「Figma Config 2026」で発表されたAI Agent・Code Layers・Motionをはじめ、Figma Make・Slotsなどの新機能について、kenさん @ken_tbdz に実務目線で解説いただきます。 2026年8月19日（水）21:00 - 23:00 オンライン開催 Figma最新機能キャッチアップ会 〜AI Agent / Code Layers / Motionから考える、 これからのデザインワークフロー #Figma最新機能キャッチアップ会#

💠Figma対面イベント💠残席わずか✨ 年に一度のFigmaのグローバルカンファレンス「Config 2026」がサンフランシスコで行われるのにあわせて、世界各地で「Config Watch Party」が実施されます🎉 Friends of Figma Osakaでも、今年もWatch Partyを開催します🥂 👇お申し込みはコチラ 📆6/26 19時00分～21時00分 🚩トゥモローゲート株式会社さんのイベントスペース （心斎橋BIGSTEPの東側すぐの建物） #fof_osaka# #Config2026#

# ADKの便利で実践的な使い方 📄 エージェントの定義をコードではなくYAMLファイルで行えたら、プロンプトの変更やモデルの切り替えが再デプロイなしでできますよね。ADKのAgent Configなら、宣言的なエージェント定義と環境ごとの設定切り替えが実現できます！ 📌 タイトル：Agent Config — YAML宣言によるコードレスエージェント定義 🔗 URL： 🧩 概要 Agent Configは、ADKワークフローをコードなしでYAMLファイルとして定義できる機能です。`name`、`model`、`description`、`instruction`といった基本プロパティに加え、`tools`でのツール定義や`sub_agents`でのサブエージェント参照もYAMLで記述できます。`adk create --type=config`でプロジェクトを生成し、`adk web`、`adk run`、`adk api_server`で実行可能です。Pythonからは`config_agent_utils.from_config()`でプログラマティックに読み込むこともできます。 🛠 使い方 基本的なAgent Config YAMLの構成です。 ```yaml # root_agent.yaml name: assistant_agent model: gemini-flash-latest description: ユーザーの質問に答えるヘルパーエージェント instruction: | あなたはユーザーの様々な質問に答えるエージェントです。 丁寧で正確な回答を心がけてください。 tools: - google_search sub_agents: - config_path: specialist_agent.yaml ``` プロジェクトの作成と実行は以下のコマンドで行います。 ```bash # プロジェクト作成 adk create --type=config my_agent # 実行方法 adk web # Webインターフェース adk run # ターミナル実行 adk api_server # APIサーバーモード ``` Pythonから読み込む場合は以下のとおりです。 `google.adk.agents.config_agent_utils` の `from_config()` メソッドにYAMLファイルのパス（例: `"my_agent/root_agent.yaml"`）を渡して、エージェントオブジェクトをプログラマティックに読み込みます。 🏗 実践的な使い方 **環境別の設定切り替え**: dev/staging/prodごとに異なるYAMLファイルを用意し、環境変数でどのファイルを読み込むかを制御します。 ```yaml # config/dev/root_agent.yaml name: assistant_agent model: gemini-flash-latest instruction: | [DEV] デバッグ情報を含めて回答してください。 # config/prod/root_agent.yaml name: assistant_agent model: gemini-2.5-pro instruction: | ユーザーの質問に正確かつ簡潔に回答してください。 ``` `os.getenv("ENVIRONMENT", "dev")` で環境名を取得し、`config_agent_utils.from_config(f"config/{env}/root_agent.yaml")` で環境に対応するYAMLファイルを動的に読み込みます。 **プロンプトバージョニング**: YAMLファイルをGitで管理し、プロンプトの変更履歴を追跡します。コードの変更なしにインストラクションを更新でき、ロールバックも容易です。 **A/Bテスト**: 異なるインストラクションやモデルを持つ複数のYAMLファイルを用意し、ランタイムで切り替えてパフォーマンスを比較します。 `get_ab_variant(user_id)` でユーザーごとのA/Bバリアント（`"a"` または `"b"`）を取得し、`config_agent_utils.from_config(f"config/variant_{variant}.yaml")` で対応するYAMLファイルを読み込むことで、ランタイムでのA/Bテストを実現します。 