はてなブックマーク

AIが発見し、人間が検証・証明する。数学研究における人間とAIの協働モデルが、世界最高峰の研究者によって初めて公式に記録された。 見えた限界 公平を期すために、今回の事例で見えた限界も整理しておく。 claudeにできたこと 複数のアプローチを体系的に試行する 失敗から方針を切り替える 分野横断的な発想で問題を再定式化する 未知の構成法を発見する claudeにできなかったこと 発見した解が「なぜ正しいか」を数学的に証明する 偶数ケースを解く（長時間セッションで性能が劣化） 人間の誘導なしに、自発的にこの問題に取り組む つまり「AIが単独で数学を解く時代が来た」のではない。「人間が正しく使えば、AIは数学的発見のパートナーになり得る」 ことが示された。 Knuthの言葉 最後に、論文の中でKnuthが残した2つの言葉を引用する。 冒頭。 "Shock! Shock!" そして、発見の喜びに

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに claude codeは対話するだけでも十分に活用できる。しかし5つの拡張機能を使いこなすことで、開発の質と速度が大きく向上する。この記事では、cLAUDE.md / Skills / Subagents / Hooks / McP Serversの5機能を、設計意図から実運用パターンまで体系的に解説する。「この記事だけで拡張機能のほぼ全体像を掴める」ことを目指した。 この記事でわかること cLAUDE.mdが「何を解決するのか」と設置場所の使い分け Skillsで知識・手順をオンデマンドにロードする方法 Subagentsでコンテキストを分離して並列作業する設計 Hooksでイベント駆動の自動化パイプラインを組む手順 McP Serversで外部システムとの接続を標準化する仕組み 5機能を組み合わせたPlugin的アーキテクチャの構築法 想定読者 claude codeを日常的

この機能の誕生経緯自体が興味深い。2026年1月24日、開発者Mike Kellyがフィーチャーフラグの裏に隠された「Swarms」機能を発見し、claude-sneakpeekというツールで解放した。このニュースはHacker Newsで281ポイント・207コメントを獲得。コミュニティが独自にtmuxベースの並列実行パターンを構築し、Openclawなどのオーケストレーションツールを開発した。こうしたユーザー主導のイノベーションが十分に成熟したことを受け、2月5日にclaude Opus 4.6と同時に正式発表された。コミュニティの実践が公式機能化を後押しした、稀有な事例だ。 2. なぜマルチエージェントが必要なのか — 単一エージェントの構造的限界 エージェントチームの背景には、単一エージェントが抱える構造的な限界がある。 コンテキストウィンドウの汚染問題。 Google chrom

2026年2月、Anthropicは立て続けに2つのモデルをリリースした。2月5日のclaude Opus 4.6と、2月17日のclaude Sonnet 4.6。GPQA Diamond（PhD級の科学問題）ではOpusがSonnetに17.2ポイントの大差をつける一方、Finance Agent（金融分析タスク）ではSonnetが逆転勝利しています。SWE-bench（実在バグの修正能力）に至ってはわずか1.2ポイント差で、実質同等だ。 「高い方が強い」は、もう成り立たない。どちらを選ぶかはタスク次第であり、その判断にはベンチマークの「読み方」とコストの「実効値」の理解が必要です。本記事では、公式データと第三者評価をもとに2モデルの使い分け基準を整理します。 1. スペックシート──数字で見る2モデルの全体像 まず基本スペックを並べる。解釈は後段に回すので、ここでは事実だけ確認したい

本記事で扱うcookbookの中でも特に重要なclaude Agent SDKについて、基本から解説した記事を用意しています。Agent SDKに馴染みのない方は、まずそちらを読んでからこの記事に戻ると理解がスムーズです。 claude APIの使い方を学ぶなら、Anthropic公式のclaude cookbooksが最良の教材です。全65本のJupyter Notebookで構成されたこのリポジトリには、RAG、ツール利用、マルチモーダル、エージェント構築など、実務で使える実践パターンが網羅されています。 なお、cookbookのすべてのノートブックはAnthropic APIキーが必要ですが、claude_agent_sdk/ディレクトリのノートブックは内部的にclaude code cLIを経由するため、Pro/Maxサブスクリプションでも動作します。 この記事では、全12ディレク

claude codeには、タスクを複数のエージェントに分散させる仕組みが2つあります。サブエージェント（Subagents）とAgent Teamsです。 名前が似ているため混同されやすいですが、設計レイヤが根本的に異なります。サブエージェントは「働くエージェント」、Agent Teamsは「議論するエージェント」です。 この記事では、両者の構造的な違い、それぞれの得意領域、そしてハイブリッド設計のパターンを整理します。 この記事の対象読者と得られること 対象読者 この記事で得られること

基盤の変化が能力を拡げ、能力の拡大が組織に影響する。この3層構造を頭に入れておくと、個別トレンドの位置づけが明確になります。 Trend 1：ソフトウェア開発ライフサイクルが大きく変わる レポートの主張 GUIの登場以来、最も大きな変化が起きている。機械語からアセンブリ、cからPythonへと抽象度は上がってきましたが、今回の変化はその延長線上にあります。 従来のSDLc（要件定義→設計→実装→テスト→デプロイ）の各段階は残ります。しかしエージェントによる実装・テスト自動化・ドキュメント生成が入ることで、サイクルタイムが週単位から時間単位に縮まります。 予測のポイント 抽象度のさらなる上昇 -- コードを書く・デバッグする・保守するという戦術的作業がAIに移行する。エンジニアはアーキテクチャとシステム設計に集中する。 エンジニアの役割変化 -- 「コードを書く人」から「エージェントを指揮す

