はてなブックマーク

はじめに 先週リリースされたGemini CLIはオープンソースの自律型コード生成AIです。オープンソースでソースコードが読めるということは、自律型のAIエージェントがどのように作られているのかを学ぶことができるということです。自律型のAIエージェントがどのように実装されているか、いまいちピンときていなかったため、先週はClaude Codeに手伝ってもらいながら読んでみました。 ホロラボではいわゆるXRや空間コンピューティングを軸にしており、開発環境はUnityというゲームエンジンを利用することが多いです。Unityは独自の開発環境のため、今のところコード生成AIの恩恵を他の開発環境と比較すると多く受けることができません。そのため、独自のMCPを開発したり、Unity自体が開発用のAIを準備していたりといった状況です。 ふとソースコードがあるなら、Unityで主に利用するC#に変換できる

はじめに GoogleからClaude CodeライクなCLIのCoding Agentの Gemini CLIが出ましたね。オープンソースで無料から使えるというのはとても魅力的です。 とはいえ、無料の場合は学習に使われるため、会社での利用は難しいケースもあります。 ホロラボでは社内でGemini CLIを使えるように情シス確認をしましたので、その記録として残しておきます。 各社対応は異なると思いますので、最終的には各社で調査してください。また、間違いなどあればコメントもらえると助かります。 (話のネタ的にこの記事もGemini CLIで書いてもらおうと思ったのですが、冗長になったので全部消して手書きにしてます) 結論 結論としては下記で考えています。 まずはGemini API(無償)を使って学習されても良い範囲でCoding Agentの雰囲気を試し、定額のGoogle Workspa

はじめに Apple Vision Proの開発において、ネイティブアプリの開発は従来通りXcodeとSwiftUIを使用する必要があります。しかし、AI技術の進歩により、コード生成の支援が大幅に向上しています。 今回は、Claude Code(Anthropic社のAIコーディングアシスタント)を使用して、Apple Vision Proのネイティブアプリをどこまで自動生成できるか試してみました。 実験の概要 目標 visionOSネイティブアプリを100%自動生成 空間コンピューティングの特徴を活かしたUIを作成 実際にApple Vision Proで動作するアプリを完成させる 作成するアプリ 今回は、3D空間上に3Dモデル(USDZ)を配置・操作できるシンプルなアプリを作成することにしました。 Claude Code での開発プロセス 下記の手順で進めました。 Claude Des

概要 ホロラボ 林です。 AIエージェントコーディングツールClaude Code を使ってみたので、その感想、知見を書きます。割と冗長な文体で書きます。 自分の備忘録的な意味合いも強いのですが、これからClaude Codeを使ってみようという方にとって、活用のヒントになれば幸いです。 GitHub Copilot Agent モードとの比較も書きたいと思います。 Claude Codeとは? Claude Code(クロード コード)は Anthropicが開発したエージェント型コーディングツールです。 ターミナルに常駐して、コードベースを理解し、自然言語コマンドを通じてコーディングをサポートするエージェント型コーディングツールです。 現時点では Claude Codeは、Anthropicの商用利用規約に基づくベータ版研究プレビューとして提供されています。 ちょうど、本日(2025/

Arrival Space の基本的な使い方をまとめてみました。 ガウシアンスプラッティング (3D Gaussian Splatting) の .ply .spz ファイルにも対応したメタバースプラットフォーム (Webベースで複数人で同一空間へアバターで入り音声によるコミュニケーションも可能なプラットフォーム) です。 ブラウザで体験できるWebベースのためアプリインストール不要で、スマホでも体験できます。 ↑こんな感じで複数人で空間を巡れちゃいます。 ↑私の作成したスペースはこちら。 散策してみてくださいー。 ※(注記)試しにスペースに入るだけならアカウント作成すらも不要 なお、Apple Vision Proでも動いた! 作成したスペースにはglb等の3Dモデル、Webサイト、動画等が配置できるようです。 ガウシアンスプラッティングにも対応しているという事でさっそく試してみたのですが、初見

皆さんの会社にも規約があると思います。この規約は複数PDFに分かれていたり、情報量が膨大であったりすると、必要な情報を探し出すのに時間がかかってしまうことがあります。 そこで、今回複数PDFからなる弊社の規約情報をGoogleのNotebookLMに集約してみました。NotebookLMを活用することで、規約情報の検索効率と情報精度が大幅に向上しました。 実際に弊社の規約情報をNotebookLMにアップロードした画面が下の図です。 NotebookLMとは? NotebookLMは、Googleが提供する大規模言語モデルを活用した情報整理ツールです。PDFを含む多様なドキュメントをアップロードすることで、それらの情報を学習し、自然言語による質問応答や情報抽出を可能にします。 規約情報をNotebookLMに集約した背景 弊社では、複数のPDFに分かれた規約情報を管理しており、必要な情報を

前回MCPのことを調べてみましたが、MCPを試しに作ってみました記事になります。 MCPサーバーを作ってみる 参考にしたのは、こちらの記事のPython版で、入力された米国の地名の天気を米国の天気APIから取得して返すものです。 この記事の下の方にCluadeにコードを解説してもらったものを置いておきます。 正常に動作すると、このような形でMCPへアクセスし、天気を教えてれます。通常は学習した日付までの情報を持っていませんが、MCPを通してAPIアクセスすることによって、今時点での天気を取得できます。 東京の天気はダメ。 日本語でホノルルの天気を聞いてみるのはOK。 聞き方が悪かったのか、LLMの性質なのか、実はテストしてた時は日本語はNGでした。 回答もまちまち(これはLLMの動作として正しい)なので、この辺りの使い勝手は要検証ですね。 エラーが出た時には MCPの起動に失敗するなど、エ