00:00:00AIコーディングの進化により、多くの作業が自動化されつつあります。
00:00:03また一つ自動化されても、何の問題があるでしょうか？
00:00:06LLMがツールを獲得したことで、人間が行っていた多くの作業が自動化されました。
00:00:10Puppeteer MCPでは、UIテストの自動化が実現しました。
00:00:13今回Ingestは、コーディングエージェントが生成したコードのライブデバッガーとして機能する監視レイヤーを提供しました。
00:00:20これは、
00:00:20Ingest開発サーバー向けにMCPをリリースすることで実現されます。このサーバーは、
00:00:24彼らのクラウドプラットフォームのローカル版です。
00:00:26このプラットフォームでは、
00:00:28エージェント内に構築したすべての機能をテストでき、
00:00:30実行される様々なイベントとともに、
00:00:32すべてを視覚的に確認できるインターフェースが提供されます。
00:00:35これにより、
00:00:36Claude CodeやCursorのようなAIエージェントに、
00:00:39自動テストのすべてを直接依頼できるようになります。
00:00:41もしVercelにこのような機能があれば、デプロイとデバッグはたった一つのプロンプトで済むでしょう。
00:00:46ご存じない方のために説明すると、
00:00:48Ingestはオープンソースのワークフローオーケストレーションプラットフォームで、
00:00:52信頼性の高いAIワークフローを構築でき、
00:00:53それに伴う多くの問題を解決してくれます。
00:00:55私は社内でエージェントワークフローを構築するためにIngestを使っており、開発者体験は非常に優れています。
00:01:00MCPサーバーの導入により、さらに改善されました。
00:01:03これらのワークフローは非同期関数で構築されており、そのテストとデバッグにはいくつかの課題があります。
00:01:09そのほとんどは外部イベントによってトリガーされます。
00:01:11これらは複数のステップで非同期に実行されます。
00:01:13非同期が何を意味するかご存じない方のために説明すると、
00:01:17これらは一時停止して何かの完了を待ち、
00:01:19他の処理をブロックすることなく続行できる関数です。
00:01:22これらの関数はより大きなワークフローの一部であるため、デバッグはさらに困難になります。
00:01:26そのため、通常はこれらのイベントを手動でトリガーするか、コードエディターとブラウザを頻繁に切り替える必要が生じます。
00:01:34その単一の関数で実際に何が起こったのか、
00:01:37なぜ失敗したのかなどを理解するために、
00:01:39ログを詳しく調べる必要さえあるかもしれません。
00:01:41あるいは、複雑なイベントを再作成したり、関数を実際にテストするために自分でトリガーしたりする必要があるかもしれません。
00:01:47しかし、MCPとの統合により、AIエージェントがこれらすべてを自動的に処理できるようになりました。
00:01:52彼らはまた、
00:01:52「実践におけるコンテキストエンジニアリング」という論文も発表しており、
00:01:55そこでAI研究エージェントを実際にどのように構築したかを説明しています。
00:01:58このエージェントを使って、MCPがどのように機能するかをお見せします。
00:02:01このエージェントでは、
00:02:02コンテキストエンジニアリングを構築するだけでなく、
00:02:05コンテキスト取得フェーズとコンテキストエンリッチメントフェーズの両方で、
00:02:09その内部に実装しています。
00:02:10彼らはまた、コンテキストプッシュとコンテキストプルの違いについても非常に分かりやすく説明しています。
00:02:14これも非常に興味深い記事なので、これについて動画を作成するかもしれません。
00:02:18もしご興味があれば、ぜひコメント欄にご記入ください。
00:02:20このエージェントは完全にオープンソースで公開されています。
00:02:22リンクをコピーし、クローンして依存関係をインストールし、Claude Codeを初期化しました。
00:02:27コードベースを分析させ、claud.mdを作成させました。
00:02:31記事では、
00:02:31異なるモデルをそれぞれの強みに応じて使用すべき理由も明記されており、
00:02:35彼らは研究エージェント内で異なる役割のために別々のLLMを持つエージェントを実装しています。
00:02:39彼らはVercelのAIゲートウェイを使用しており、これにより100以上のモデルにアクセスできます。
00:02:44私は単一のモデルを使いたかったのです。
00:02:46claud.mdを使ってコードベースを更新し、OpenAIのAPIを使用するように切り替えました。
00:02:51編集後、どのファイルを変更したかだけを教えてくれました。
00:02:54その後、
00:02:54Claude Codeの設定をコピーして.mcp.jsonファイルを作成し、
00:02:58貼り付け、
00:02:59Next.jsアプリを起動しました。そして、
00:03:01すでにご覧いただいたIngest開発サーバーを起動しました。
00:03:04その後、Claude Codeを再起動し、MCPが接続されていることを確認しました。
00:03:09MCP内にはイベント管理機能があり、
00:03:11テストイベントで関数をトリガーして実行IDを取得できるほか、
00:03:15関数を一覧表示したり呼び出したりする機能も備わっています。
00:03:19ステータスやドキュメントにアクセスできる監視ツールも用意されているため、
00:03:23Ingest関数に問題が発生しても、
00:03:26エージェントのどこに問題があるのかを手動で探し回る必要はなくなります。
00:03:30これらのツールは、何が問題だったかをClaudeに自動的に伝え、私に代わって修正してくれます。
00:03:34「コンテキストエンジニアリングとは何か？」という質問で、
00:03:37メインの研究関数をクエリするためにsend eventツールを使用しました。
00:03:40その後、実行ステータスをポーリングしました。これは基本的に、実行が完了したかどうかを繰り返し確認したことを意味します。
00:03:47その後、
00:03:47再度テストしたところ、
00:03:48すべてが正しいモデル名を使用しており、
00:03:50ワークフローが問題なく実行されていることを確認しました。
00:03:53彼ら自身の言葉を借りれば、これはサーバーレス関数の構築とデバッグの方法における根本的な変化を意味します。
00:04:00関数がAIモデルが外部から読み取るだけのブラックボックスである代わりに、
00:04:03AIは適切な実行環境で機能し、
00:04:05リアルタイムの洞察を提供できるようになりました。そして、
00:04:08AIにより多くの自律性を与える他のツールでも、
00:04:11このような動きが見られることを期待しています。
00:04:13そして、私はこれに非常に期待しています。
00:04:15これでこの動画は終わりです。
00:04:16チャンネルをサポートし、
00:04:18このような動画制作を続けていくためのお力添えをいただける場合は、
00:04:21下のスーパーサンクスボタンをご利用ください。
00:04:23いつもご視聴ありがとうございます。また次回の動画でお会いしましょう。