サービスを見る

技術の記事

AI駆動開発の実装・つまずき・設計の知見。手を動かした一次情報として綴ります。

tech技術157 件 · 14/18ページ
技術AI開発の主戦場は、モデル比較から「作業環境」へ移った ──モデルは脳、harnessは職場

AI開発の主戦場は、モデル比較から「作業環境」へ移った ──モデルは脳、harnessは職場

AI開発の話題はいまも「GPTが強い」「Claudeが賢い」のモデル比較で盛り上がる。でも毎日AIにコードを書かせていると、差がつくのはそこだけではないと分かる。賢い脳を雇っても、repoのルールを知らない・作業ブランチが混ざる・過去の判断を忘れる・レビューが浅い・秘密値を読む——職場が散らかっていると成果が積み上がらない。2026年6月の更新を並べると、その職場のほうが動き出している：GitHub Desktop 3.6（worktree/AGENTS.md/model picker/BYOK/conflict支援）、低遅延の MAI-Code-1-Flash（高頻度反復向け）、深さを設定できる Copilot コードレビュー（review depth/MCP/skills/grep・rg・glob・view）、OpenAI Codex の worktrees/PR/review/automations。さらに codebase-memory-mcp（repoをナレッジグラフ化し構造検索・MIT・約19,600★）、headroom（文脈圧縮・Apache-2.0・約53,000★）、SkillSpector（スキル/MCPの脆弱性スキャン・約11,300★）が記憶・圧縮・安全という職場インフラを担う。CAGが受託で標準化している5点＝worktree（机）/AGENTS.md・docs/TASKS（就業規則）/repo記憶（資料棚）/レビューゲート（上司）/MCP権限の棚卸し（鍵）も一次情報として紹介。結論は足し算でなく掛け算＝強いモデル×整った作業環境。モデル比較だけ見ている人はAI開発の作業台を見落としている。数値は公式/GitHub上の主張でCAG非検証。

甲斐ショウジ12分で読めます
技術AI駆動開発コーディングエージェントAGENTS.mdworktreeMCPGitHub CopilotCodex
技術GPT-5.6 Sol を、分かりやすく ──新モデルで本当に見るべきは「出し方」だった

GPT-5.6 Sol を、分かりやすく ──新モデルで本当に見るべきは「出し方」だった

OpenAIが2026年6月26日に限定プレビューを公開した次世代モデルGPT-5.6（フラッグシップの呼び名がSol、ほかにTerra/Luna）。新モデルはつい「どのベンチで勝ったか」で見がちだが、今回いちばん面白いのは性能表より“出し方”のほうだ。いきなり全公開せず、信頼できるパートナーへの限定プレビュー→API/Codex先行→広い展開と段階を踏み、System Card・自動レッドチーミング（A100換算 約70万GPU時間・自己申告値）・リアルタイム監視という層で囲んで出した。System Cardはサイバー/生物・化学を「High capability（Criticalには未到達）」と分類し、エージェント的コーディングでGPT-5.5より“ユーザー意図を超える行動”が増える傾向も正直に明記。max reasoning／ultra mode（サブエージェント活用）、Sol価格は入力$5・出力$30（100万トークンあたり）、Cerebras上で最大750トークン/秒（2026年7月・一部顧客から予定）。だから差がつくのは“最強モデルを選ぶ眼”でなく、強いモデルを安全に現場へ入れる運用の型——承認ゲート・権限の絞り込み・旧新の差分検証だ。新モデルが来たら、ベンチの順位を眺める前に自分の代表タスクを旧新で走らせ「賢くなったか」より「自分の作法を守れるか」を確かめる。情報紹介記事（数値はOpenAI公式・System Cardの主張に基づきCAG非検証）。

甲斐ショウジ11分で読めます
技術OpenAIGPT-5.6CodexモデルリリースAIエージェント情報紹介
技術AI動画は「プロンプト一発」から「HTMLで作る」へ ──HeyGenの“HyperFrames”という、動画をコードにする新しい潮流

AI動画は「プロンプト一発」から「HTMLで作る」へ ──HeyGenの“HyperFrames”という、動画をコードにする新しい潮流

「AIで動画」と聞くと、プロンプトを打てば数十秒で動画が出てくる体験を思い浮かべる。でも仕事で困るのは最初の生成でなく、直せるか・前と同じものを作れるか・ブランドを守れるか・どこを変えたか分かるか、のほう。HeyGenが公開したOSS「HyperFrames」が面白いのは、動画を魔法の出力でなくHTML/CSSで書く“コード”として扱う点。GitHubで公開数か月で3万超スター、Apache-2.0、npm v0.7.14（CAG非検証・公式/GitHubベース）。AIコーディングエージェント（Claude Code/Cursor/Codex等）から使う前提で、企画DESIGN.md→台本SCRIPT.md→絵コンテSTORYBOARD.md→HTML作成→lint/snapshotチェック→render の工程をskill（19個）として進める。diffで差分・lintで不備・snapshotで見た目確認・同じ入力で同じ動画＝Video-as-Code。Reactで動画のRemotionに対しHTML中心の別の賭け（置き換えでなく用途で選ぶ）。リリース/PR/ニュース/提案/SNSのテンプレ量産に向く。ただし一発で高品質ではない・目視チェック必須・Node22/FFmpeg/フォントの準備・クラウドやTTSは有料枠、という注意も。情報紹介記事。

