# Claude Codeの機能と実践的な使い方 🔌 スキーマやログを毎回コピペしていませんか。MCPでSentryやPostgreSQL、GitHubを接続すれば、Claudeが外部システムを直接読み書きします。「このテーブルの直近30日を調べて」がそのまま通ります。 📌 タイトルと機能のURL タイトル: MCP URL: 📝 概要 MCP（Model Context Protocol）はAIツール統合のためのオープン標準で、Claude Codeを数百の外部ツールやデータソースに接続します。MCPサーバーはツール・データベース・APIへのアクセスを提供し、貼り付けではなくシステムを直接参照・操作できるようにします。 🔧 機能の説明 ・トランスポートは複数あります。リモート接続はHTTP（推奨）、双方向プッシュ向けのWebSocket、ローカルプロセスのstdio、非推奨のSSEです。 ・スコープは3種類です。local（既定・自分のみ、~/.claude.jsonに保存）、project（.mcp.jsonでチーム共有）、user（全プロジェクトで自分のみ）。 ・多くのクラウドサーバーは認証が必要で、OAuth 2.0に対応します。401/403応答時に /mcp からフローを完了できます。 ・ツール検索が既定で有効で、MCPツールはオンデマンドで遅延読み込みされ、コンテキスト消費を抑えます。 🛠 実践的な使い方 ・追加は claude mcp add --transport http 、stdioは claude mcp add [options] -- [args...] です。オプションはサーバー名の前に置きます。 ・管理は claude mcp list / claude mcp get / claude mcp remove 、起動中は /mcp でステータス確認や認証ができます。 ・スコープ指定は --scope project などで行い、project共有時は .mcp.json がバージョン管理対象になります。 ・MCPリソースは @/server:protocol://resource/path 形式で参照でき、例: @/github:issue://123 を分析して。 ・MCPプロンプトは /mcp__servername__promptname の形でコマンドとして実行できます。 🎯 ユースケース ・Sentryを接続し「過去24時間で最も多いエラーは？」と本番の問題をデバッグする。 ・PostgreSQLを接続し、スキーマをコピペせず「直近30日に購入のない顧客を抽出して」と問い合わせる。 ・GitHubのリモートMCPを接続し「PR #456をレビューして改善提案して」と依頼する。# ・.mcp.jsonをコミットしてチーム全員に同じMCPツール群を共有する。 ⚠️ 注意点 ・接続前に各サーバーを信頼できるか確認してください。外部コンテンツを取得するサーバーはプロンプトインジェクションのリスクがあります。 ・project スコープのサーバーは安全のため、利用前に承認が求められます（承認のリセットは claude mcp reset-project-choices）。 ・ツール出力が10,000トークンを超えると警告が出ます。上限は MAX_MCP_OUTPUT_TOKENS で調整できます（既定の最大は25,000）。 ・SSEは非推奨です。可能ならHTTPを使ってください。 #ClaudeCode# #MCP#

📊 新着アプリ紹介 - データ処理・変換 「Oracle2PostgreSQL — Oracle→PostgreSQL移行アセスメント」by 金田一竣亮さん Oracle SQL / PL/SQL → PostgreSQL 移行のアセスメントツールです。80以上の変換ルール、HTML/CSVのリスクレポート、工数見積もりに対応。GUI / CLI / Docker。ソースはGitLabで公開しています。 気になった方はぜひチェックしてみてください #Tsukutta#

「今の知識」だけでなく「いつ真実で、いつシステムが信じたか」という時間軸まで記録する、世界初を謳うOSSの企業ワールドモデルが登場しています。 タイトル: deeplethe/utopia URL: 📝 概要 Rust製・PostgreSQL＋pgvector採用のUtopiaは、ビテンポラル（二時間軸）知識グラフを核とした企業向け知識統治プラットフォームです。 ❗ 解決する課題 既存のベクトルストアやナレッジグラフは「今」の正しさにしか焦点を当てておらず、決定の追跡可能性や監査証跡が不足していました。 ⚙️ 方法論 すべての事実に「世界で真実だった時点」と「システムが信じた時点」の2軸を持たせ、矛盾検出・エンティティ解決・オントロジー駆動の推論を組み合わせています。全操作は改ざん防止の決定台帳に記録されます。 🔧 ユースケース PDF・Notion・Jira・S3など多様なソースを取り込み、Claude DesktopやCursorとMCP連携。エアギャップ環境での完全オフライン運用にも対応し、コンプライアンス監査が求められる現場に向いています。 📊 実績 GitHubスター9,000超・フォーク1,000超という実績があり、Docker Composeで手軽に立ち上げられます。現在はv0.1段階で活発に開発が続いています。 #OSS# #ナレッジグラフ#

