Sign up to save your podcasts
Or
Share 株式会社ずんだもん技術室AI放送局 podcast 20250729
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
株式会社ずんだもん技術室AI放送局 podcast 20250729
関連リンク
Anthropicが提供するコーディングAIツール「Claude Code」に、新しい機能「カスタムサブエージェント」が追加されました。これは、AIによるソフトウェア開発をより効率的で高度なものに変える可能性を秘めた、エンジニアにとって注目の機能です。
カスタムサブエージェントとは、特定の作業に特化した、いわば専門家のようなAIアシスタントです。それぞれが明確な目的と専門分野を持ち、他の作業に邪魔されない専用の作業スペース（コンテキストウィンドウ）でタスクに集中できます。また、使うことを許可された特定のツールだけを設定したり、具体的な指示（カスタムシステムプロンプト）を与えて動作を細かくガイドすることもできます。
この機能の最大の魅力は、複数のサブエージェントを組み合わせることで、まるで人間で構成された開発チームのように協力し合って、複雑な課題を解決できる点です。例えば、あるサブエージェントにコードのパフォーマンス問題を解析させ、その結果を別のサブエージェントに渡して修正を依頼するといった、タスクの連携が可能になります。
さらに、この考え方を応用して、実際の開発チームのような「エージェントチーム」を作り出すこともできます。例えば、以下のような役割を持つサブエージェントを連携させれば、開発プロセス全体をよりスムーズに進めることができます。
このように役割を分担することで、開発の効率が大幅に向上することが期待されます。
サブエージェントは、自分でゼロから作ることも、Claude Codeに提案させてから自分たちのプロジェクトに合わせてカスタマイズすることも可能です。作成・カスタマイズしたサブエージェントの設定はファイルとして保存されるため、プロジェクトごとに利用したり、全ての作業でいつでも呼び出したりできます。Claudeが自動的に最適なサブエージェントを選んで使うこともあれば、エンジニアが明示的に呼び出すことも可能です。
この機能を使うには、Claude Codeのプロンプト入力欄に/agentsと入力するだけで、利用可能なツールが一覧で表示され、必要なものを簡単に選んでサブエージェントに割り当てることができます。
カスタムサブエージェント機能の登場は、AIが単独でコードを書くというよりも、私たちエンジニアの良き「チームメイト」として、より複雑な開発タスクを強力にサポートしてくれる未来が近づいていることを示しています。新人エンジニアの皆さんにとっても、AIとの新しい協業の形を学ぶ良い機会になるでしょう。
引用元: https://gihyo.jp/article/2025/07/claude-code-sub-agents
AIエージェント（AIが自分で考えて行動するプログラム）を実際のシステムで安定して動かすには、いくつかの重要な考え方があります。この記事では、特に新人エンジニアの皆さんがAIエージェント開発でつまずきがちなポイントを解決するための、実践的な6つの原則が紹介されています。
プロンプトは明確に、詳細に:
大規模言語モデル（LLM）は、あいまいな指示だと混乱しやすいです。「頑張って」のような指示ではなく、「この情報から、この形式で、こんな結果を出してほしい」のように、具体的で矛盾のない指示を出すことが大切です。特別な「ごまかし」は不要で、LLM提供元のガイドラインに従いましょう。
必要な情報だけを渡す:
LLMに与える「コンテキスト（背景情報）」は、少なすぎると間違った答えを出し、多すぎるとコストが増え、重要な情報を見落とすこともあります。最初は必要最低限の情報だけを与え、エージェントが必要だと判断したら、ツールを使って追加情報を取得させる仕組みにすると効果的です。例えば、プロジェクト全体ではなく、必要なファイルだけを読み込ませるなどです。
ツールはシンプルで堅牢に:
AIエージェントは、LLMが外部ツール（ファイル読み書き、コード実行など）を呼び出すことで動作します。人間が使うAPIと違い、LLMは意外な使い方で「抜け穴」を見つけてしまうことがあります。そのため、ツールは機能がシンプルで、パラメーターも少なく、厳密なルールで設計し、十分にテストしておくことが重要です。まるで、賢いけれど注意力散漫な新人開発者に渡すAPIのように考えましょう。