💡 ユースケース 🔄 コード変更なしのプロンプト・モデル切り替え（再デプロイ不要） 🌍 dev/staging/prod環境ごとの設定管理 📊 インストラクションのA/Bテスト 📝 プロンプト変更履歴のGit管理とロールバック 🧩 非エンジニアによるエージェント設定の更新 ⚠️ 注意点 - 現在はGeminiモデルのみサポートされています。他のモデルプロバイダーは今後のサポートを待つ必要があります。 - カスタムコードを含むツールの利用はPythonとJavaに限定されています。 - `LangGraphAgent`や`A2aAgent`はAgent Configではまだサポートされていません。 - `.env`ファイルでAPIキーやプロジェクト設定を管理しますが、シークレットのコミットには注意してください。 ✨ Agent Configは、エージェントの定義をコードから設定ファイルに分離することで、非エンジニアでも安全にプロンプトやモデルを変更でき、環境ごとの切り替えやA/Bテストを容易にします。運用フェーズでの柔軟性を高めたい場面でぜひ活用してください！ #ADK# #AIAgent#

今日の夜のおやつは、グリコ「パピコ マスカット」 パピコのフルーツ味の中ではけっこう定番なマスカット味😎👍 去年なんかはマスカットオブアレキサンドリアだったような気がしたんだけど、今年のは違うんやなって！ あれかな？ 品種にこだわると高くなることに気づいちゃったかな！(･口･) Config

# Learning Palantir Foundry 🚀 "How many screens do I need to open just to understand one customer?" Object Views answer that pain by bundling everything about a single object into one screen. 📌 Title and Feature URL Title: オブジェクトビュー URL: 📝 Overview Object Views act as the central hub for everything related to a specific object. They consolidate properties, linked objects, metrics and analytics, dashboards, and operational applications into a single unified interface. For example, an Airport object view can integrate flight timelines, delay-handling workflows, and location data in one place. In practice, an Object View becomes the daily "home screen" that frontline users open to start their work. 🔧 How It Works Object Views are highly configurable by builders: - They support multiple formats and sizes, so appearance and interaction patterns can be tailored to the task. - They combine properties (attributes), linked objects, metrics, analytics, and dashboards into one display. - They can be embedded throughout the platform wherever the object appears. - Configuration happens in the Ontology Manager under the "Object views" tab, and version tabs at the top let you switch between format variations. - Selecting "Edit views" opens the configuration editor or the underlying Workshop module. - The system also supports version management, panel variations, commenting, and Marketplace product integration. 🛠 Practical Usage - In Ontology Manager, select the target object type and use the "Object views" tab to preview and configure. - Lay out core information, related objects, operation history, and embedded dashboards so everything the team needs is on one screen. - Beyond viewing, embed action types so users can trigger status changes or assignments directly from the view. - Create multiple formats to show different layouts per role (for example, sales view vs. maintenance view). 