はてなブックマーク

「Google AI Studio」のバイブコーディング機能でアプリ作成を試したのでまとめました。 前回 1. 作成したいアプリのプロンプトを考える(1) 作成したいアプリのプロンプトをざっくり考える。 あたえられた議題に対して、3人のペルソナがそれぞれ5回ずつ発言して、その会話ログから議事録を作成するアプリを作成します。 # 入力 - 議題 - ペルソナ1の画像 - ペルソナ1のシステムプロンプト - ペルソナ2の画像 - ペルソナ2のシステムプロンプト - ペルソナ3の画像 - ペルソナ3のシステムプロンプト # 出力 - 会話ログ - 議事録 会話中は、3人が議論しているようすを、1発話ずつ表示することで表現してください。 (2) Geminiにリファインしてと依頼。 自分の好みにあわせて微調整も行います。 議題に対して、3人のペルソナがそれぞれ5回ずつ発言して、その会話ログから議事

以下の記事が面白かったので、簡単にまとめました。 ・Leveling up your developer experience in Google AI Studio 1. Google AI Studio のアップデート「Google AI Studio」では、使い勝手を向上させ、ワークスペースを統合し、さらに多くの制御機能を提供するために、一連のアップデートを実施しました。 1-1. モデルの選択新しい「Playground」は、Googleの最新AIモデルをより簡単に切り替えられるようになりました。「Gemini」「GenMedia」「TTS」「Live」をすべて1つの統合された画面で使用できるため、画面を切り替えたりタブを移動したりすることなく、スムーズに作業を進めることができます。また、チャットUI全体を改良し、一貫性を向上させました。これにより、どの会話でも同じ操作で利用できま

1. Google AI Studio のバイブコーディング機能「Google AI Studio」に全く新しいAIを活用したコーディング体験が可能なバイブコーディング機能をリリースしました。APIキーの管理やモデルの連携方法を考える必要なく、プロンプトを入力するだけで数分以内に動作するAIアプリを作成できるように設計されています。 2. 1つのプロンプトでAIを活用したアプリを作成1つのプロンプトでAIを活用したアプリを作成することができます。 ・Veoでスクリプトから動画を生成 ・Nano Bananaでコマンド1つで強力な画像編集ツールを構築 ・Google検索で情報源を確認できる究極のライティングアプリを作成 クリエイティブなひらめきが必要な時は、「I'm Feeling Lucky」ボタンをクリックしてください。アイデア実現をサポートします。 3. ギャラリーでインスピレーション

以下の記事が面白かったので、簡単にまとめました。 ・Introducing ChatGPT Atlas 1. ChatGPT Atlas本日、ChatGPTをコアに構築した新しいWebブラウザ「ChatGPT Atlas」をリリースしました。 「Atlas」を使えば、ChatGPTはWeb上のどこにいてもあなたと一緒にいられます。あなたが現在いるウィンドウで、あなたがしようとしていることを理解し、タスクを完了してくれます。しかも、コピー＆ペーストしたり、ページを離れたりする必要はありません。ChatGPTメモリが内蔵されているため、過去のチャットや詳細を会話に活用して、新しいことに取り組むことができます。 「Atlas」を使い続けることで、ChatGPTはさらに賢くなり、より便利になります。ブラウザメモリにより、ChatGPTは訪問したサイトのコンテキストを記憶し、必要な時にそのコンテキス

以下の記事が面白かったので、簡単にまとめました。 ・Claude Code on the web 1. Web版 Claude Code本日、Web版 Claude Code をリリースしました。ブラウザから直接コーディングタスクを委任できる新しい方法です。 現在、リサーチプレビューとしてベータ版を提供しており、Anthropicが管理するクラウド上で実行される Claude に、複数のコーディングタスクを割り当てることができます。これにより、バグ修正のバックログ対応や定期的なメンテナンス、並行開発の効率化に最適です。 2. コーディングタスクの並行実行Web版 Claude Codeを使えば、ターミナルを開かずにコーディングセッションを開始できます。GitHubリポジトリに接続し、必要な内容を記述するだけで、Claudeが実装を処理します。 各セッションは独立した環境で実行され、リアルタ