TL;DR 信頼できるエージェントAIは「良いモデルやプロンプト」ではなく、コンテキストとオーケストレーションのハーネスを明示設計することで生まれる――Bayer×Thoughtworksの製薬システムPRINCEの実装知です。🧪 タイトル: Building Reliable Agentic AI Systems URL: ポイント 🧭 逐次エージェント＋一時停止点：意図確認→Think&Plan→Researcher→Reflection→Writerの流れで段階的に検証 🔁 3種類の内省ループ：プロセス(軌道)・データ(証拠の十分性)・ドラフト(出力の完全性)で別々の失敗を捕捉 🔎 ハイブリッド検索：クエリ拡張n=5、意味0.7＋キーワード0.3の加重、bge-rerankerで約20→7件に再ランク 🗃️ 構造化はText-to-SQL：SELECTのみ許可、最大3回の自己修正、1クエリ50件以下に制限 🛟 ハーネス工学：PostgreSQL/DynamoDBで状態永続化、障害点から再開、プロバイダ自動フォールバック 📌 文単位の引用＋RAGASとLangfuseで評価。本番トラフィックも毎日バッチでハルシネーション検出 🏷️ NERで試験PDFから実体抽出、信頼度スコアで高信頼は自動更新・低信頼は人手レビューへ 「大きなコンテキスト窓でも選択性は要る」という割り切りが現場感あります。 #AIエージェント# #LLMOps#

Postgres で十分じゃん、というWebサイト。Postgresに限らずだけど、そんなにスケールする必要がないのはそうだと思う。 ・多くのシステムではキャッシュや検索などに別々のデータベースを使いすぎ ・時期尚早な最適化であり、運用や保守の負担を増大させるだけ ・目的ごとにRedisやElasticsearchなどを追加していくのがよくある開発パターン ・その結果、システムが複雑化し、監視やバックアップの手間が膨れ上がる ・データベースをPostgres一つに絞れば、運用や障害対応を一本化できる ・ただ、Postgresは大規模なシステムには向かないという批判をよく耳にする ・しかし、実際にそこまでの規模に達するプロジェクトは全体のわずか ・スタートアップ企業はインフラ構築よりも、本来の課題解決に労力を注ぐ方が良い ・多くのユーザーを抱える大企業でさえ、枯れた技術を信頼して活用している ・Postgresの処理能力の限界に達してから、別のシステムを追加しても遅くはない ・キャッシュ機能はRedisを使わなくてもPostgresの機能で代用できる ・ジョブキューや全文検索、ドキュメントの保存もPostgresの拡張機能で対応可能 ・AI向けのベクトル検索や時系列データの処理などもPostgresで実行できる ・もちろん、専用のデータベースが必要になる場面もある ・ただその導入のハードルは高く設定しておいて良い ・Postgresを限界まで使い倒してみよう ・それでも不足する場合にのみ新しいシステムを追加したら良い

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 エージェントが長時間タスクの途中でクラッシュしたとき、最初からやり直しになっていませんか？ 永続実行統合を使えば、障害を跨いでエージェントの進行状況を保持し、中断したところから再開できます。 📌 タイトル：永続実行統合 🔗 URL： 🧩 概要 OpenAI Agent SDKは、複数の永続実行オーケストレーターとの統合をサポートしています。**Temporal**（永続的な長時間ワークフロー）、**Dapr**（CNCFベンダー中立オーケストレーター、自動障害回復）、**Restate**（軽量な永続エージェントフレームワーク、プロセス/コンテナ/サーバーレス対応）、**DBOS**（SQLite/Postgresベースのエージェント進行状況保存）の4つが公式に統合されています。いずれも標準の `Runner` インターフェースと連携し、Human-in-the-Loopパターン（一時停止・承認・再開）をサポートします。 🛠 使い方 ```python # Temporal統合の例 # pip install temporalio from temporalio.contrib.openai_agents import openai_workflow # Dapr統合の例 # Dapr CLIとランタイムをセットアップ後 # dapr run -- python agent_workflow.py # Restate統合の例 # pip install restate-sdk # Restateのドキュメントに従いエージェントをデプロイ # DBOS統合の例 # pip install dbos from dbos import DBOS # 各オーケストレーターの詳細は公式ドキュメントを参照: # Temporal: # Dapr: # Restate: # DBOS: ``` 🏗 本番システムへの組み込み方 ・長時間実行エージェント（リサーチ、データ処理）の障害耐性を確保する ・Human-in-the-Loopパターンで、承認待ちの間エージェントを一時停止し、承認後に再開する ・既存のオーケストレーション基盤（Temporal/Dapr）がある場合は、その上でエージェントを実行する ・サーバーレス環境ではRestateやDBOSで軽量にエージェントの永続性を実現する 💡 ユースケース 🔄 障害時の自動再開が必要な長時間リサーチエージェント ✅ 人間の承認ステップを含むワークフロー自動化 🏗 マイクロサービスアーキテクチャでのエージェントオーケストレーション 💾 エージェントの進行状況のチェックポイント保存 ⚠️ 注意点 各オーケストレーターは独自のインフラ要件（Temporalサーバー、Daprランタイム、Restateサービス、DBOSのDB）を持つため、運用コストと複雑さを考慮して選択してください。