🎯 Use Cases - Customer 360: one launchpad combining transaction history, inquiries, related orders, and account owners for sales. - Equipment record: a maintenance home screen with sensor values, service history, related parts, and open tickets. - Case management: a single view of stakeholders, due dates, approval status, and next actions on a case object. ⚠️ Caveats - Views depend on the quality of the underlying ontology modeling (object types and link types); a weak foundation limits view quality. - Overloading a view confuses users, so design role-specific layouts that show only what each role needs. - Editing requires appropriate permissions to the Ontology Manager and the underlying Workshop module. #PalantirFoundry# #DataPlatform#

# ADK 2.0の便利だけど知られていない機能 🌍 毎回同じシステムプロンプトやツール定義をLLMに送信するのは、コストもレイテンシも無駄だと感じませんか？ ADK 2.0のコンテキストキャッシュ（ContextCacheConfig）は、繰り返し送信されるコンテキストデータをキャッシュし、LLMの呼び出しコストとレイテンシを削減する機能です。Gemini 2.0以降、Python v1.15.0以降、Java v0.1.0以降で利用可能です。 📌 タイトル：コンテキストキャッシュ (ContextCacheConfig) 🔗 URL： 🧩 概要 ContextCacheConfigは、LLMに送信するコンテキスト（システムプロンプト、ツール定義、会話履歴の固定部分など）をキャッシュすることで、トークン消費を削減します。3つの主要パラメータがあります。min_tokensはキャッシュを有効にするための最小トークン数のしきい値（デフォルト0）、ttl_secondsはキャッシュの有効期限（デフォルト1800秒＝30分）、cache_intervalsはキャッシュの最大再利用回数（デフォルト10回）です。これらをAppオブジェクトに設定することで、自動的にキャッシュが適用されます。 🛠 使い方 ContextCacheConfigを作成し、Appに設定します。 ```python from import App from google.adk.context import ContextCacheConfig cache_config = ContextCacheConfig( min_tokens=1000, # 1000トークン以上でキャッシュ有効 ttl_seconds=3600, # 1時間キャッシュを保持 cache_intervals=20, # 最大20回再利用 ) app = App( agent=my_agent, context_cache_config=cache_config, ) ``` min_tokensを適切に設定することで、小さなコンテキストでは通常送信し、大きなコンテキストのみキャッシュするように制御できます。 🏗 本番システムへの組み込み方 ・大きなシステムプロンプトや多数のツール定義を持つエージェントで特にコスト効果が高い ・ttl_secondsをワークロードのパターンに合わせて調整する（短い会話→短いTTL、長い会話→長いTTL） ・cache_intervalsをリクエスト頻度に応じて設定し、キャッシュの鮮度とコスト削減のバランスを取る ・コスト削減効果をモニタリングし、パラメータを継続的に最適化する 💡 ユースケース 💰 大規模なシステムプロンプトを持つエージェントのAPI呼び出しコストを削減 ⚡ 繰り返しのツール定義送信を省略してレスポンスレイテンシを改善 🔁 高頻度のリクエストが発生するチャットボットでトークン消費を最適化 📋 固定的なコンテキスト（ルール、ガイドライン等）の再送信を効率化 ⚠️ 注意点 Gemini 2.0以降のモデルでのみ利用可能です。キャッシュが有効な間はコンテキストの変更が反映されないため、頻繁にシステムプロンプトを変更する場合はttl_secondsを短く設定してください。