以下の記事が面白かったので、簡単にまとめました。 ・Introducing Claude Skills 1. Claude Skills の概要「Skills」は、「Claude」が必要に応じて読み込むことができる「指示」「スクリプト」「リソース」を含むフォルダです。 「Claude」は、手元のタスクに関連する場合にのみ「Skills」にアクセスします。「Skills」を使用すると、Excel での作業や組織のブランドガイドラインの遵守といった特殊なタスクをより効率的に実行できるようになります。 Claudeアプリでは、スプレッドシートやプレゼンテーションなどのファイルを作成するために「Skills」が使われているのを既に知っていると思います。これからは、独自の「Skills」を作成し、Claudeアプリ、Claude Code、APIで利用できるようになります。 2. Claude Sk

OpenAI Apps SDKのアプリのユースケースについてまとめました。 ・Research use cases - Apps SDK 1. ユースケースから始める理由成功する ChatGPTのアプリは例外なく、ユーザーが「何を達成したいのか」を明確に理解するところから始まります。ChatGPT におけるアプリの発見はモデル駆動型であり、ユーザーのプロンプトや記憶に基づき、ツールのメタデータ・説明・過去の使用履歴が一致した場合にアプリを提案・選択します。 したがって、アプリが正しく認識・起動されるためには、「モデルがどんなタスクを理解すべきか」「どんな成果を提供できるか」をあらかじめ明確にマッピングしておくことが不可欠です。 このページでは、チームでユースケースの仮説を整理し、プロンプトによるプレッシャーテスト (想定利用シナリオの実験) を行い、ツール定義やUIコンポーネント設計をはじ

以下の記事が面白かったので、簡単にまとめました。 ・Building MCP servers for ChatGPT and API integrations 1. はじめに「MCP」は、AIモデルに追加ツールや知識を拡張するための業界標準となりつつあるオープンプロトコルです。「リモートMCPサーバ」は、インターネット経由でモデルを新しいデータソースや機能に接続するために使用できます。 このガイドでは、プライベートデータソース (ベクターストア) からデータを読み取り、API経由でChatGPTで利用する「リモートMCPサーバ」の構築方法について説明します。 【注意】開発者モードベータ版では、完全なMCPコネクタを構築して使用できます。ProおよびPlusユーザーは、「設定 → コネクタ → 詳細設定 → 開発者モード」を有効化してください。 2. データソースの設定「リモートMCPサーバ

以下の記事を簡単にまとめました。 ・Customize Claude Code with plugins 1. Claude Code のプラグイン「Claude Code」の「プラグイン」とは、スラッシュコマンド・エージェント・MCPサーバ・フックをカスタムコレクションとしてまとめたものです。 ・スラッシュコマンド 頻繁に使用する操作のカスタムショートカットを作成 ・サブエージェント 特殊な開発タスク向けに構築されたエージェントをインストール ・MCPサーバ モデルコンテキストプロトコルを介してツールやデータソースに接続 ・フック ワークフローの重要なポイントで Claude Code の動作をカスタマイズ 現在パブリックベータ版となっている /plugin コマンドを使用して、「Claude Code」内から直接プラグインをインストールできます。プラグインは必要に応じてON/OFFを切

OpenAI Apps SDKのアプリのMCPサーバの準備手順をまとめました。 ・Set up your server - Apps SDK 1. はじめに「MCP サーバ」は、すべての「Apps SDK」統合の基盤 となります。モデルが呼び出せるツールを公開し、認証を強制し、構造化データとコンポーネント HTML をパッケージ化して ChatGPT クライアントがインラインでレンダリングできるようにします。 このガイドでは、Python および TypeScript の例を用いながら、MCP サーバのコア構成要素を順に解説します。 2. SDKの選択「Apps SDK」は、MCP仕様を実装したあらゆるサーバで動作しますが、公式SDKの利用が推奨されます。 ・Python SDK (公式) ・高速なプロトタイピングに最適。 ・公式の FastMCP モジュールが同梱されている。 ・リポジト