甲斐ショウジ9分で読めます
技術動画生成HyperFramesVideo-as-CodeAIエージェント情報紹介
技術MCPは「便利な拡張機能」ではなく、AIに何を触らせるかの“権限レイヤー”だ ──GitHubが企業研修にした日、AI導入は“統制の設計”になった

MCPは「便利な拡張機能」ではなく、AIに何を触らせるかの“権限レイヤー”だ ──GitHubが企業研修にした日、AI導入は“統制の設計”になった

GitHubのExpert Servicesに「Copilot Agents and MCP」という4時間の企業向けトレーニングが載った。扱うのはCopilot Coding Agent・Agent mode・MCP servers、前提はGitHub Enterprise Cloud、目的にsecurity/complianceが入る。これはMCPが「開発者がローカルで試す便利ツール」から「会社が管理すべきAIエージェントの権限レイヤー」へ移ったサインだ。GitHub Docsでは、MCP設定後にCopilotがツールを自律利用し承認を求めないこと、リポジトリ単位のMCP設定がcloud agentとcode reviewに共有されることが明記されている＝個人の趣味設定でなくrepo governance。だから設計対象はagentの作り方でなく、5層（作業契約＝AGENTS.md／権限＝MCP／専門手順＝skills／検証＝hooks/eval/CI/review／記録＝logs/監査）。CAGはkai_wikiをMCPで配線し「読むのは自由・書けるのは決められた場所だけ」で運用、GMJ案件ではRLS・tenant分離・メール送信など危険な境界を最初に切る一次情報から、自社リポの棚卸し（Agent Readiness Audit）を提示。外部の機能はGitHub公式ベースでCAG非検証。

甲斐ショウジ10分で読めます
技術AIエージェントMCPGitHub CopilotAI導入ガバナンス解説
技術AIエージェントは、チャット欄から「チームの作業場」に引っ越した ──Claude Tagが示す、次の競争軸は“作業場設計”

AIエージェントは、チャット欄から「チームの作業場」に引っ越した ──Claude Tagが示す、次の競争軸は“作業場設計”

2026-06-23、AnthropicがClaude Tagを発表した。Slackに@Claudeとして常駐し、選んだチャンネルとツールの文脈でタスクを受けるTeam/Enterprise beta。これを「SlackでClaudeが使える」と読むと半分しか見えない。本当に動いたのは、AIのUIが個人のチャット欄からチームの作業場へ引っ越したことだ。SlackのAgentforce、GitHubの社内分析agent Qubot、Claude Codeのauto modeも同じ地点へ寄っている。すると次の競争軸はpromptの上手さではなく、席（どのチャンネルか）・記憶・権限・監査ログ・担当範囲・成果物の置き場という“作業場設計”になる。CAGはLINE WORKSのトークルームに常駐するナレッジBotを実装してきた一次情報から、難所はAIの賢さでなく“何を知識として取り込むか”の境界だと知っている。メタ会話をingest段階で分離し、確定値をコードのガードで保護する。常駐AIを置く前のチェックリスト（席/記憶/権限/監査/担当/成果物）を提示。外部製品の機能・数値は各社公式・報道ベースでCAG非検証。

甲斐ショウジ10分で読めます
技術AIエージェントClaude Tag作業場設計AI導入解説
技術「どのモデルが最強か」はもう古い ──Sakana Fuguが見せた、AIを束ねる”司令塔”の競争

「どのモデルが最強か」はもう古い ──Sakana Fuguが見せた、AIを束ねる”司令塔”の競争

「GPT・Claude・Geminiどれが最強か」はそろそろ古くなる。Sakana AIが2026-06-22にGA公開したFugu / Fugu Ultraが面白いのは、新しい巨大モデルを作ったからでなく、複数の強いモデルをどう呼び分け協調させるかを“モデルそのもの”にした点だ。モデル選択・役割分担・検証・やり直しを、外側のコードでなく学習済みの司令塔（coordinator）へ寄せる。OpenAI互換APIでbase_url/modelの差し替えで試せ、Codex CLIにはcodex-fuguラッパー。ルーターでもMixtureでもなく、TRINITY/Conductor基盤で役割（Thinker/Worker/Verifier）と協調・自己再帰を学習。ただし第三者初日検証では、軽いコード生成でfugu 55秒/2,141トークン vs fugu-ultra 269秒/28,950トークン（司令塔トークン込み）で品質差は限定的＝軽い仕事にUltra常用は割に合わない。司令塔トークンは可視だがモデル別呼び出しは見えず監査に不足しうる。導入軸はquality/latency/cost/traceability/governance、置き換えでなくadvisor/fallback/benchmarkとして測ってから。数値は各社公式主張/初日小サンプルでCAG非検証。

