Scraps 最終更新 2026/11/16 11:31

AI関連ブログ記事まとめ

@na-tamura /

AIエージェントの承認スキップが怖いので、Docker Sandboxes(sbx)で隔離して安全に動かしてみた【Antigravity CLI】

  • Docker SandboxesでAIエージェントを隔離して安全に動かす方法を試した
  • microVMでサンドボックスを構築し、ホストのファイルやネットワークにアクセスを制限、Antigravity CLIを公式Kitで利用
  • ワークスペースのマウントモードを直接マウントにするとホストのファイルが変更されるため、クローンモードを使うべき

@Miyuki-Yumeno /

ローカルLLMは本当に騒がれてるほどか? Qwen3.8-Flash-Nextの4bit版を家で動かして確かめた

  • Qwen3.8-Flash-Nextの4bit版を自宅で動かして性能を確認した
  • StrataエンジンでRAM80GB+VRAM16GB環境で動作、3bit版と4bit版の比較で文脈取り違えが改善しないことが判明
  • 量子化による性能低下が明確で、ローカルLLMの実際の性能はフロンティア級と差がある可能性がある

@shahin0809 /

Orchestrator型 vs 自己組織化型 ― Microsoft Research の OSS「Agensh」から考える、Agentic Workflow の行き先

  • Microsoft ResearchがOSSとしてAgenshを公開、1,024エージェントで自己組織化型マルチエージェント基盤を実現
  • 協調ループに5ステップを採用、共有ワークスペースと共有コンテキストで進捗管理、128エージェントでテスト通過率が49%向上
  • 1,024エージェントでもpandocは55%で未解決、トークンコストの比較情報がなく実務での導入には注意が必要

@mo__mo /

Oracle AI World 2026、結局何が発表された? 忙しい人のためのAI・データ・基盤ざっくり整理

  • Oracle AI World 2026でAI Workspace、App Composer、Database Agent Engineなどの新機能が発表された
  • AI WorkspaceはOpenAIと連携し業務システムをつなぐ、App ComposerはAIで作ったアプリを共有運用する、Database Agent Engineはデータベース内でAIの処理を実行する
  • AI Workspaceは近日提供開始、App Composerは限定提供、Database Agent EngineはOracle AI Database 26ai対応

@mellowlaunch /

『オントロジー入門」基礎理論から、Databricks OntoBricksによる構築・AI連携までを解説

  • Databricks OntoBricksでオントロジーを構築する方法が解説されている
  • RDF・OWLによる知識表現とLLMによる自動生成、Auto-Mapによるデータマッピングが含まれる
  • オントロジーはデータに意味を付与するための基盤であり、AIと連携させる際の設計が重要

@saematsu /

Devinに「超大作プロンプト」を一発で投げてはいけない──初月でACUを溶かして学んだ、AIエージェントとの正しい向き合い方

  • Devinに巨大プロンプトを一発で投げるとACUを大量消費する
  • プロンプトに網羅的な指示を詰め込むと思考迷路に陥り、ACUと時間の浪費が発生する
  • Askモードで計画を可視化し、AgentにバトンタッチすることでACUを7分/4.87に抑える

@Miku Hoshino /

MCP ツールの引数と結果に入った個人番号を、AgentCore Gateway のインターセプターでマスクする

  • AgentCore Gateway のインターセプターから Guardrails を呼び、MCP ツールの引数と結果の両方で日本の個人番号をマスクできた
  • インターセプターで REQUEST と RESPONSE の両方で文字列を処理し、正規表現で個人番号を検出・マスク、ツールごとに処理を分ける
  • インターセプターが失敗してもマスクされていない番号は返らないが、ツールの引数をマスクすると業務処理に影響する可能性がある

@kszk103 /

人間が見るのは設計書だけ ― PdM不在・バグ修正中心のチームで、AI-DLCを開発フローごと作り直した話

  • バグ修正中心のチームでAI-DLCを再定義し、設計書を人間のレビューに限定した
  • バグ修正の期待仕様をintentに、原因調査を独立スキルに、設計書レビューをAIに任せた
  • 設計書とコードコメントのPBI番号を残すことでバグの追跡性を向上させたが、実装チェックはAIに任せる