また、cache_intervalsを超えると新しいキャッシュが作成されるため、コスト最適化の効果が変動する可能性があります。 ✨ コンテキストキャッシュは、特にコンテキストが大きく頻繁にリクエストされるシナリオで、コストとパフォーマンスの両面で大きな改善をもたらします。 #ADK# #AIAgent#

# Weaviateの機能と実践的な使い方 🚀 埋め込みAPIの呼び出しコードをアプリから消したいと思ったことはありませんか。Weaviateのモデルプロバイダ統合を使えば、ベクトル化も生成もリランクも、コレクション設定に書くだけで自動的に動きます。 📌 タイトルと機能のURL タイトル: Model provider integrations URL: 📝 概要 Weaviateは、OpenAI・Cohere・Google・AWS・Azure OpenAI・Mistral・Anthropic・Hugging Face・Ollama など20以上のモデルプロバイダと統合しています。これらを「投入時の自動埋め込み」「クエリ文の自動埋め込み」「RAGの生成」「検索結果のリランク」に組み込めます。アプリ側で埋め込みAPIを呼んでベクトルを渡すコードが不要になるのが最大の利点です。 🔧 機能の説明 統合は大きく次の3つの役割に分かれます。 ・Vectorizer（埋め込み）: テキストやマルチモーダルのベクトル化を担当します。 ・Generative（生成）: RAGパイプライン向けのテキスト生成を担当します。 ・Reranker（リランク）: 検索結果の並べ替えを担当します（Cohere、Jina AI、NVIDIA、Voyage AI などが提供）。 提供形態も2種類あります。API型プロバイダ（OpenAI、Google、Cohere、AWS Bedrock など）は外部APIを呼び出し、ローカルホスト型（Ollama、Hugging Face Transformers、Model2vec）は自分のインフラ上で動かします。API型モジュールは v1.33 以降は既定で有効です。 🛠 実践的な使い方 ・コレクション作成時に `Configure.Vectors`（旧 `Configure.Vectorizer`）で埋め込みプロバイダを指定すると、投入時もクエリ時も自動でベクトル化されます。 ・生成は `Configure.Generative` でプロバイダを指定し、検索結果に対してRAGを実行します。 ・リランカーは `Configure.Reranker` で指定します。 ・自動ベクトル化の対象は `text` / `text[]` 型のプロパティで、プロパティ名をアルファベット順に並べて連結し、必要に応じてコレクション名を先頭に付けてからモデルに送ります（プロパティ単位で対象外にも設定可能）。 🎯 ユースケース ・社内文書検索: 投入時に本文を自動でベクトル化し、検索時はクエリ文を同じモデルで自動ベクトル化して整合させます。 ・モデルの差し替え: ベンダーやモデルを変えたいとき、コレクション設定の変更だけで対応できます。 ・閉域要件: Ollama などローカルホスト型を使えば、データを外部に出さずに埋め込み生成まで完結します。 ・RAGチャット: 検索と生成を同一の設定内で組み合わせ、外部のオーケストレーションを最小化できます。 ⚠️ 注意点 ・API型プロバイダはAPIキーが必須で、利用に応じた課金が発生します。 ・レート制限は各プロバイダのポリシーに従います。大量投入時は注意が必要です。 ・v1.27 より前のバージョンでは、連結した文字列が小文字化されてからモデルに送られます。 ・v1.33 より前ではAPI型モジュールを使うため `ENABLE_API_BASED_MODULES` を有効化する必要があります。 #Weaviate# #Embeddings#

# Codexの機能と実践的な使い方 🧩 「あの作業、毎回 Codex に説明し直すのが面倒…」を解決するのが Agent Skills です。再利用できる手順書を一度書けば、Codex が必要なときだけ自動で読み込みます。 🏷️ タイトル: Agent Skills(SKILL.md) 🔗 URL: 📘 概要 Agent Skills は、定型ワークフローを `SKILL.md` という1ファイルにまとめて再利用できる仕組みです。スキルは名前と説明だけが常に Codex の文脈に置かれ、実際に使うと判断したときに本文がロードされます。リポジトリ・個人・マシン共通など、置き場所でスコープを切り分けられます。 ⚙️ 機能の説明 ・スキルは `SKILL.md`（必須）に、`scripts/`（実行コード）`references/`（資料）`assets/`（テンプレ）`agents/openai.yaml`（UI設定）を加えたフォルダ構成です。 ・`SKILL.md` の先頭には frontmatter が必要で、`name` と `description` を書きます。description にはいつ発動し、どこまでが範囲かを簡潔に書くのがコツです。 ・Codex は複数の場所を優先順で走査します。リポジトリの `.agents/skills`、リポジトリ直下 `$REPO_ROOT/.agents/skills`、個人用 `$HOME/.agents/skills`、管理者用 `/etc/codex/skills`、そして OpenAI 同梱の組み込みスキルです。 ・progressive disclosure(段階的開示)により、初期文脈にはスキル名・説明・パスのみ（合計約8,000文字まで）が置かれ、本文は呼び出し時に初めて読み込まれます。