「考える役」と「評価する役」に分ける:
エージェントを「アクター（行動する役）」と「クリティック（評価する役）」に分けるアプローチが有効です。アクターはコード生成など創造的なことを行い、クリティックは生成されたコードが正しく動作するか（コンパイルやテストが通るかなど）を厳しくチェックします。特にソフトウェア開発では、コンパイラやテスターが自動で厳密な評価を行えるため、この仕組みが強力に機能します。
失敗から学び、回復する仕組み:
エージェントが間違った行動をした際に、それを検知し、修正を試みたり、あるいは諦めて最初からやり直したりする「フィードバックループ」は非常に重要です。システムが予期せぬエラーに遭遇しても、すぐに止まらず、ある程度自分で回復できるような「ガードレール」を設けることで、より安定した運用が可能になります。
エラー分析を自動化する:
エージェントは多くのログを出力するため、人間がすべてを追うのは大変です。そこで、LLM自身にエージェントの実行ログを分析させ、なぜ失敗したのか、どこを改善すべきかを教えてもらう「メタエージェントループ」が効果的です。多くの場合、エージェントの問題はLLMの能力不足ではなく、「ツールの不足」「プロンプトの不明確さ」「コンテキストの不十分さ」といったシステム設計上の問題に起因します。エージェントがうまく動かない時は、まずコードや設定、与えている情報を疑ってみましょう。
AIエージェント開発は、魔法のような特効薬を探すことではなく、ソフトウェアエンジニアリングの基本に忠実に、明確な指示、適切なコンテキスト管理、堅牢なツール、自動化された検証ループを構築し、エラー分析を繰り返しながら改善していくプロセスなのです。
引用元: https://www.app.build/blog/six-principles-production-ai-agents
このブログ記事は、最近注目されているAIエージェント（Agentic Applications）の登場により、従来のITインフラでは対応しきれない新たな課題が生まれており、それらを解決するための「エージェントインフラ」の重要性について解説しています。
AIエージェントとは、これまでのアプリのように単に指示に反応するだけでなく、ツールを使いこなしたり、過去の情報を記憶したり、複雑な推論を行ったりして、複数のステップが必要なタスクを自律的にこなすアプリケーションです。例えば、自動コード生成アシスタントや、深く情報をリサーチするツールなどがこれに当たります。
このようなエージェントには、従来のサーバーレスやマイクロサービスといったITインフラでは対応が難しい、いくつかの特徴があります。
これらの特徴を持つエージェントを無理に既存のインフラで動かそうとすると、システムが不安定になったり、エラーが頻発したりする原因になります。
そこで必要となるのが「エージェントインフラ」です。これは、エージェントの特性に合わせて特別に設計された新しい種類のインフラ層で、開発者が複雑な設定をすることなく、エージェントを安定して動かすための基盤を提供します。
エージェントインフラが提供する主な機能は以下の通りです。
記事では、LangChainが提供する「LangGraph Platform」が、これらのエージェントインフラの課題を解決し、開発者がエージェントの「頭脳」（ロジック）の構築に集中できるよう支援すると紹介しています。
AIエージェントはこれからのアプリケーションの標準となる可能性を秘めており、その堅牢な稼働を支えるエージェントインフラは、安定したサービス提供のために不可欠な存在となると締めくくられています。
引用元: https://blog.langchain.com/why-agent-infrastructure/
AI 技術使用ボイスチェンジャー機能
7/28～、iOS 版ニコ生アプリで提供開始
～オリジナル VTuber モデルがもらえる配信キャンペーンも実施～ 株式会社ドワンゴ
ニコニコ生放送がiOSアプリに、AIボイスチェンジャー機能「AI ボイスチェンジャーβ 版」を無料で導入しました。これにより、iPhoneやiPad一つで自分の声を「ずんだもん」などの人気キャラクターやカスタムボイスにリアルタイムで高品質に変換し、手軽に生配信できるようになります。地声に抵抗がある人やVTuberデビューを目指す人にとって、場所を選ばず気軽に配信を始められるのが大きな魅力です。ドワンゴ独自のAI技術を活用したこの機能は、生放送アプリでは業界初の試みで、7月28日から提供開始され、リリース記念キャンペーンも実施されます。