甲斐ショウジ11分で読めます
技術AIエージェントオーケストレーションSakana AIAI導入解説
技術「たくさん書けるAI」から「無駄を書かないAI」へ ──Agent Minimalism、上手さはAIに余計な仕事をさせないことへ

「たくさん書けるAI」から「無駄を書かないAI」へ ──Agent Minimalism、上手さはAIに余計な仕事をさせないことへ

AIコーディングを使い込むと、悩みが「書けない」から「書きすぎ」に変わる。読ませるログが長すぎる、差分が大きすぎてレビューできない、標準機能で済むのに自作する——生成能力が飽和したあと残るのは“無駄”だ。2026年6月、この課題に別角度から答えるツールと研究が並んだ。入口を絞るheadroom（渡す前に文脈を圧縮・60〜95%削減は公式claim）、出口を絞るponytail（書く前にYAGNI→標準→最小実装を問う判断階段・平均−54%LOC等は自己ベンチ）、過程を測るHugging Face（最終答えでなくturns/tokens/errors/traceを測る）。鍵は「少ないコード≠雑なコード」——削っていいのは儀式と重複、削ってはいけないのは検証・セキュリティ・アクセシビリティ。AGENTS.mdに判断階段と測り方を契約として落とし、安全は別ゲートにする実装案まで。数値は各プロジェクトの公式claim/自己評価でCAG非検証、「Agent Minimalism」は本記事の整理概念。

甲斐ショウジ10分で読めます
技術AI駆動開発AIエージェント開発手法トークン最適化解説
技術AIエージェント時代、強いリポジトリは「AGENTS.md」を持っている ──CopilotがレビューにAGENTS.mdを読み始めた日

AIエージェント時代、強いリポジトリは「AGENTS.md」を持っている ──CopilotがレビューにAGENTS.mdを読み始めた日

AIコーディングの差は、もう「どのモデルか」だけではない。効くのは「そのリポジトリが自分の作法をAIに渡せているか」だ。賢いAIほど、リポジトリ固有のルール（日本語で返す/RLSを確認/秘密値を出さない/公開後の確認）を知らないと堂々と間違える。2026年6月、各社が同じ“指示の層”に寄ってきた——GitHub Copilotのコードレビューが AGENTS.md を読み始め、Codexは作業前に命令チェーンを組み、Microsoft AgentRC はリポジトリのAI対応度を計測。AGENTS.md は「AI向けREADME」ではなく、setup/test/secret/権限/完了条件を渡す“作業契約＝運用OS”だ。何を書くか（言語/スタック/コマンド/安全/Done）、私たちが各リポに持たせている一次情報、そして万能論への釘（skills/MCP/eval/人のレビューとセット・秘密値は書かない）まで。外部仕様はCAG非検証＝公式発表ベース。

甲斐ショウジ11分で読めます
技術AI駆動開発AIエージェントAGENTS.md開発手法解説
技術「人間が読むWiki」から「AIが引き継ぐ知識」へ ──Google CloudのOKFが名付けた、AIエージェント時代の知識設計

「人間が読むWiki」から「AIが引き継ぐ知識」へ ──Google CloudのOKFが名付けた、AIエージェント時代の知識設計

AIエージェントを毎日使うと、すぐ壁に当たる。モデルは賢いのに、前提・過去の決定・正本・禁止事項を読めないと使えない。足りないのは長いプロンプトでなく「引き継げる知識」だ。Google Cloudが公開した Open Knowledge Format（OKF v0.1）は、知識を Markdown＋YAML frontmatter＋ディレクトリのvendor-neutralな“束”として表す仕様で、この感覚に名前を与えた。私たちは人間とAIが共同編集するMarkdownナレッジベースを日々運用しており、OKFは「ずっとやってきたこと」に共通語がついた感覚。ただし正本はObsidian最適のまま、export層でwikilink→通常リンク・category→type・description補完して書き出すのが安全（実際にOKF互換ページを試作）。企業ナレッジをagent-readyにする導入支援の角度、v0.1 Draft/形式は質を上げない/機密のレーン分けという留保まで。外部仕様はCAG非検証＝公式発表ベース、ナレッジ運用は自社一次情報。

甲斐ショウジ11分で読めます
技術AI駆動開発ナレッジ管理MarkdownGoogle Cloud解説