株式会社ずんだもん技術室AI放送局 Podcast By 株式会社ずんだもん技術室AI放送局 cover art

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

By: 株式会社ずんだもん技術室AI放送局
Listen for free

About this listen

 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)
Episodes
  • 株式会社ずんだもん技術室AI放送局 podcast 20250625

    株式会社ずんだもん技術室AI放送局 podcast 20250625
    Jun 24 2025
    関連リンク Claude Codeとplaywright mcpを連携させると開発体験が向上するのでみんなやろう この記事では、AI開発ツール「Claude Code」と、ブラウザ操作を自動化する「Playwright MCP」を連携させることで、開発効率が大きく向上するという実践的な方法が紹介されています。 Playwright MCPは、Webブラウザ（Chromeなど）をプログラムから操作するためのツール「Playwright」を、AIアシスタントから利用できるようにしたものです。この連携の最大のメリットは、Claude Codeが生成したコードが実際に動作するかを、その場でブラウザを使って自動的に確認できるようになる点にあります。 これまでのAI開発では、「Claude Codeが『できました！』と言うけれど、実際に動かしてみるとエラーだらけで全然動かない…」という経験が少なくありませんでした。しかし、Playwright MCPと連携させることで、Claude Codeがコードを生成した後、すぐにPlaywright MCPを使ってそのコードをブラウザで実行し、期待通りに動くか確認できるようになります。これにより、開発者がコードを試す前にAIが自己デバッグを行うようになるため、「想像でコードを書く→動かない→修正」という非効率なループから抜け出し、「想像でコードを書く→ブラウザで試す→動くことを確認してから提出」という、よりスムーズで信頼性の高い開発フローを実現できます。特に、WebページのUI（ユーザーインターフェース）の動作確認など、AIが苦手としがちなタスクでの効果が期待できます。 この連携を実現するには、Claude Codeの設定ファイルにPlaywright MCPを認識させるための記述を追加する必要があります。具体的には、~/.claude.jsonや専用の設定ファイルに、Playwright MCPの実行コマンドやブラウザの起動オプションなどを設定します。また、Claude Codeに「Playwright MCPツールだけを使ってブラウザ操作を行うこと」「エラーが発生したらすぐに報告すること」といったルールを明確に指示するために、CLAUDE.mdというファイルに専用のガイドラインを追記することが推奨されています。これにより、AIが余計なコード実行を試みることなく、意図した通りのブラウザ操作に集中するようになります。 このように、Claude CodeとPlaywright MCPを連携させることで、AIを活用した開発の信頼性と効率性を飛躍的に高めることができ、新人エンジニアの方々も安心してAIと一緒に開発を進められるようになるでしょう。 引用元: https://zenn.dev/sesere/articles/4c0b55102dcc84 FilMaster: Bridging Cinematic Principles and Generative AI for Automated Film Generation この研究論文「FilMaster」は、AIを使って本格的な映画を自動で作り出す新しいシステムについて紹介しています。これまで、AIが作る映像は「映画らしさ」が足りず、カメラワークや映像と音のテンポ（映画的なリズム）が単調になりがちでした。これは、プロの映画制作で重要とされる「映画制作の原則」が十分に反映されていなかったためです。 FilMasterは、この課題を解決するために開発されました。このシステムは、以下の2つの主要な考え方に基づいて作られています。 実際の映画から「映画らしさ」を学ぶ: 膨大な量の映画データから、プロが使うカメラワークや演出のノウハウをAIに学習させます。観客目線で「編集作業」を再現する: 映画制作における撮影後の編集（ポストプロダクション）プロセスを、観客がどう感じるかを重視してAIが行うように設計されています。 FilMasterの映像生成プロセスは、大きく2つの段階に分かれています。 1. 参照ガイド付き生成ステージ: ユーザーが入力した内容（例えば「こんなシーンを作りたい」という指示）をもとに、AIが実際のビデオクリップを生成します。この段階では、44万もの映画クリップのデータベースを参照し、そこから最適な「お手本」を探し出して、プロのようなカメラの動きやアングル（カメラ言語）を持つ映像を作り出すのが特徴です。まるで、優秀なアシスタントが過去の名作からヒントを得て映像のアイデアを出してくれるようなイメージです。 2. 生成ポストプロダクションステージ: 生成された「生の映像素材」を、さらに映画らしく編集する段階です。ここでは、...
    Show more Show less
    Less than 1 minute
  • 株式会社ずんだもん技術室AI放送局 podcast 20250624