以下の記事が面白かったので、まとめました。 ・Gemini CLI extensions 1. Gemini CLI extensions「Gemini CLI extensions」は、「Gemini CLI」をカスタマイズし、最もよく使うツールとコマンドラインから接続できる新しいフレームワークです。「extension」は、「MCPサーバ」「カスタムコマンド」「コンテキストファイル」をシンプルなパッケージにまとめたものです。Geminiにツールの使い方を教えます。 Google が提供するextensionsに加え、業界リーダーやオープンソースコミュニティが提供するextensionsにアクセスできます。 extensionsのインストールは簡単です。コマンドラインから「gemini extensions install <GitHubのURL またはローカルパスを追加>」と入力するだ

以下の記事が面白かったので、簡単にまとめました。 ・Introducing the Gemini 2.5 Computer Use model 1. Gemini 2.5 Computer Use「Gemini 2.5 Computer use」は、「Gemini 2.5 Pro」の視覚理解・Reasoning機能を基盤として構築された、UIを操作できるエージェントを実現する新しい専用モデルです。このモデルは、複数のWebおよびモバイル制御ベンチマークにおいて、主要な代替モデルを凌駕し、しかも低レイテンシを実現しています。 2. 仕組みこのモデルのコア機能は、「Gemini API」の新しいcomputer_useツールを通じて公開され、ループ内で操作されます。このツールへの入力は、ユーザーリクエスト、環境のスクリーンショット、最近のアクション履歴です。入力では、サポートされているUIアク

OpenAI Apps SDKのアプリのデザインガイドラインをまとめました。 ・App design guidelines - Apps SDK 1. ChatGPTのアプリのデザインガイドライン「アプリ」は、ChatGPT内で動作する開発者が構築した体験です。会話の流れを中断することなく、ユーザーの操作を拡張します。軽量カード、カルーセル、全画面表示、その他の表示モードを通じて表示され、ChatGPTのインターフェースにシームレスに統合されながら、明瞭性、信頼性、そして音声性を維持します。 2. ベストプラクティス2-1. ベストプラクティス「アプリ」は、会話の流れを中断することなくChatGPT内で直接、ユーザーが意味のあるタスクを実行できるようにすることで、最も価値を発揮します。目標は、一貫性があり、便利で、信頼できる体験を設計しながら、ChatGPTを真の価値を付加する方法で拡張す

以下の記事が面白かったので、簡単にまとめました。 ・Sora 2 Prompting Guide 1. プロンプトする前に「プロンプト」は、ストーリーボードを見たことがない撮影監督に指示を出すようなものです。詳細を省略すると、彼らは即興で作業することになり、思い描いた通りの結果が得られない可能性があります。ショット (映像のカット) で何を達成すべきかを具体的に伝えることで、モデルにより多くのコントロールと一貫性を与えることができます。 しかし、一部の詳細を伏せておくことも同様に効果的です。モデルにより多くの創造的自由を与えることで、驚くべきバリエーションや、予想外の美しい解釈が生まれる可能性があります。どちらのアプローチも有効です。 「詳細なプロンプト」はコントロールと一貫性を与え、「簡潔なプロンプト」は創造的な結果を生み出す余地を残します。 適切なバランスは、制作者の目標と目指す結果に

以下の記事が面白かったので、簡単にまとめました。 ・Introducing apps in ChatGPT and the new Apps SDK 1. はじめに「Apps in ChatGPT」は、ChatGPT内でチャットできる新世代のアプリです。ChatGPTが適切なタイミングでアプリを提案したり、名前を呼ぶことで、アプリを見つけることができます。アプリは自然言語に反応し、チャット内で直接使用できるインタラクティブなインターフェースを備えています。 開発者は、「MCP」を基盤とした「Apps SDK」を使用して、本日からアプリの開発とテストを開始できます。開発を始めるには、ガイドラインとサンプルアプリに関するドキュメントを参照してください。その後、ChatGPTの開発者モードを使用してアプリをテストしてください。 今年後半には、アプリの審査と公開の受付を開始し、開発者がアプリを収益