ベンダー中立を重視するならDapr（CNCF）やRestate、既存のワークフロー基盤があるならTemporal、最小構成で始めるならDBOSが適しています。統合の成熟度はそれぞれ異なるため、本番導入前に十分な検証を行ってください。 ✨ 永続実行統合で、エージェントを「落ちても止まらない」堅牢なシステムに進化させましょう。 #OpenAIAgentSDK# #AIAgent#

# Claude Agent SDKの便利で実践的な使い方 🔌 MCP で Playwright・DB・GitHub 等の外部ツールをエージェントに接続して、能力を無限に拡張できます。 MCP（外部ツール接続）は、Model Context Protocol を介して外部の MCP サーバー（ブラウザ・DB・API 等）をエージェントに接続する機能です。 📌 タイトル：MCP を使用して外部ツールに接続する 🔗 URL： 🧩 概要 `mcp_servers` に stdio / HTTP / SSE トランスポートで外部 MCP サーバーを指定します。`allowedTools` でアクセス可能なツールを制御し、`env` や `headers` で認証情報を注入します。 🛠 使い方 `mcp_servers` に stdio / HTTP / SSE トランスポートでサーバーを指定します。例えば Playwright は `{"command": "npx", "args": ["@playwright/mcp@latest"]}`、Postgres は `"env": {"DATABASE_URL": "..."}` で接続情報を注入します。`allowed_tools=["mcp__postgres__query"]` で利用可能なツールを制御します。 🏗 実践的な使い方 ・Playwright MCP サーバーを接続し「 を開いて内容を説明して」で E2E テストや Web スクレイピングエージェントを構築します。 ・Postgres MCP サーバーに接続し「先週のサインアップ数を日別で」と尋ねると、Claude がスキーマ検出→ SQL 生成→実行します。`allowedTools: ["mcp__postgres__query"]` で読み取りのみ許可。 ・GitHub MCP サーバーで Issue トリアージや自動対応ボットを構築します。 ・`system/init` メッセージの `mcp_servers[].status` で接続状態を起動前に検証します。 💡 ユースケース 🌐 Playwright によるブラウザ自動化 🗄 自然言語での DB クエリ実行 📋 GitHub Issue の自動トリアージ ⚠️ 注意点 `permissionMode: "acceptEdits"` は MCP ツールを自動承認しません。`allowedTools` のワイルドカード（`mcp__github__*`）で必要なサーバーのみ許可するのが安全です。接続タイムアウトはデフォルト 60 秒です。 #ClaudeAgentSDK# #AI#

# Claude Agent SDKの便利で実践的な使い方 🔌 MCP で Playwright・DB・GitHub 等の外部ツールをエージェントに接続して、能力を無限に拡張できます。 MCP（外部ツール接続）は、Model Context Protocol を介して外部の MCP サーバー（ブラウザ・DB・API 等）をエージェントに接続する機能です。 📌 タイトル：MCP を使用して外部ツールに接続する 🔗 URL： 🧩 概要 `mcp_servers` に stdio / HTTP / SSE トランスポートで外部 MCP サーバーを指定します。`allowedTools` でアクセス可能なツールを制御し、`env` や `headers` で認証情報を注入します。 🛠 使い方 `mcp_servers` に stdio / HTTP / SSE トランスポートでサーバーを指定します。例えば Playwright は `{"command": "npx", "args": ["@playwright/mcp@latest"]}`、Postgres は `"env": {"DATABASE_URL": "..."}` で接続情報を注入します。`allowed_tools=["mcp__postgres__query"]` で利用可能なツールを制御します。 🏗 実践的な使い方 ・Playwright MCP サーバーを接続し「 を開いて内容を説明して」で E2E テストや Web スクレイピングエージェントを構築します。 ・Postgres MCP サーバーに接続し「先週のサインアップ数を日別で」と尋ねると、Claude がスキーマ検出→ SQL 生成→実行します。`allowedTools: ["mcp__postgres__query"]` で読み取りのみ許可。 ・GitHub MCP サーバーで Issue トリアージや自動対応ボットを構築します。 ・`system/init` メッセージの `mcp_servers[].status` で接続状態を起動前に検証します。 💡 ユースケース 🌐 Playwright によるブラウザ自動化 🗄 自然言語での DB クエリ実行 📋 GitHub Issue の自動トリアージ ⚠️ 注意点 `permissionMode: "acceptEdits"` は MCP ツールを自動承認しません。`allowedTools` のワイルドカード（`mcp__github__*`）で必要なサーバーのみ許可するのが安全です。接続タイムアウトはデフォルト 60 秒です。 #ClaudeAgentSDK# #AI#

# Claude Agent SDKの便利だけど知られていない機能 🌍 サブエージェントにスキルやMCPサーバーを個別に設定したい？AgentDefinitionで細かくカスタマイズできます！ Claude Agent SDKのAgentDefinitionでは、skills、memory、mcpServersをはじめとする豊富なフィールドで、エージェント単位の詳細な設定が可能です。 📌 タイトル：エージェント単位の skills / memory / mcpServers 指定 🔗 URL： 🧩 概要 `AgentDefinition` には、`description` と `prompt` の必須フィールドに加え、多数のオプションフィールドがあります。`skills` でスキルをプリロード、`memory` でメモリソース（`user`/`project`/`local`）を指定、`mcpServers` でMCPサーバーを名前またはインライン設定で接続できます。さらに `tools`、`disallowedTools`、`model`（`sonnet`/`opus`/`haiku`/`inherit` またはフルモデルID）、`effort`、`permissionMode`、`maxTurns`、`background`、`initialPrompt` など、エージェントの挙動を包括的に制御できます。 🛠 使い方 ```python # Python - フル構成のエージェント定義 from claude_agent_sdk import AgentDefinition agent = AgentDefinition( description="データベース移行の専門家", prompt="あなたはDB移行のエキスパートです。安全な移行戦略を提案してください。", tools=["Read", "Grep", "Glob", "Bash"], disallowed_tools=["Bash(rm *)"], # 特定操作を禁止 model="opus", # 高品質なモデルを使用 skills=["db-migration"], # スキルをプリロード memory="project", # プロジェクトメモリを使用 mcpServers=["postgres-server"], # MCPサーバーに接続 effort="high", # 推論レベルを高く max_turns=20, # 最大ターン数を制限 permission_mode="acceptEdits", # 編集を自動承認 background=False, # フォアグラウンドで実行 ) ``` ```typescript // TypeScript const agent: AgentDefinition = { description: "Database migration specialist", prompt: "You are a DB migration expert. Propose safe migration strategies.", tools: ["Read", "Grep", "Glob", "Bash"], disallowedTools: ["Bash(rm *)"], model: "opus", skills: ["db-migration"], memory: "project", mcpServers: ["postgres-server"], effort: "high", maxTurns: 20, permissionMode: "acceptEdits", background: false, }; ``` 🏗 本番システムへの組み込み方 ・`skills` でドメイン固有の知識をプリロードし、エージェントの専門性を高めます（未リストのスキルもSkillツール経由で呼び出し可能） ・`memory` で適切なスコープを設定し、エージェント間でのコンテキスト共有を制御します ・`mcpServers` でデータベースや外部サービスへの接続を名前またはインライン設定で管理します ・`maxTurns` でコスト制御と暴走防止を行い、`effort` でタスクの重要度に応じた推論品質を設定します ・`background: true` でノンブロッキング実行にし、並行タスクの効率を上げます 💡 ユースケース 🗄 MCPサーバー接続付きのデータベース移行エージェント 📚 ドメイン固有スキルをプリロードした専門家エージェント ⚡ バックグラウンド実行で並行分析を行う高速ワークフロー ⚠️ 注意点 ・`tools` を省略するとすべてのツールを親から継承します。