# Cursorの機能と実践的な使い方 ☁️ あなたのマシンが寝ている間も、クラウド上の複数エージェントが別ブランチで並行して働き、レビュー可能なPRを返してきます。Cloud Agentsは「手元の1台」という制約からエージェントを解き放ちます。 🏷️ タイトル: クラウド並列エージェント 🔗 URL: 📘 概要 Cloud Agentsは、ローカルではなく隔離された仮想マシン上で動く自律エージェントです。専用のクラウド基盤上で複数のエージェントを同時に走らせ、手元の端末をオンラインに保たなくても作業を継続できます。各エージェントはそれぞれのVMで完結した開発環境を持ちます。 ⚙️ 機能の説明 ・並列かつ独立: ローカルの制約なしに複数エージェントを同時起動でき、各々が独立したVMで動作 ・隔離ブランチ: GitHub/GitLab/Azure DevOps Services/Bitbucket Cloudからリポジトリをクローンし、別ブランチで作業してPRとしてpush。レビューまで作業を隔離 ・検証可能: コードベースと組織の文脈を受け取り、テスト実行やサービス照会で自分の成果を検証できる ・成果物付きPR: スクリーンショットや動画、ログを添えた「マージ可能なPR」を生成。エージェントのデスクトップを遠隔操作して、ローカルにチェックアウトせず動作確認も可能 ・マルチリポ対応: フロントエンド/バックエンド/インフラ/共有ライブラリなど複数リポにまたがる変更を協調的に実行 MCPサーバーで外部ツールやDB、APIに接続でき、リポジトリの `.cursor/hooks.json` のフックも動作します（IDE固有・ユーザーレベルのフックは除く）。 🛠️ 実践的な使い方 起動経路は豊富で、Cursor Web（ `Cloud` を選択、Slack/GitHub/Linearの `@cursor`、API、iOSネイティブアプリ、AndroidのPWAから起動できます。効果を最大化する最重要ステップが `.cursor/environment.json` の設定です。ここでクローン・依存関係・シークレット・起動コマンド・ネットワークアクセスを含む完全な開発環境を再現します。設定方法はエージェント主導の自動初期化、保存済みスナップショット、Dockerfile指定から選べます。 💡 ユースケース 朝のうちに「このバグを調査して修正PRを出して」と複数タスクをまとめてクラウドに投げ、昼にはレビュー待ちのPRが並んでいる、といった使い方ができます。テスト実行やAPI照会まで自走させることで、人間はレビューに集中できます。 ⚠️ 注意点 リポジトリと依存リポ/サブモジュールへの読み書き権限が必要で、有料プランが前提です。シークレットは `.env.local` ではなくダッシュボードのSecretsタブで管理してください。ユーザーレベルの `~/.cursor/hooks.json` はクラウドVMからは参照されません。料金は選択モデルの標準API課金で、初回利用前に上限額の設定が必要です。対応モデルではコンテキストウィンドウのサイズを選択でき、大きくするとトークン使用量とコストが増えます。ソース管理はGitHub/GitLab/Azure DevOps Services/Bitbucket Cloudに対応しています。 #Cursor# #CloudAgents#

AWS Lightsailで2023年からサーバーを公開していました。 Windows Server 22$/月 CodexがLinuxのオペレーションしてくれるようになったので Ubuntu 12$/月 CodexがAWSへのコード類のデプロイもしてくれるようになったので AWSのサービスの組み合わせ・・・数ドル/月←今ここ CodexでDevOpsも自由自在