    株式会社ずんだもん技術室AI放送局 podcast 20250624
    Jun 23 2025
    関連リンク AI Agent Manager (AAM) として生きていく : 作業環境とワークフローの設計 この記事は、AI Agent（AIアシスタント）が開発現場の主役になる未来を見据え、人間のエンジニアが「AI Agent Manager (AAM)」という新しい役割を担う可能性について解説しています。これは、まるで人間の上司が部下をマネジメントするように、AI Agentを管理する仕事が中心になる、という考え方です。 AAMの仕事は、従来のエンジニアが直接コードを書くこととは少し違います。AI Agentが効率的に開発を進められるように、以下のような管理業務が主な役割になります。 AI Agentに仕事の目的を伝えるプロジェクトやタスクの背景など、必要な情報を丁寧に教えてオンボーディングするAI Agentの進捗を管理する計画や成果物を評価する作業プロセスを改善するためのPDCAサイクルを回す この記事では、AAMとして特に重要な「働く環境の整備」と「ワークフローの設計」という2つのノウハウが共有されています。 1. AI Agentが働く環境の整備 AI Agentの主な作業場所はGitリポジトリになります。人間はリポジトリ外の情報（デザインツールやチャットなど）から多くのヒントを得ますが、AI Agentはそうではありません。そのため、AI Agentに必要な情報を漏れなく与える「コンテキストの付与」が非常に大切です。これには、リポジトリ内にルールやガイドラインをまとめたファイル（例：CLAUDE.md）を置いたり、タスク固有のメモをリポジトリから除外されるフォルダに保存したり、さらに外部の情報源にアクセスできる「MCP Server」と呼ばれる仕組みを充実させたりする方法があります。特に、会社やチーム全体でルールを統一し、AI Agentがどこでも効率的に働けるようにMCP Serverを拡充することが重要だと述べられています。 2. AI Agentのワークフロー設計 AI Agentに仕事をさせるための「手順」を設計することもAAMの重要な仕事です。記事では、リポジトリの初期設定から、タスクの立ち上げ、必要な情報の読み込み、実装方針の検討、依存関係の学習、実際のコード実装、テスト、そして作業の振り返りまで、具体的な8つのステップが提案されています。それぞれのステップで、AI Agentに適切な指示（プロンプト）を与えることが求められます。特に、AI Agentに「カスタムコマンド」としてこれらの指示を登録し、決まった手順で実行させることで、効率的に作業が進むようになります。AI Agentが意図しない動きをした場合は、振り返りを通じてプロンプトやルールを改善していくことが大切です。 将来的に、AAMにはAI Agentの能力を最大限に引き出し、開発の生産性を向上させるスキルが求められます。具体的には、複数のAI Agentが同時に作業できる環境を整えたり、新しいAgentでもすぐに仕事に取りかかれるように準備したり、AI Agentが常に必要な情報を得られるようにしたり、開発コストを最適化したりする能力です。また、AI Agentが正しいコードを書き、質の高いレビューができるように、コマンド設計やワークフローの改善、さらにはAIモデル自体の性能を高める「チューニング」に関する知識も重要になると提言されています。 この記事は、AI Agentが開発の中心となる未来において、エンジニアがどのように活躍し、自身のスキルを磨いていくべきか、新しい視点を提供してくれるでしょう。 引用元: https://qiita.com/icoxfog417/items/f15e92f05b14411fd642 LiteLLMを使ったLLMの集約 & 簡易的なKey管理 + langfuse添え LLM（大規模言語モデル）の利用が広がる中で、OpenAIやClaude、Azure OpenAIなど様々なプロバイダーのLLMを使うと、それぞれAPIの形式が異なったり、APIキーの管理が複雑になったりして困ることがあります。この記事では、こうした課題を解決する「LiteLLM」というツールと、その便利な機能について、新人エンジニアの方にも分かりやすく解説します。 LiteLLMとは？ LiteLLMは、複数のLLMプロバイダーへのアクセスを「統一された窓口」として提供するオープンソースのソフトウェアです。これを「LiteLLM Proxy Server」として動かすことで、異なるLLMのAPI形式の違いを意識することなく、OpenAIと同じような形式でリクエストを送れるようになります。...
    Show more Show less
    Less than 1 minute
  • マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20250623