はじめに 2026年に入って「SaaSは死んだ」という言説を目にする機会が増えました。AIエージェントが業務を代替するようになれば、従来のSaaS製品は不要になる──そういう論調です。 しかし、実際にAIエージェントを開発・運用しているエンジニアの立場で見ると、話はそう単純ではありません。 SaaSは消滅しません。ただし、「人間がUIを操作する前提のSaaS設計」は終わりつつあります。 この記事では、煽りや市場予測ではなく、AIエージェントを組み込む側のエンジニアが直面している技術的な課題と、SaaS側に求められる設計変更を整理します。 この記事の対象読者 AIエージェントの開発・運用に携わっているエンジニア SaaSのAPI設計やアーキテクチャに関わるエンジニア エージェント統合を前提としたシステム設計に興味がある方 この記事で得られること エージェント時代にSaaS設計の何が変わるのか

2025年12月、Anthropicが「Agent Skills」というオープン標準を公開しました。SKILL.mdというMarkdownファイルにエージェントへの指示を書けば、対応するどのツールでもそのスキルが動く、という仕組みです。 注目すべきは、その採用速度です。公開からわずか2か月で、claude code、GitHub copilot、OpenAI codex cLI、Google Gemini cLI、cursorという主要5ツールがすべて対応を表明しました。さらにagentskills.ioの採用ツール一覧を見ると、Roo code、Amp、TRAE、Mistral Vibe、Databricksなど、27を超えるツール・プラットフォームがロゴを並べています。 この記事では、Agent Skillsとは何か、なぜこれだけ急速に広まったのかを整理した上で、主要5ツールの実装の違

はじめに 2026年1月、Anthropicが「The complete Guide to Building Skills for claude」という32ページのPDFを公開しました。 スキルとは、claudeに特定のタスクを一貫して実行させるための仕組みです。Markdownファイルをフォルダに入れるだけで、claudeの振る舞いを変えられます。プロンプトのコピペや毎回の説明が不要になる、いわば「再利用可能なプロンプト」です。 このガイドは中身が濃いものの、32ページのPDFを英語で通読するのはなかなか骨が折れます。この記事では、ガイドの核心を要約し、実務で使うときに本当に効く部分を解説します。 対象読者 claude code / claude.ai を業務で使っている方 毎回同じ説明を繰り返すのが面倒な方 McPは知っているけど、スキルはまだ触っていない方 この記事で得られること

Superpowers — claude code / codex / Opencode 向けのエージェンティック・スキル・フレームワーク ⭐ 40k Stars | 🍴 3k Forks | 👀 234 Watching GitHub: https://github.com/obra/superpowers 海外で爆発的な人気を集めているこのフレームワークを、本記事で詳しく紹介させていただきます。 2025年から2026年にかけて、AIコーディングツールは驚くべき進化を遂げました。claude code、cursor、Windsurf——これらのツールは、自然言語でコードを生成できる時代を実現しました。 しかし、多くの開発者がこんな経験をしています： 「AIに任せたら、テストを書かずにいきなり実装を始めた」 「要件を確認せずに、勝手な解釈でコードを書き始めた」 「完了と言ったのに、実

はじめに claude code を使って開発していると、こんなことを感じたことはありませんか？ 「ファイルを編集したら自動でリンターを走らせたい」 「危険なコマンドを実行する前にブロックしたい」 「claude の応答が終わったら通知音を鳴らしたい」 「本番環境に影響するコマンドだけは絶対に自動承認させたくない」 claude code Hooks を使えば、これらすべてが実現できます。 Hooks は、claude code のライフサイクル上の特定のポイントで自動的に実行されるユーザー定義の処理です。シェルコマンドの実行はもちろん、LLM による判定やサブエージェントの起動まで、柔軟な自動化が可能です。 本記事では、全14種類のフックイベントを一つ一つ丁寧に解説し、実践的なユースケースも紹介していきます。 目次 Hooks の全体像 ── ライフサイクルを理解する 設定ファイルの配置

はじめに Model context Protocol (McP) は、AIアシスタントが外部ツールやデータソースと連携するための標準プロトコルです。本記事では、McPサーバーの3つの主要なトランスポート方式（STDIO、SSE、Streamable HTTP）について、実際のTypeScript実装を交えながら詳しく解説します。 このガイドで使用している全てのコードは、GitHubで公開されています。 💡 サンプルアプリケーションについて 本記事で実装するMcPサーバーは、OpenAI APIをツールとして提供するシンプルなアプリケーションです。 機能概要: claude DesktopなどのMcPクライアントから、OpenAIのGPTモデルに質問を投げられる ask_openaiツールを通じて、任意のプロンプトをOpenAI APIに送信 GPT-4、GPT-4o-mini など、使

「AIがコードを書く時代、スクラムは本当に最適解なのか？」 この問いに、あなたは即答できますか？ 開発現場で起きている静かな革命 AIによるコーディングが当たり前になりつつある今、ソフトウェア開発の進め方そのものを見直すタイミングが来ています。 多くのチームがスクラムを採用していますが、AIが主導する開発（AI駆動開発）では、実はウォーターフォールの方が合理的なのではないか？ という問いが浮かびます。 ただし――速度は従来のスプリント並み。つまり、「遅いウォーターフォール」ではなく、「Water-Scrum-Fast」という新しい形が現実解です。 スクラムがAI駆動開発に噛み合わない理由 AIによる実装は、以下のようなサイクルで進みます： このサイクルは極端に短く、AIが生成するコードは**「曖昧な仕様」に敏感**です。そのため、要件や非機能要件をしっかり定義しておかないと、AIは暴走しま