以下の記事が面白かったので、簡単にまとめました。 ・Introducing AgentKit 1. はじめに「AgentKit」は、エージェントを構築・展開・最適化するための包括的なツールセットです。エージェントの構築には、断片化されたツールを巧みに組み合わせる必要がありました。バージョン管理のない複雑なオーケストレーション、カスタムコネクタ、手動による評価パイプライン、プロンプトチューニング、リリース前の数週間に及ぶフロントエンド作業などです。「AgentKit」を使用すると、開発者はワークフローを視覚的に設計し、次のような新しいビルディングブロックを使用して、エージェントUIをより迅速に組み込むことができます。 ・Agent Builder マルチエージェントのワークフローの作成とバージョン管理のためのビジュアルキャンバス ・Connector Registry 管理者がOpenAI製

以下の記事が面白かったので、簡単にまとめました。 ・Claude and Slack 1. Claude と Slack の連携「Claude」と「Slack」を連携するには2つの方法があります。 ・Slack 用 Claude アプリ（Slack に Claude を追加） ・Claude 用 Slack コネクタ（Claude に Slack を接続） ClaudeとSlackを深く統合することで、ユーザーは好きな場所で仕事を進められます。Slack 上で Claude に助けを求めたり、リサーチや文脈把握のために Claude が Slack のデータを参照したりできます。重要なメッセージへの返信案を下書きしたり、会議準備のために関連する会話を集めたり、共有ドキュメントを分析したり、すべてユーザーが普段使っている場所で実行できます。 2. Slack 用 Claude アプリ（Sla

以下の記事が面白かったので、簡単にまとめました。 ・Building agents with the Claude Agent SDK 1. はじめにここ数ヶ月、「Claude Code」はコーディングツールの枠をはるかに超える存在へと成長しました。Anthropicでは、深層学習、動画作成、メモ作成など、コーディング以外の様々な用途に活用しています。 つまり、「Claude Code」を支えるエージェントハーネス「Claude Code SDK」は、他の多くの種類のエージェントにも活用できるということです。この幅広いビジョンを反映するため、「Claude Code SDK」を「Claude Agent SDK」に名称変更します。 この記事では、「Claude Agent SDK」を開発した理由、それを使って独自のエージェントを構築する方法、そしてベストプラクティスを紹介します。 2. C

以下の記事が面白かったので、簡単にまとめました。 ・Sora 2 is here 1. Sora2本日、動画・オーディオ生成モデル「Sora 2」をリリースしました。 2024年2月にリリースされた「Sora」は、動画における「GPT-1」とも言える瞬間でした。「Sora 2」は、動画における「GPT-3.5」とも言える瞬間に突入するでしょう。 従来の動画生成モデルは、現実を歪めてでも「成功」を描こうとするため、物体が不自然に変形したりテレポートしたりすることがありました。一方「Sora 2」では、失敗も自然に再現されます。例えばバスケのシュートが外れれば、ボールは正しくバックボードに当たり跳ね返ります。興味深いのは、モデルの「ミス」が、内部で想定されているエージェント自身の行動ミスとして表れる点です。まだ完全ではないものの、物理法則の整合性が従来より向上しており、成功だけでなく失敗も含め

以下の記事が面白かったので、簡単にまとめました。 ・Introducing Claude Sonnet 4.5 1. Claude Sonnet 4.5「Claude Sonnet 4.5」は、世界最高のコーディングモデルです。複雑なエージェントを構築するための最強のモデルであり、コンピュータを活用するための最良のモデルでもあります。そして、推論と数学において大幅な進歩を示しています。 製品群もアップグレードしました。 ・Claude Code 要望の多かったチェックポイントを追加しました。これにより進捗を保存し、以前の状態に即座に戻すことができます。ターミナルインターフェースを刷新し、ネイティブのVS Code拡張機能も提供しました。 ・Claude API 新しい コンテキスト編集機能 と メモリツール を追加し、エージェントがさらに長時間稼働し、より大きな複雑性を扱えるようになりまし

以下の記事が面白かったので、簡単にまとめました。 ・Powering AI commerce with the new Agent Payments Protocol (AP2) 1. Agent Payments Protocol (AP2)本日、Googleは「Agent Payments Protocol」(AP2) を発表しました。これは、主要な決済およびテクノロジー企業と共同で開発されたオープンプロトコルで、プラットフォーム間でエージェント主導の決済を安全に処理することを可能にします。このプロトコルは、「Agent2Agent」(A2A) および「Model Context Protocol」(MCP) の拡張として使用できます。業界のルールや標準に準拠することで、ユーザー、加盟店、決済プロバイダがあらゆる決済方法で安心して取引できる、決済に依存しないフレームワークを確立します。

