スキップしてメイン コンテンツに移動

Glama.ai サイトについて

  Model Context Protocol (MCP) に対応した サーバー や ツールキット を集めたプラットフォームです。 これは、 AIアシスタント（特に大規模言語モデル、LLM） が、 ウェブ、ファイルシステム、データベース、外部サービス などの 現実世界のコンテキスト にアクセスし、 対話 できるようにするためのものです。 Glama.ai自体は、MCPプロトコル対応の オープンソースクライアント として機能し、複数のMCP互換サービスを接続・利用できる 集約型インターフェース の役割を果たします。 Glama.aiのMCPサーバーの主な特徴 Glama.aiのmcpサイトで提供されているサーバーは、特定の機能に特化しており、AIアシスタントにその機能を提供します。具体的な例と機能は以下の通りです。 サーバー/ツールキット名 主な機能の概要 MCP Webブラウザサーバー ヘッドレスWebブラウジング （任意のWebサイトへの移動、SSL検証バイパス）、 フルページコンテンツ抽出 （動的なJavaScriptを含む）、 Webインタラクション （クリック、テキスト入力、スクリーンショット）を提供します。 Crawl4AI MCP サーバー 高性能なWebスクレイピング 、 Webクロール 、 ディープリサーチ （複数ページにわたる調査）、 構造化データ抽出 などをAIアシスタントに提供します。 ヘルスケアMCPサーバー 医療情報 や ヘルスケアデータ （FDA医薬品情報、PubMed Research、臨床試験、医学用語など）へのアクセスをAIアシスタントに提供します。 MCP ツールキット ファイルシステム操作 （読み書き、検索）、 データベース統合 （MySQL, PostgreSQL, Redis）、 GitHub統合 、 コマンド実行 など、広範な開発者向けツールをAIに提供します。 これらのサーバーは、AIアシスタント（例えばClaude DesktopなどのMCPクライアント）に接続され、AIモデルが単なる知識ベースだけでなく、 外部の最新情報や動的なリソース を活用できるようにします。 Glama.aiのMCPサーバー一覧ページに表示されている「 security （セキュリティ）」「 license （ライセンス）」「 q...

Codex CLI とは

 Codex CLIは、OpenAIが提供する、ターミナル（コマンドラインインターフェース）上で動作するAIコーディングエージェントです。

これは、自然言語での指示を理解し、コードの生成、ファイル操作、コマンド実行など、開発タスクを自律的に遂行することを目指して設計されています。

💻 Codex CLIの主な機能と特徴

1. 開発タスクの自律的実行

Codex CLIの最大の強みは、単なるコード補完ではなく、開発プロセス全体を支援するエージェントとして機能することです。

  • 自然言語での指示: 「この関数に型ヒントを追加して」「ユーザーテーブルを追加するSQLマイグレーションを生成して」といった日常的な言葉で指示できます。

  • ファイル操作と実行: 指示に基づいて、ファイルの読み取り、作成、編集を行い、必要なターミナルコマンド（例：npm install、python script.pyなど）を自動的に提案・実行します。

  • マルチモーダル入力: テキストだけでなく、スクリーンショットや簡単なUIのモックアップ画像などを入力として渡し、それに基づいてコード（HTML/CSSなど）を生成させることも可能です。

2. ローカル実行と安全性

Codex CLIは、基本的にローカルマシン上で動作します。

  • ローカル実行: ファイル操作やコマンド実行は、開発者のPC上で行われます。これにより、ソースコードが外部に持ち出されるリスクが低減され、開発環境への主権を維持できます。

  • 承認モード (Approval Modes): AIが実行するアクション（ファイルの編集やコマンド実行）について、以下の3つの承認レベルを切り替えることができます。

    • suggest：読み取りのみ。提案は行うが、編集やコマンド実行は都度承認が必要。

    • auto-edit：ファイルの編集は自動で行うが、シェルコマンドの実行は承認が必要。

    • full-auto：ファイルの編集もコマンドの実行も全て自動化（最も注意が必要なモード）。

3. 環境設定とカスタマイズ

  • AGENTS.mdの読み込み: プロジェクトのルートディレクトリにAGENTS.mdというファイルを作成すると、Codexがそのファイルの内容（プロジェクトの規範、ディレクトリ構成、テストコマンドなど）を読み込み、行動の基準として利用します。

  • 柔軟なモデル選択: 設定を変更することで、OpenAIのモデルだけでなく、Ollama経由のローカルLLMや他の外部APIモデル（Gemini、Claudeなど）に切り替えて利用することも可能です。

  • Web検索ツールの有効化: 最新の情報に基づいた回答を生成するために、Web検索機能を有効化できます。

🛠️ Codex CLIの利用方法（クイックスタート）

  1. インストール:

    npm install -g @openai/codex
    # または Homebrew を使用する場合
# brew install codex

  2. 起動と認証: ターミナルでプロジェクトディレクトリに移動し、codexコマンドを実行します。

    cd /path/to/your/project
    codex

    OpenAIのAPIキー、またはChatGPTのアカウントで認証が必要です。

  3. 指示の実行: 対話モードに入ったら、自然言語で指示を与えます。

    (codex) > PythonでHello Worldを出力するスクリプトを書いて

    Codexはコードを提案し、実行が必要な場合は承認を求めます（デフォルトのsuggestモードの場合）。

💡 その他の特長

  • IDE連携: Codex CLIは、VS CodeやCursorなどのIDE拡張機能と連携して利用することもでき、ターミナルとエディタでの作業をシームレスに切り替えられます。