# ADKの便利で実践的な使い方 ## 📚 必要なときだけ知識をロード！ADKのSkills機能 エージェントに全ての知識を詰め込むとトークンが爆発する…ADKの **Skills** を使えば、必要なときだけワークフローや知識をオンデマンドでロードし、トークン消費を抑えながら能力を拡張できます！🚀 ## 📌 タイトル Skills for Agents（エージェントスキル） ## 🔗 URL ## 🧩 概要 Skillsは、エージェントが特定のタスクを実行するための自己完結した機能ユニットです。指示（Instructions）、リソース（References/Assets/Scripts）をパッケージ化し、エージェントが必要とするときだけロードする仕組みです。 3層アーキテクチャで構成されます： - **L1（メタデータ）**：`SKILL.md` のフロントマターでスキル検索を可能に - **L2（インストラクション）**：`SKILL.md` 本文のメイン指示 - **L3（リソース）**：`references/`、`assets/`、`scripts/` の補助資材 必要なときだけロードするため、コンテキストウィンドウの最適化に貢献します。 ## 🛠 使い方 **ディレクトリ構造：** ``` my_agent/ skills/ code_review/ SKILL.md # 必須：メタデータ + インストラクション references/ CHECKLIST.md # コードレビューチェックリスト assets/ template.json # レビュー出力テンプレート scripts/ # Lint実行スクリプト ``` **Pythonでの統合：** `google.adk.skills` から `load_skill_from_dir` を、` から `skill_toolset` をインポートし、`pathlib` を使用します。`load_skill_from_dir()` に `pathlib.Path(__file__).parent / "skills" / "code_review"` を渡してスキルをディレクトリからロードします。次に `skill_toolset.SkillToolset(skills=[code_review_skill])` でスキルツールセットを作成し、`Agent` の `tools` パラメータに渡します。エージェントは `model="gemini-flash-latest"`、`name="dev_assistant"` で作成され、このスキルツールセットを通じて必要なときだけスキルをロードできるようになります。 ## 🏗 実践的な使い方 **DevOpsエージェントでのスキル活用：** ``` skills/ code_review/ SKILL.md # 「コードレビューチェックリスト」 references/ CHECKLIST.md # レビュー観点の詳細ガイド release/ SKILL.md # 「リリース手順」 references/ PROCEDURE.md # ステップバイステップのリリースフロー assets/ changelog.tmpl # CHANGELOG テンプレート incident/ SKILL.md # 「インシデント対応」 references/ RUNBOOK.md # 障害対応ランブック scripts/ # Slack通知スクリプト ``` エージェントは「コードレビューして」と言われたときだけ `code_review` スキルをロードし、「リリースして」と言われたときだけ `release` スキルをロードします。全てのスキルを常時ロードする必要がないため、トークン消費を大幅に削減できます。 **インラインスキル（TypeScript）：** ```typescript const releaseSkill: Skill = { frontmatter: { name: 'release-procedure', description: 'Standard release procedure with checklist', }, instructions: "Follow the release checklist step by step...", resources: { references: { 'checklist.md': '1. Run tests\n2. Update version\n3. Create tag...', }, }, }; const skillTools = new SkillToolset([releaseSkill]); ``` ## 💡 ユースケース - 📋 **コードレビューチェックリスト**：レビュー依頼時のみ詳細なチェック項目をロード - 🚀 **リリース手順**：デプロイ時のみステップバイステップの手順とテンプレートをロード - 🔧 **トラブルシューティング**：障害発生時のみランブックと通知スクリプトをロード - 📝 **ドキュメント作成**：特定のドキュメントタイプに応じたテンプレートとガイドラインをロード - 🎓 **新人オンボーディング**：質問に応じた社内ナレッジベースのセクションをロード ## ⚠️ 注意点 - Skillsは実験的機能です（Python v1.25.0+、TypeScript v0.6.1+、Go v1.2.0+） - `SKILL.md` ファイルは必須です。フロントマターに `name` と `description` を記載してください - スキルの検索精度は `description` の質に依存します。適切な説明を書きましょう - 大きなリソースファイルはトークン消費に影響するため、必要最小限に抑えてください - スクリプトの実行権限やセキュリティに注意してください ## ✨ まとめ Skillsは「必要なときだけ必要な知識をロード」を実現する賢い仕組みです。全ての知識をインストラクションに詰め込む代わりに、スキルとしてモジュール化することで、トークン消費を抑えながらエージェントの能力を無限に拡張できます。DevOps、カスタマーサポート、教育…あらゆる分野で活用できます！ #ADK# #AIAgent#

「CI/CDのYAML、もう手で書きたくない」——その願いを叶えにきた研究です⚙️ 自然言語の説明から、リポジトリに合ったパイプラインを自動生成します。 タイトル: AutoPipelineAI: Context-Aware CI/CD Pipeline Generation from Natural Language URL: ⚙️ 概要 本研究は、自然言語の説明からCI/CDパイプライン構成を自動生成するシステム「AutoPipelineAI」を提案しています。LLMを活用し、リポジトリの構造を解析したうえで、GitHub ActionsやGitLab CI/CD向けのプラットフォーム固有スクリプトを生成し、検証とフィードバックで品質を担保します。 ❓ 解決する課題 現代の開発では、テストやデプロイを自動化するCI/CDパイプラインが欠かせませんが、その設定は難しく時間のかかる作業です。 ・GitHub ActionsやGitLab CI/CDなど、プラットフォームごとに異なる構文を理解する必要があります ・その複雑さが設定ミスや生産性の低下を招きます ・特にDevOps経験の浅い開発者にとっては、大きな参入障壁になっていました 💡 方法論と提案手法 AutoPipelineAIは、3つの主要コンポーネントで構成されます。 ・リポジトリ認識型の解析：プロジェクト構造を分析し、どんな言語・依存・構成かという文脈を理解します ・LLMによる変換：開発者の自然言語による意図を、対象プラットフォーム固有の構成へ翻訳します ・自動検証とフィードバック：生成したパイプラインの正確さと使いやすさを確認し、必要に応じて修正します 単に文章をYAMLに変換するのではなく、リポジトリの文脈を取り込んでターゲット環境に合った構成を作る点が「Context-Aware（文脈認識）」たる所以です。 🌍 ユースケース / 実験結果 評価は、実務に直結する観点で行われました。 ・precision（精度）指標 ・構成の妥当性（configuration validity） ・手作業に対する労力削減（effort reduction） これらを通じて、「リポジトリ認識・自然言語駆動のCI/CD生成が、実用的で有望なパラダイムである」という初期的な証拠が示されました。DevOps専任がいない小規模チームのオンボーディングコストを下げる効果が期待されます。 #CICD# #DevOps#

Natsuko　アズールレーン　デーモン・サディスティック　デヴォンシャーHMS Devonshire　 ナツコの猫の巣 (Natsuko_夏夏子)的商品｜Fantia[ファンティア]