    マジカルラブリー☆つむぎのピュアピュアA.I.放送局 podcast 20250623
    Jun 22 2025
    関連リンク GitHub Copilotの「Agent mode」が正式リリース、MCPはプレビュー版提供開始 「GitHub Copilot」というAIアシスタントが、エンジニアの開発作業を強力にサポートする新機能「Agent mode（エージェントモード）」を正式にリリースしました。さらに、AIがさまざまな外部ツールと連携するための新しい技術「Model Context Protocol（モデルコンテキストプロトコル、略してMCP）」のプレビュー版も提供が開始されています。 GitHub Copilot「Agent mode」とは？ これまでのGitHub Copilotは、皆さんがコードを書くときに「Ask mode」として、質問に基づいてコードの候補を提案する機能が中心でした。しかし、今回正式リリースされた「Agent mode」は、さらに進化したAIのサポートを提供します。 Agent modeでは、「この機能を追加してほしい」「このバグを修正してほしい」といった、より大きな開発タスクをCopilotに指示できます。すると、Copilot自身がそのタスクをどう進めるか計画を立て、コードの解析や編集、コマンドの実行、エラーへの対応、自己修正といった一連の作業を自動で繰り返しながら、タスクを最初から最後まで自律的に処理してくれます。まるで、AIがあなたの隣でペアプログラミングをしてくれるようなイメージです。 もちろん、AIが勝手にすべてを進めるわけではありません。皆さんは、AIが進めている作業内容を途中で確認したり、必要であれば内容を編集したり、作業を元に戻したりと、AIの進行をコントロールすることが可能です。これにより、開発者はより複雑なタスクをAIに任せつつ、最終的な品質を自身で管理できるようになります。 「Model Context Protocol（MCP）」とは？ 現在プレビュー版が提供されているMCPは、AIエージェントが、さまざまな外部ツールやサービスと標準的な方法で連携できるように設計された技術です。 将来的には、データベース、CI/CD（継続的インテグレーション/継続的デリバリー）、モニタリングシステムなど、開発で使う多種多様なツールとAIがスムーズに連携できるようになることが期待されています。これにより、開発環境がさらに強化され、AIがより広範囲な作業を自動でこなせるようになる可能性があります。MCPはオープンソースとして公開され、Visual Studioなどの開発ツールでmcp.jsonファイルを使って設定することができます。 その他の便利なアップデート 今回のアップデートでは、他にもいくつかの機能が追加されました。AIへの指示（プロンプト）をファイルとして保存し、再利用したりチームで共有したりできるようになりました。また、より高性能なAIモデルである「Gemini 2.5 Pro」や「GPT-4.1」にも対応し、より賢いコード提案やタスク処理が期待できます。さらに、AIの出力結果を確認しやすくなる「出力ウィンドウ参照機能」も追加され、使い勝手が向上しています。 これらの新しい機能は、GitHub Copilotが単なるコード補完ツールから、開発プロセス全体を支援する強力なAIアシスタントへと進化していることを示しています。新人エンジニアの皆さんも、これらのAIツールを上手に活用することで、日々の開発作業をより効率的に、そしてより楽しく進めることができるでしょう。 引用元: https://codezine.jp/article/detail/21768 データ分析領域へのLLM導入動向（各分析ソリューション会社の動き） データ分析の分野で、AI、特に「大規模言語モデル（LLM）」の導入が急速に進んでいます。これにより、これまで専門家だけが行っていたデータ分析が、より多くの人が手軽に、そして効率的にできるようになりつつあります。データ分析はどんな企業でも非常に重要で、市場規模も大きいため、GoogleやAmazonといった大手テクノロジー企業もこぞってLLMを使った新しいデータ分析ソリューションの開発に力を入れています。 最近の大きなトレンドの一つが、自然な日本語の質問から、データベースを操作するための専門言語である「SQL」のコードを自動で生成する「Text-to-SQL」という技術です。これにより、プログラミングの知識がないビジネス担当者でも、「先月ニューヨーク市のクリニックを訪れた糖尿病患者数は？」といった具体的な質問...
    Show more Show less
    Less than 1 minute
adbl_web_global_use_to_activate_webcro805_stickypopup
No reviews yet