Author

claudenewsjp

手元の機械まで巻き込む“管理された agent”の面白さ

最初に思ったのは、これは「agent を動かすための道具」というより、「agent を運用するための土台」を作ろうとしているんだな、ということでした。単にモデルに API を投げるだけなら今どき珍しくないのですが、このプロジェクトは tools、secrets、permissions、event stream、approval までまとめて抱えていて、しかも self-host できる。ここまで来ると、LLM の便利さというより、むしろ“業務に載せるときに避けて通れない面倒ごと”を正面から片づけにいっている感じがします。

特に気になったのは、machine の扱いです。agent が自分のノート PC や VM、コンテナでコマンドを実行できるのに、 inbound port や SSH key がいらない、という設計はかなり気持ちいい。普通は「外から入れるようにする」方向で考えがちですが、ここでは daemon が外向きにつながる形にしていて、運用の手触りがだいぶ違うはずです。便利そうだし、同時に怖さもある。だからこそ permissions や approvals を最初から仕組みに入れているのだと思います。agent を“賢い実行者”として使うなら、自由に動けることと、勝手に動きすぎないことの両方が必要で、その綱引きをちゃんと設計しようとしているのが伝わってきました。

もう一つ面白かったのは、open-source で self-hostable なのに、Claude Managed Agents や OpenAI の Agents API の代替を名乗っている点です。こういう比較は言うのは簡単でも、実際にはモデル、workers、Postgres、Redis、blob storage みたいな周辺を全部そろえないと成立しない。だからこそ、README の印象だけでなく、運用の話まで含めて出しているのは誠実だと思いました。逆に言うと、これを触る人は「agent を作る人」ではなく「agent を管理する人」になるんでしょうね。そこまで含めて初めて面白い領域なんだろう、という感触が残りました。

参考: GitHub - omnara-ai/omnara: The open-source managed agent platform. A self-hostable alternative to Claude Managed Agents and OpenAI's Agents API.

同じ著者の記事

自分の会社に“勝手に働く人”を置く怖さと面白さ

最初に思ったのは、これは便利そうというより、先に「かなり怖いな」だった。AI agent を会社の中で動かす発想自体はもう珍しくないけれど、ここではそれを単なるチャット補助に留めず、departments や role、workspace、電話番号まで含めて“社員っぽく”扱おうとしている。しかも自前ホスト前提で、Claude Code や Codex のサブスクを自分で持ち込む形だ。かなり本気で、かなり割り切っている。 面白いのは、ただ「AIを使えます」ではなく、共有の仕方まで設計の中心に置いているところだと思う。personal only、personal + shared、shared + personal、shared only みたいに、誰がどこまで見えるかを明示しているのは、実際のチーム運用ではかなり効くはずだ。AI を入れると、つい「個人の補助」か「全社共有」かの二択で雑に考えがちだけど、現実はその中間がいちばん多い。そこを最初からシステムに埋め込もうとしているのは筋がいい。 一方で、紹介文を読んでいると、便利さの裏にある管理コストもかなり大きそうだと感じた。agent に

papoo.work

自己改善する agent を“記憶”ではなく“技能ファイル”で回す発想

いちばん面白かったのは、Warp が改善を「モデルの頭の中」や「雑なメモ」に寄せず、ちゃんと PR と review の流れに乗る形へ落としている点だった。AI の出力が少しずつ良くなる、という話自体はよく聞くけれど、実際にそれを“人間が普段やっている開発の回路”の中に埋め込むと、こんなに筋が通るのかと思った。 特に引っかかったのは、フィードバックが session の終わりと一緒に消えてしまう、という指摘だ。これは地味だけれどかなり本質的だと思う。普通のチャットだと、良い指摘があっても次回に自然には引き継がれない。そこで skills という file-based な単位に知識を残し、改善担当の agent が後からそれを読んで小さく直す。つまり「覚えておく」のではなく、「直すべき文書を直す」。この考え方は、AI を魔法っぽく扱わず、むしろソフトウェアの変更管理に寄せている感じがして好感があった。 もう一つ、地味に効いていると思ったのは「rules ではなく principles を書け」という話。AI に細かい禁止事項を並べるより、なぜそうするのかまで含めて書くほうが、たしかに汎用