制限したい場合は明示的に指定してください ・サブエージェントの `permissionMode` は、親が `bypassPermissions`/`acceptEdits`/`auto` の場合、親のモードが強制的に継承されオーバーライドできません ・`skills` にリストしたスキルは起動時にプリロードされますが、リストにないスキルもSkillツール経由で呼び出せます ・Python SDKではフィールド名はcamelCaseでワイヤフォーマットに合わせます ✨ AgentDefinitionの豊富な設定フィールドを活用すれば、汎用エージェントではなく、タスクに最適化された専門家エージェントを構築できます！ #ClaudeAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントの処理が数時間、あるいは数日にわたる場合、プロセスが落ちても大丈夫ですか？ Durable execution統合を使えば、長時間実行や人間承認フローを安全に実現できます。 📌 タイトル：Running agents – Durable execution integrations 🔗 URL： 🧩 概要 Durable execution統合は、エージェントの実行状態を永続化し、プロセス障害やサーバー再起動後も途中から再開できる仕組みです。人間の承認を待つワークフロー（数時間〜数日）や、長時間のバッチ処理で特に威力を発揮します。Temporal、Dapr、Restate、DBOSなどのフレームワークとの統合がサポートされています。 🛠 使い方 DBOSとAgent SDKを組み合わせた例です。`DBOS()` で初期化し、`Agent(name="approval-agent", instructions="...")` でエージェントを定義します。`@DBOS.workflow()` デコレータを付けた非同期関数 `expense_approval_workflow(report_id)` の中で、`await input=...)` で経費レポートを分析し、`await DBOS.recv(f"approval-{report_id}", timeout_seconds=86400 * 7)` で最大7日間の承認待ちを行います。`approval["approved"]` が `True` なら再度 ` で承認済みレポートを処理します。 🏗 実践的な使い方 **人間承認ワークフロー** 経費精算、コンテンツ公開、契約書レビューなど、人間の承認が必要なプロセスにエージェントを組み込む場合、承認待ちの間にプロセスが落ちても状態が保持されます。承認が来た時点で自動的に処理を再開できます。 **障害からの自動復旧** Temporal/Dapr/Restate/DBOSのいずれも、プロセスクラッシュやサーバー再起動後に自動的に最後のチェックポイントから再開する仕組みを持っています。LLM呼び出しの途中で障害が発生しても、完了済みのステップは再実行されません。 **小中規模プロジェクトにはDBOS** TemporalやDaprはインフラの構築と運用コストが高いですが、DBOSはSQLite（ローカル開発）やPostgres（本番）だけで動作します。専用のオーケストレーションサーバーが不要なため、小中規模のプロジェクトに最適です。 **段階的なエージェントパイプライン** 複数のエージェントステップを持つパイプライン（調査→分析→レポート生成→レビュー→承認）を、各ステップの完了をチェックポイントとして永続化できます。途中で失敗しても、最初からやり直す必要がありません。 💡 ユースケース 📋 経費精算の承認フロー（マネージャーの承認を数日待つ） 📝 コンテンツ公開パイプライン（エディターレビュー→承認→公開） 🔄 長時間バッチ処理の障害復旧（数百件のドキュメント処理） 🏢 契約書レビューワークフロー（法務チームの確認待ち） ⚠️ 注意点 - Durable executionフレームワークの選択はインフラ要件に依存します。既にTemporalを使っているならTemporalを、新規で軽量に始めるならDBOSを検討してください。 - 永続化される状態にLLMのレスポンス全文を含めるとストレージコストが増大します。必要な情報だけを保存するよう設計してください。 - 人間承認のタイムアウトを設定してください。無期限に待つワークフローはリソースリークの原因になります。 - DBOSのSQLiteバックエンドはローカル開発には便利ですが、本番環境ではPostgresを使用してください。 ✨ Durable executionで、プロセス障害を恐れずに長時間ワークフローを構築しましょう！ #OpenAIAgentSDK# #AIAgent#