これで多数のスキルを入れても文脈を圧迫しません。 🛠️ 実践的な使い方 ・新規作成は組み込みの `$skill-creator` を起動するのが簡単です。何をするスキルか、いつ発動するか、スクリプトを含めるかを対話で決められます（既定は手順のみ）。 ・明示的に呼ぶときは CLI/IDE で `/skills` を使うか、`$skill-name` のように `$` で指名します。説明が task に合致すれば暗黙的に自動選択もされます。 ・暗黙発動を禁止したいスキルは `agents/openai.yaml` で `policy.allow_implicit_invocation: false` を設定します。 ・特定のスキルを消さずに無効化したいときは `~/.codex/config.toml` の `[[skills.config]]` に対象の `path` と `enabled = false` を書きます。 💡 ユースケース リリース手順、E2E テストの流し方、社内ライブラリの正しい使い方など「人によってブレやすい定型作業」をスキル化すると、誰が Codex に頼んでも同じ品質で実行できます。チーム共通のものはリポジトリ配下に、個人の癖は `$HOME/.agents/skills` に置くと住み分けが綺麗です。 ⚠️ 注意点 ・同名スキルが複数の場所にあるとマージされず、両方がセレクタに並びます。命名は被らないようにしましょう。 ・description が曖昧だと暗黙選択が効きません。主要ユースケースを前方に置き、具体的に書くのが重要です。 ・スキルが多いと文脈節約のため description が短縮されることがあります。変更が反映されないときは Codex を再起動してください。 #OpenAICodex# #AgentSkills#

# Hermes Agentの機能と実践的な使い方 🚀 エージェントが作業している間も会話を止めたくない人へ。モダンなTUIは、ノンブロッキング入力・マウス操作・リッチなオーバーレイで、長時間タスクを眺めつつ追加指示を投げ込めます。 📌 タイトルと機能のURL タイトル: TUI (Ink terminal UI) URL: 📝 概要 TUIはHermes向けのモダンなターミナルUIで、PythonのCLIからサブプロセスとして起動されます。Node.js（≥20）製で、同じPythonランタイム・セッション・スラッシュコマンドを共有しつつ、よりクリーンで応答性の高い操作感を提供します。 🔧 機能の説明 ・即時の初回フレーム描画でフリーズ感のない起動、差分更新によるストリーミング中のちらつき防止、モデル選択やセッション選択・承認のためのリッチなモーダルオーバーレイを備えます。 ・ノンブロッキング入力でセッション準備中もメッセージをキューでき、マウスでの選択（端末の反転表示でなく均一な背景ハイライト）に対応します。 ・LaTeX数式（インライン `$E = mc^2$`、ブロック `$$...$$`）をレンダリングします。 ・ステータス行が状態を実況します（starting agent… / ready / thinking… / running… / interrupted、作業ディレクトリとgitブランチ、経過時間、自動圧縮回数、`/background` タスク数、YOLO警告バッジなど）。 🛠 実践的な使い方 ・起動は `hermes --tui`、最新セッション再開は `hermes --tui -c`、特定セッションは `hermes --tui -r `、クラシックCLIへの強制は `hermes --cli` です。 ・既定にするには環境変数 `HERMES_TUI=1`、または `~/.hermes/config.yaml` の `display.interface: tui` を設定します。 ・TUI固有のスラッシュコマンドが充実しています。`/model`（プロバイダ別のコスト表示付きピッカー）、`/sessions` または `/switch`（ライブセッション切替）、`/skin`（テーマのライブプレビュー）、`/details`（ツール詳細の表示切替）、`/agents` または `/tasks`（サブエージェントツリーの可観測オーバーレイ）、`/mouse`、`/reload` などです。 ・`Ctrl+X` でライブセッション切替を開き、1つの端末内で複数セッションを同時に並走させられます。 🎯 ユースケース ・長時間タスクの進行をライブパネルで眺めつつ、ノンブロッキング入力で途中指示を投げ込む。 ・1つの端末から複数の同時エージェントセッションをディスパッチし、オーケストレーションする。 ・SSH切断後も `HERMES_TUI_RESUME` の自動再開でセッションを継続する。 ⚠️ 注意点 ・Node.js ≥20 が必要で（`hermes doctor` が確認）、初回起動時にTUIのNode依存を `ui-tui/node_modules` へ一度だけインストールします。 ・TTY接続が前提で、パイプや非対話環境では単発質問モードにフォールバックします。 ・リモートゲートウェイへの接続はできません（TUIは自前のプロセス内ゲートウェイを起動します）。ライトテーマ検出は `COLORFGBG` やOSC 11に依存し、全端末が対応するわけではありません。 #HermesAgent# #DevTools#