  • コンテキスト管理: @キーを使ってファイル名を指定することで（例：@script.js）、Codexに特定のファイルを分析させ、コンテキストを明確に提供できます。

  • OpenAIプランへの統合: ChatGPTの有料プラン（Plus以上）に含まれているため、追加のAPI利用料を気にせず利用できる点も大きなメリットです。

このブログの人気の投稿

AWS Bedrock AgentCore とは

  AWS Bedrock AgentCore は、 AIエージェントを安全に大規模に構築、デプロイ、運用するためのモジュール型プラットフォーム です。 これはAmazon Bedrockの機能の一部であり、さまざまなフレームワーク（例：LangGraph、CrewAI、LlamaIndexなど）や基盤モデルと連携できることが大きな特徴です。開発したエージェントを本番環境に移行させるために必要なスケーラビリティ、信頼性、セキュリティ機能を提供します。 AgentCoreの主なサービスと機能 AgentCoreは、AIエージェントのライフサイクル全体をサポートする複数のコンポーネントで構成されています。 サービス名 主な機能 Runtime エージェントをデプロイ・ホスティングするための 安全なサーバーレス実行環境 。セッションの完全な隔離、低レイテンシーのリアルタイム処理、長時間実行タスクへの対応を提供します。 Gateway 既存の API や Lambda 関数をエージェントが利用可能な「ツール」に変換 し、エージェントと外部サービスとの接続を簡素化します。セマンティック検索によるツールのインテリジェントな発見も可能です。 Memory 短期記憶（会話コンテキスト）と長期記憶 をインフラ管理なしで維持し、エージェントにコンテキストを理解した体験を提供します。エージェントが記憶する内容を制御できます。 Identity エージェント向けの 安全でスケーラブルなIDおよびアクセス管理 。エージェントがユーザーに代わって、またはエージェント自身で、AWSリソースやサードパーティツールに安全にアクセスできるようにします。 Observability エージェントの動作をモニタリング、デバッグ、コンプライアンスサポートするための 可視化機能 を提供します。OpenTelemetryとの互換性もあります。 Built-in tools エージェントが複雑なタスクを実行できるようにする組み込み機能です。 - Code Interpreter : エージェントが生成したコードを 安全なサンドボックス環境 で実行できるようにします。 - Browser Tool : エージェントがウェブサイトのナビゲートやフォームの入力など、 複雑なウェブベースのタスク を人間に近い精度...
続きを読む

量子化の記号の意味

  生成AIモデルに見られる「4Q」や「K」「S」などの記号は、主に量子化（Quantization）と呼ばれるモデルの軽量化技術に関連する表記です。 量子化は、大規模言語モデル（LLM）などのモデルの重み（パラメーター）を、通常使われる高い精度（例：32ビット浮動小数点数）から、より低い精度（例：4ビットや8ビットの整数）に圧縮する技術です。これにより、モデルのメモリ使用量を削減し、推論速度を向上させ、より少ないリソース（特にVRAM容量の少ないコンシューマ向けGPUなど）での実行を可能にします。 量子化に関する主要な記号の意味 多くの軽量化されたモデルファイル（特に llama.cpp やその新しいフォーマットである GGUF 形式のモデル）で見られる記号は、量子化の ビット数 と、使用される量子化アルゴリズム（タイプ）を示しています。 1. ビット数を示す記号（例：4Q、Q4） 4Q や Q4 ： 4ビット量子化 （4-bit Quantization）を意味します。 モデルの重みを4ビットのデータで表現します。 メモリを大幅に節約できますが、8ビット量子化に比べてわずかに精度が低下する可能性があります。 Q8 ： 8ビット量子化 （8-bit Quantization）を意味します。 モデルの重みを8ビットのデータで表現します。 メモリ節約と精度の維持のバランスが良いとされ、ほとんど精度が低下しないことが多いです。 同様に、 Q2 （2ビット）、 Q3 （3ビット）、 Q5 （5ビット）、 Q6 （6ビット）などのバリエーションもあります。 2. 量子化のアルゴリズム（タイプ）を示す記号（例：K、S、M） ビット数の後に続くアルファベットは、使用された量子化の手法やバリエーションを示します。これらは特に GGUF 形式で採用されている llama.cpp による独自の最適化手法に関連します。 記号 意味 (GGUFにおける例) 特徴 K K-Quantization のバリエーション（例： q4_K 、 q5_K ） llama.cpp で導入された、より高い精度を保ちつつメモリ効率を改善するための新しい量子化アルゴリズムです。層ごとに異なるブロックサイズを使用するなどの最適化が組み込まれています。 S Small のバリエーション（例： q...
続きを読む

生成AIでゲームを作成してみた

 Gemini Cli を利用してゲームを作成してみました。 ゲームエンジンはGodotを利用。GUIでの設定も比較的わかりやすくテキストとして保存されるので、生成AIとの相性は良さそうです。 Gameページ
続きを読む