以下の記事が面白かったので、簡単にまとめました。 ・Introducing upgrades to Codex 1. GPT-5-Codex「GPT-5-Codex」は、「Codex」のエージェントソフトウェアエンジニアリング向けにさらに最適化された「GPT-5」です。ゼロからプロジェクト全体を構築する、機能やテストを追加する、デバッグを行う、大規模なリファクタリングを実行する、コードレビューを行うといった、複雑で現実的なエンジニアリングタスクを想定して学習しています。より柔軟に操作でき、「AGENTS.md」の指示に忠実に従い、より高品質なコードを生成します。 「GPT-5-Codex」は、タスクの複雑さに応じて、思考に費やす時間をより動的に調整します。このモデルは、コーディングエージェントに不可欠な2つのスキル、開発者との対話型セッションでのペアリングと、長時間タスクにおける永続的かつ

以下の記事が面白かったので、簡単にまとめました。 ・Writing effective tools for agents — with agents 1. はじめに「MCP」は、LLMエージェントに数百もの「ツール」を提供し、現実世界のタスクを解決できるようにします。この記事では、ツールを最大限に活用するための最も効果的な手法について説明します。 まず、以下の方法について説明します。 ・ツールのプロトタイプを作成してテスト ・エージェントを用いてツールの包括的な評価を作成して実行 ・エージェントと連携してツールの性能を自動的に向上 最後に、高品質な「ツール」を作成するための重要な原則を紹介します。 ・実装する (または実装しない) 適切なツールを選択 ・機能の明確な境界を定義するためにツールに名前空間を設定 ・ツールからエージェントに意味のあるコンテキストを返す ・トークン効率を高めるため

以下の記事が面白かったので、簡単にまとめました。 ・Google AI Edge Gallery: Now with audio and on Google Play 1. はじめにGoogle I/Oカンファレンスでは、テキストと画像入力を可能にした「Gemma 3n」のプレビュー版を公開するとともに、「Google AI Edge Gallery」をGitHubでリリースしました。このオープンソースのインタラクティブな開発者向けアプリは、デバイス上で動作するAIモデルを活用したアプリケーション開発を支援するために設計されており、実践的なサンプルコード、透明性の高い性能指標、そして必要なドキュメントへのリンクなどを提供することで、開発者の創造性を刺激し、開発を促進することを目的としています。開発者コミュニティからの反響は素晴らしく、わずか2ヶ月でAPKのダウンロード数が50万回に達しまし

「RoboVerse」の概要についてまとめました。 1. RoboVerse「RoboVerse」は、スケーラブルで汎用的なロボット学習のための統一プラットフォーム、データセット、ベンチマークから構成される包括的なフレームワークです 2. RoboVerse の構成要素「RoboVerse」の構成要素は、次の3つです。 2-1. MetaSim「MetaSim」は、複数のシミュレータやロボット形態に対応し、それらを統一インタフェースによって操作可能にする抽象化基盤です。異なるシミュレータ／レンダラーも共通の設定・APIで扱えるように設計されています。

以下の記事が面白かったので、簡単にまとめました。 ・Claude can now create and edit files 1. Claudeのファイル作成機能「Claude」は、Claude.aiのウェブサイトとデスクトップアプリ上で、「Excelスプレッドシート」「文書」「PowerPointスライド」「PDF」などのファイルを直接作成・編集できるようになりました。 テキスト形式の回答やアプリ内のデータのみを受け取るのではなく、必要な内容を指示し、関連データをアップロードするだけで、すぐに使える完成度の高いファイルが生成されるようになります。 ファイル作成機能は、Max、Team、Enterpriseプランのユーザーにプレビュー版として提供中です。Proプランは数週間以内に利用可能となります。 2. 利用可能な機能「Claude」は、ユーザーの指示に基づいて実際のファイルを作成します