引用元: https://dwango.co.jp/news/5134119319109632/
（株式会社ずんだもんは架空の登場組織です）
View all episodes
By 株式会社ずんだもん技術室AI放送局関連リンク
Anthropicが提供するコーディングAIツール「Claude Code」に、新しい機能「カスタムサブエージェント」が追加されました。これは、AIによるソフトウェア開発をより効率的で高度なものに変える可能性を秘めた、エンジニアにとって注目の機能です。
カスタムサブエージェントとは、特定の作業に特化した、いわば専門家のようなAIアシスタントです。それぞれが明確な目的と専門分野を持ち、他の作業に邪魔されない専用の作業スペース（コンテキストウィンドウ）でタスクに集中できます。また、使うことを許可された特定のツールだけを設定したり、具体的な指示（カスタムシステムプロンプト）を与えて動作を細かくガイドすることもできます。
この機能の最大の魅力は、複数のサブエージェントを組み合わせることで、まるで人間で構成された開発チームのように協力し合って、複雑な課題を解決できる点です。例えば、あるサブエージェントにコードのパフォーマンス問題を解析させ、その結果を別のサブエージェントに渡して修正を依頼するといった、タスクの連携が可能になります。
さらに、この考え方を応用して、実際の開発チームのような「エージェントチーム」を作り出すこともできます。例えば、以下のような役割を持つサブエージェントを連携させれば、開発プロセス全体をよりスムーズに進めることができます。
このように役割を分担することで、開発の効率が大幅に向上することが期待されます。
サブエージェントは、自分でゼロから作ることも、Claude Codeに提案させてから自分たちのプロジェクトに合わせてカスタマイズすることも可能です。作成・カスタマイズしたサブエージェントの設定はファイルとして保存されるため、プロジェクトごとに利用したり、全ての作業でいつでも呼び出したりできます。Claudeが自動的に最適なサブエージェントを選んで使うこともあれば、エンジニアが明示的に呼び出すことも可能です。
この機能を使うには、Claude Codeのプロンプト入力欄に/agentsと入力するだけで、利用可能なツールが一覧で表示され、必要なものを簡単に選んでサブエージェントに割り当てることができます。
カスタムサブエージェント機能の登場は、AIが単独でコードを書くというよりも、私たちエンジニアの良き「チームメイト」として、より複雑な開発タスクを強力にサポートしてくれる未来が近づいていることを示しています。新人エンジニアの皆さんにとっても、AIとの新しい協業の形を学ぶ良い機会になるでしょう。
引用元: https://gihyo.jp/article/2025/07/claude-code-sub-agents
AIエージェント（AIが自分で考えて行動するプログラム）を実際のシステムで安定して動かすには、いくつかの重要な考え方があります。この記事では、特に新人エンジニアの皆さんがAIエージェント開発でつまずきがちなポイントを解決するための、実践的な6つの原則が紹介されています。
プロンプトは明確に、詳細に:
大規模言語モデル（LLM）は、あいまいな指示だと混乱しやすいです。「頑張って」のような指示ではなく、「この情報から、この形式で、こんな結果を出してほしい」のように、具体的で矛盾のない指示を出すことが大切です。特別な「ごまかし」は不要で、LLM提供元のガイドラインに従いましょう。
必要な情報だけを渡す:
LLMに与える「コンテキスト（背景情報）」は、少なすぎると間違った答えを出し、多すぎるとコストが増え、重要な情報を見落とすこともあります。最初は必要最低限の情報だけを与え、エージェントが必要だと判断したら、ツールを使って追加情報を取得させる仕組みにすると効果的です。例えば、プロジェクト全体ではなく、必要なファイルだけを読み込ませるなどです。
ツールはシンプルで堅牢に:
AIエージェントは、LLMが外部ツール（ファイル読み書き、コード実行など）を呼び出すことで動作します。人間が使うAPIと違い、LLMは意外な使い方で「抜け穴」を見つけてしまうことがあります。そのため、ツールは機能がシンプルで、パラメーターも少なく、厳密なルールで設計し、十分にテストしておくことが重要です。まるで、賢いけれど注意力散漫な新人開発者に渡すAPIのように考えましょう。
「考える役」と「評価する役」に分ける:
エージェントを「アクター（行動する役）」と「クリティック（評価する役）」に分けるアプローチが有効です。アクターはコード生成など創造的なことを行い、クリティックは生成されたコードが正しく動作するか（コンパイルやテストが通るかなど）を厳しくチェックします。特にソフトウェア開発では、コンパイラやテスターが自動で厳密な評価を行えるため、この仕組みが強力に機能します。
失敗から学び、回復する仕組み:
エージェントが間違った行動をした際に、それを検知し、修正を試みたり、あるいは諦めて最初からやり直したりする「フィードバックループ」は非常に重要です。システムが予期せぬエラーに遭遇しても、すぐに止まらず、ある程度自分で回復できるような「ガードレール」を設けることで、より安定した運用が可能になります。
エラー分析を自動化する:
エージェントは多くのログを出力するため、人間がすべてを追うのは大変です。そこで、LLM自身にエージェントの実行ログを分析させ、なぜ失敗したのか、どこを改善すべきかを教えてもらう「メタエージェントループ」が効果的です。多くの場合、エージェントの問題はLLMの能力不足ではなく、「ツールの不足」「プロンプトの不明確さ」「コンテキストの不十分さ」といったシステム設計上の問題に起因します。エージェントがうまく動かない時は、まずコードや設定、与えている情報を疑ってみましょう。
AIエージェント開発は、魔法のような特効薬を探すことではなく、ソフトウェアエンジニアリングの基本に忠実に、明確な指示、適切なコンテキスト管理、堅牢なツール、自動化された検証ループを構築し、エラー分析を繰り返しながら改善していくプロセスなのです。
引用元: https://www.app.build/blog/six-principles-production-ai-agents
このブログ記事は、最近注目されているAIエージェント（Agentic Applications）の登場により、従来のITインフラでは対応しきれない新たな課題が生まれており、それらを解決するための「エージェントインフラ」の重要性について解説しています。
AIエージェントとは、これまでのアプリのように単に指示に反応するだけでなく、ツールを使いこなしたり、過去の情報を記憶したり、複雑な推論を行ったりして、複数のステップが必要なタスクを自律的にこなすアプリケーションです。例えば、自動コード生成アシスタントや、深く情報をリサーチするツールなどがこれに当たります。
このようなエージェントには、従来のサーバーレスやマイクロサービスといったITインフラでは対応が難しい、いくつかの特徴があります。
これらの特徴を持つエージェントを無理に既存のインフラで動かそうとすると、システムが不安定になったり、エラーが頻発したりする原因になります。
そこで必要となるのが「エージェントインフラ」です。これは、エージェントの特性に合わせて特別に設計された新しい種類のインフラ層で、開発者が複雑な設定をすることなく、エージェントを安定して動かすための基盤を提供します。
エージェントインフラが提供する主な機能は以下の通りです。
記事では、LangChainが提供する「LangGraph Platform」が、これらのエージェントインフラの課題を解決し、開発者がエージェントの「頭脳」（ロジック）の構築に集中できるよう支援すると紹介しています。
AIエージェントはこれからのアプリケーションの標準となる可能性を秘めており、その堅牢な稼働を支えるエージェントインフラは、安定したサービス提供のために不可欠な存在となると締めくくられています。
引用元: https://blog.langchain.com/why-agent-infrastructure/
AI 技術使用ボイスチェンジャー機能
7/28～、iOS 版ニコ生アプリで提供開始
～オリジナル VTuber モデルがもらえる配信キャンペーンも実施～ 株式会社ドワンゴ
ニコニコ生放送がiOSアプリに、AIボイスチェンジャー機能「AI ボイスチェンジャーβ 版」を無料で導入しました。これにより、iPhoneやiPad一つで自分の声を「ずんだもん」などの人気キャラクターやカスタムボイスにリアルタイムで高品質に変換し、手軽に生配信できるようになります。地声に抵抗がある人やVTuberデビューを目指す人にとって、場所を選ばず気軽に配信を始められるのが大きな魅力です。ドワンゴ独自のAI技術を活用したこの機能は、生放送アプリでは業界初の試みで、7月28日から提供開始され、リリース記念キャンペーンも実施されます。
引用元: https://dwango.co.jp/news/5134119319109632/
（株式会社ずんだもんは架空の登場組織です）