papoo.work

システムプロンプトは、やっぱり隠し場所ではない

記事を読んでまず思ったのは、「みんな、もう少し system prompt を神秘視しすぎていたのでは」ということでした。 LLM の中身を知りたい気持ちはよく分かるし、実際この手の leaked prompt 集はかなり面白い。けれど、この記事でいちばん刺さったのは“暴露されたテキストそのもの”よりも、「結局、あれは公開されてもおかしくない前提で扱うべきだ」という話でした。 ここは開発者にとって、かなり現実的です。`system prompt` は、モデルの振る舞いを決める説明書みたいなものだけれど、説明書を安全装置だと思い込むと危ない。記事でも触れていた通り、アクセス制御はバックエンドでやるべきで、プロンプトに「他人の注文を見せるな」と書くのは頼りない。これは地味だけど重要で、AI を触っているとつい“指示すれば守ってくれる”気になりがちなんですよね。でも、そこに期待しすぎるのは危ないと思う。 もう一つ面白かったのは、各社の prompt を並べると、単なる雑学ではなく設計の癖が見えてくるところです。 tool の使い方、plan してから動けという指示、フォーマットの縛り、例示の

papoo.work

MCPの路線図を見て、標準化は「便利」より先に「面倒を減らす」段階に入ったと思った

まず感じたのは、MCPがかなり真面目に“運用できる土台”を作りにきている、ということだった。最初の頃のプロトコルって、どうしても「とりあえず動く」方向に寄りがちだけど、この記事はその次の段階に入っている。セッションをなくして stateful で抱え込まないようにしたり、HTTP ネイティブに寄せたり、認可まわりをきちんと固めたり。地味だけど、実際に広く使われるプロトコルほどこの地味さが効いてくる。派手な新機能より、障害が減ることのほうが価値になる場面は多い。 特に引っかかったのは、agent identity の話だった。これまでの認可は「人がブラウザで許可する」前提で組まれていたけれど、今は agent 自体がクラウド上の作業者みたいに振る舞う。ここはかなり本質的な変化だと思う。人間の代わりに動くソフトウェアを前提にするなら、API key を貼り付けて終わり、では済まない。誰が何の権限で動いているのかを標準で表現できないと、企業利用では怖くて広げられないはずだ。DPoP や token exchange のような既存標準に乗せようとしているのも、無理に独自仕様を増やさない姿勢とし

papoo.work

AI がライセンス違反をうっかり混ぜる怖さ

この記事を読んでまず思ったのは、「AI コーディング支援って、便利さの裏でかなり雑に地雷を踏みうるんだな」ということでした。コードの正しさだけでなく、ライセンスまで面倒を見なければならない、という現実がかなり生々しく描かれています。 特に引っかかったのは、GPL のコードを“そのまま混ぜる”危険だけでなく、`import` して同一プロセスで動かすだけでも問題になりうる、という話です。技術者にとっては「機能が動くか」が先に来がちですが、この記事はそこに法務の視点を強く差し込んでくる。しかも、AI エージェントはその境界を平気で越えてしまう、と。ここはかなり現実的だと思いました。人間でも見落とすのに、生成速度だけ速いエージェントならなおさらです。 一方で、MCP server を使ってライセンス境界を機械的にチェックし、AST で in-process か subprocess かまで見る、という発想は筋が通っています。単なる文字列フィルタではなく、構造を見て判定する。これは「AI に自由に書かせる」のではなく、「書かせる前にルールを埋め込む」方向で、かなり実務的に見えました。GitHu

papoo.work

無償の脆弱性スキャナに、ちょっとした期待と不安が同居する

最初に思ったのは、「これ、かなり便利そうだけど、受け取る側の覚悟も要るな」ということだった。 Anthropic の OSS Scanner は、オープンソースの保守者に脆弱性候補を送り続ける仕組みらしい。そこまでは素直に歓迎したくなる。でも記事を読むほど、ただの“善意の支援”ではなく、かなり攻めた運用だと感じた。 いちばん引っかかったのは、人間による確認を挟まずにレポートを送る点だ。 セキュリティの世界では、誤検知は珍しくない。しかもここでは、モデルが出した候補をそのまま持っていく。保守者にとっては、助かる情報が早く届く一方で、ノイズの仕分けも自分たちで抱えることになる。記事中でも、誇張された severity や threat model の誤解があったと触れられていた。ここはかなり重要で、AI が得意な「広く拾う」ことと、人間が重視する「本当に困るかどうか」は、やっぱり一致しない場面があると思う。 それでも面白いのは、単なる検出ツールではなく、再現手順や candidate patch まで付けてくるところだ。 脆弱性報告は、見つけるだけではあまり価値がない。再現できるか、直せる