@dev-hasegawa /

1,000ファイルの言語移行をAIとASTトランスパイラで完遂した話:LLMの「評価の抜け道」とどう戦ったか

  • 1,000ファイル以上の基幹システムでASTトランスパイラとAIを活用し、ロジックを保持したまま言語を移行した
  • ASTを用いて構文ツリーに変換し、AIが生成した変換ルールを適用する方式と、Specification Gamingを回避するための評価設計
  • AIが生成したルールの評価を設計する際、抜け道を事前に見つける仕組みを導入し、実装率の測定方法を関数単位に変更した

@mizuk1013 /

AIエージェントをEnterprise Readyへ:IBM TechXchange 2026 Atlanta ジェネラルセッションまとめ

  • IBMは2026年を「AIエージェントを企業で安全に運用しスケールさせる」年に設定した
  • Streamhouseによるリアルタイムコンテキスト提供、IBM Bobでの開発、watsonx Orchestrateによる管理、HashiCorp Vault/Terraformでのセキュリティとインフラ管理
  • AIエージェントの運用にはリアルタイムデータ連携とガバナンスが不可欠で、既存システムとの連携が重要

@TakanobuSano /

【初心者向け】Codex・Claude Codeが乗っ取られる? AGENTS.md攻撃の仕組みとガードレール対策を対話形式で解説

  • AGENTS.mdやCLAUDE.mdが攻撃の入口になる仕組みが説明されている
  • 外部ファイルの指示をAIが実行してしまうプロンプトインジェクション、CodexとClaude Codeのサンドボックス設定例
  • サンドボックスと権限管理を組み合わせてファイルアクセスや外部通信を制限する必要がある

@kai_kou /

Anthropic の Scion に学ぶソース管理設計、Git の前提はどこで崩れるか

  • AnthropicのScionはGitの前提がエージェント規模で崩れる点を明らかにした
  • クライアントが完全な複製を持つGitの設計と、必要なデータだけを取得するScionの設計が対照的で、変更セットと3層キャッシュが特徴
  • Gitを使い続ける組織は全量取得を前提としない設計やツールのAPI連携、検証の位置見直しを検討すべき

@blackcats-lab /

AGENTS.mdを278行から51行にした:AIエージェントに「必要な分だけ読ませる」ドキュメント設計

  • AGENTS.mdを51行に、CLAUDE.mdを9行に縮小し、ドキュメントをルーターと正本に分離した
  • AGENTS.mdは行動原則とルーティングのみ、CLAUDE.mdはアダプタとしてAGENTS.mdをインポート、手順はskills/に、仕様はdocs/specs/に配置
  • AGENTS.mdに毎回読まれる情報だけを残し、変更時は1か所だけ直すことでエージェント間の整合性を保つ

@nr-mito /

Dify / LiteLLM Proxy で作成した生成AIアプリをOpenTelemetryで監視してみた

  • New RelicがOpenTelemetry標準の生成AIトレースをAI Monitoringにネイティブ対応
  • Dify/LiteLLM Proxy経由でLLM呼び出しをOpenTelemetryスパンとしてNew Relicに送信、トークン使用量・コスト・レイテンシのメトリクスとプロンプト/応答の内容キャプチャが可能
  • プロンプト/応答の中身を送信する場合はPIIや機密情報が含まれる可能性があるため組織のデータ方針を確認する必要がある

@shyamagu /

AIエージェントたちが直接連絡しあう、小さなメールボックスを作ってみました

  • AIエージェント同士が直接連絡できる郵便受け「AgentPost」を作成し、3チームでアプリ開発を完遂した
  • AgentPostは論理アドレスでメッセージを送受信し、オーケストレータを介さずに連携可能、メッセージの未読一覧と返信機能を備える
  • AIエージェント同士の連携には終了プロトコルが必要で、待ち時間は3分程度発生する