリストやチームの業務に変革をもたらす。
AWSのAmazon Kiroは、仕様からコードを生成するエージェント型IDE。仕様主導開発に基づき動作する。価格、限界、Cursorとの比較などがレビューされている。
NVIDIAが、科学的発見を加速するためのエージェント向けツール「BioNeMo Agent Toolkit」を発表しました。このツールキットは、研究開発プロセスを効率化し、AIによる発見を支援することを目的としています。
JetBrains AI Chat (Junie) の正式版リリースと、UIからコンテキストを追加する機能について解説。特にJunie CLIのDebug modeに焦点を当て、「たまに落ちるテスト」の調査改善にどのように役立つかを実例を交えて説明している。
Hermes AgentとObsidianを連携させ、AIが参照可能な知識ベースを構築する方法について解説。AIが読めるノートの書き方や、Vaultの準備・同期、複数エージェントでの共有方法などを具体的に説明し、知識共有の効率化を目指す。
CiscoによるWideField Securityの買収計画と、より深いIDおよびセッションインテリジェンスがAgentic SOC能力をどのように強化するかを検証する。企業がAIエージェントと自律ワークロードを導入する中での意義を論じている。
Microsoft Agents FrameworkにおけるAgent Skillsの活用方法を、ファイルベース、インライン、ミックス構成のサンプルコードと共に解説。エージェントにドメイン知識を安全かつ再利用可能に与えるための実装パターンを学ぶことができる。
General Intuitionは、ビデオゲームのプレイデータを用いてAIエージェントを訓練し、現実世界での応用を目指すために3億2,000万ドルを調達しました。膨大なゲームプレイデータから得られる行動データが、AIに人間のような直感や判断能力を学習させる鍵となると期待されています。
Patronus AIは、AIエージェントのテスト環境「デジタルワールド」を構築するために5,000万ドルの資金調達を発表しました。元Meta AIの研究者によって設立された同社は、AIエージェントの能力を評価・向上させるための需要の高まりに対応しています。この資金は、AIエージェントの性能評価と改善に特化したプラットフォームの開発に充てられる見込みです。
LLMを自律的に動かすための「AIループ設計パターン」を紹介。単なる一問一答形式から、思考・修正を自律的に続けるパラダイムシフトを論じており、LLMの応用可能性を広げるアプローチです。
Microsoft Agent FrameworkをローカルLLMで試すシリーズの15回目。Durable Agent（永続的なエージェント）に焦点を当て、その機能や使い方を解説する。
問い合わせ管理AI分類導入前にサーバー側で実施すべきバリデーションと状態管理について解説。AI分類を単なるラベル付けではなく、回答レコードの状態変化として捉える視点を示す。
フォーム入力の代わりにAIとの会話で人材プロフィール登録・検索基盤を構築するPoC。TiDB Cloudを活用し、自然言語でのスキルナレッジベース作成の可能性を探る。
Slack上で動作するAnthropicのAIチームメイト「Claude Tag」の発表に関する記事。機能、仕組み、セキュリティ管理、導入方法について解説し、従来のアプリからの進化点を説明する。
エージェントの行動履歴のみから、その意思決定プログラムをコードとして復元する手法を提案。さらに、介入による実験設計能力が、この復元精度をどの程度向上させるかを検証する。
AnthropicのAI「Claude Mythos」が、アメリカ政府の機密システムにおける脆弱性を発見した。高度なAIがサイバーセキュリティ分野で活用される可能性を示す事例として重要。
AutoGenは、複数のAIエージェントが協調してタスクを完了するためのオープンソースのマルチエージェントAIフレームワークです。2026年現在、エージェントオーケストレーション技術の先駆者として、エージェントAIエコシステムにおいて影響力のある存在であり続けています。
ClickUp Brain²はAIを単なる応答者から「同僚」へと進化させます。ワークスペースを読み込み、Google Drive、GitHub、Slackと連携し、自律的にエージェントを作成する機能を紹介しています。
UE5.8の正式リリース版で追加されたAIエージェント向けプラグインについて調査した記事です。プレビュー版での調査結果も前編としてまとめられています。
AIエージェントによるテストコード生成において、実装・単体テスト・受け入れテストを構造的に隔離し、各担当に自身の担当範囲のみを渡すことで、意図しない参照を防ぐ試みを解説。
Software Mansionが公開したAgentic Engineering Guideは、AIエージェントをプロのソフトウェア開発に導入するための実践的な知見をまとめたドキュメントです。AIエージェントの開発と統合に関する実用的なガイドラインを提供しています。
DDD（ドメイン駆動設計）の業務仕様から、AIエージェントが安全に操作できるMCP（Microservice Call Pattern）を決定論的に生成する手法を解説。操作主体が人間からAIエージェントへ移行する際の、業務アプリの価値の変化と、エージェントへのUseCase提供の重要性を論じる。
大規模世界モデルにおけるエージェントの能力は断片的であることを構造的認定で形式化。標準的な最悪ケース分析の限界を超え、遷移局所的なフレームワークで一般エージェントの能力を評価する。
AI（本人）が検討済みの改善案に対し、現場がどのように返答すべきかという課題を提示。AIとの検討を経た改善案が現場の条件や例外処理、レビュー負荷、運用保守などを考慮していない場合、どのように具体的な懸念点を伝え、建設的な対話に繋げるかの指針を示す。