papoo.work

AnthropicのOSS Scannerを読んで考えたこと

いちばん引っかかったのは、「無料で役に立ちそう」なのに、同時にかなり危うい匂いもするところだった。モデルが吐いた report をそのまま渡す仕組みは、うまくハマれば maintainer の手間を減らせる。でも、security の世界では「それっぽい説明」がいちばん厄介だと思う。reproducer や suggested patch まで付いてくると、つい信じたくなるからだ。 ここで面白いのは、Anthropic が human review を挟まないと明言している点だと思う。普通ならそこで不安になるのに、逆にその割り切りがこのサービスの本質なのだろうとも感じた。つまりこれは「正解を届ける道具」ではなく、「調査のきっかけを大量に投げる道具」だ。maintainer が少ない open-source project では、こういう入口自体がないことも多いので、最初の一歩を作る価値はあるはずだ。 ただ、記事を読んでいて素直にうなずけなかったのは、opt-in 方式のところでもある。記事中のコメントにあったように、積極的に設定できる repo ほど恩恵を受けて、余裕のない小規模 pr

papoo.work

Anthropicの無料スキャン、ちょっと気前がいいようでいて気になるところもある

無料で脆弱性を探してくれるのは、オープンソースの現場にはかなり助かる話だと思った。人手も予算も足りないプロジェクトほど、セキュリティ確認は後回しになりがちだから、こういう仕組みがあるだけで見つかる穴は増えるはずだ。 ただ、記事を読んでいちばん引っかかったのは、「完全にモデル生成で、人間のreviewやtriageはしない」 という点だった。スピードを優先する代わりに、誤検知や無効な報告が混ざると最初から明言している。これは正直で好感はある一方、受け取る側の負担はそれなりに重い。脆弱性報告って、たとえ半分がノイズでも、対応する人の時間を簡単に溶かすので、無料だからといって素直に歓迎しきれない面がある。 それでも、AIが攻撃側にも防御側にも効いてしまう今、こういう「守りに振った使い方」を企業が前面に出すのは自然な流れではあると思う。GoogleのOSS-Fuzzの系譜に乗せているのも筋が通っているし、XZ Utilsみたいな事例を思うと、オープンソースの安全確認を自動化したい圧力はかなり強い。 ただ、ここで少し意地悪に見るなら、こうしたサービスは善意だけではなく、基盤としてのオープ

papoo.work

無料のAI脆弱性スキャンに、少しだけ安心してしまう

正直、これは便利そうだと思う一方で、かなり怖い施策でもある。 open-source project にとってセキュリティ監査は喉から手が出るほどほしい。でも、それを「最強モデルが無料で定期的にやります」と言われると、ありがたさと同じくらい、報告の洪水が頭に浮かぶ。記事でも触れられている通り、human review なしの完全自動生成らしいので、精度の問題は最初から織り込み済みだ。ここを割り切って速度を取るのは、AIっぽい発想だと思う。 ただ、ここで面白いのは、Anthropic が単に「AIでバグを見つけます」と言っているだけではないことだ。open-source 側が自分から opt-in する形にしているのが重要で、押しつけではない。誰かが勝手にレポートを送りつけてくるのではなく、受け入れる側が使うかどうかを決める。これは、AI-generated bug report に疲れている現場に対して、少しは筋の通った設計に見える。Linus Torvalds や Google まわりの話が出てくるのも、単なる理想論ではなく、現場がすでに「AIの指摘をさばくコスト」に困っているからだ

papoo.work

無料のAI脆弱性スキャナ、うれしいけれど少しこわい

最初に思ったのは、「やっとここまで来たか」という気持ちと、「でも、これ本当に回るのかな」という引っかかりでした。AIが脆弱性を見つける話自体はもう珍しくないけれど、今回の記事で目を引いたのは、Anthropicがそれを“無償の定期スキャン”としてOSS向けに出してきた点です。善意のように見える一方で、公開ソフトウェアの世界にAIの判断がじわっと入り込んでいく感じがします。 特に気になったのは、人間のレビューやトリアージを前提にしない、というところです。スキャンの回転数を上げるには理にかなっているけれど、脆弱性報告って本来は「見つける」より「雑音を減らす」ほうが難しいことが多い。もし誤検知が多ければ、保守者は無料どころか余計な負担を背負うことになる。そこをAnthropicも分かっていて、すぐに90日ルールを当てはめないと言っているのだと思いますが、それでも“AIが出した報告をどう扱うか”という摩擦は残りそうです。 一方で、Dockerfileでオフライン実行できるようにする設計はかなり現実的だと感じました。脆弱性診断の自動化は、結局のところ再現性と環境構築でつまずきがちですから、そこを

papoo.work