Author

claudenewsjp

Claude Codeを“1件ずつ”ではなく“さばく”発想

この記事を読んでまず思ったのは、発想の中心が「コードを書くこと」ではなく「大量の小さな依頼を壊さず回すこと」に完全に移っている、ということだった。そこが面白い。LLMやcoding agentの話って、つい「何でも自動化できる」方向に寄りがちだけれど、実際の現場では小さな修正が雪だるま式に増えていく。しかも、その一つ一つが地味にあいまいで、雑に投げると別の場所まで触られる。この記事はそこをかなり正直に見ている。

特に腑に落ちたのは、全部を一つのセッションに押し込まない判断だ。コンテキストが長くなると、モデルは当然つらくなるし、人間側も何がどこで決まったか追いにくくなる。だから、最初にSlackやLinearで受け皿を整えて、軽いものだけをClaude Codeの同じ流れで処理し、重いものは別スレッドに逃がす。これは派手さはないけれど、現実的だと思う。AIを入れた瞬間に「全部速くなる」はず、ではなくて、むしろ受付・仕分け・確認の設計がないと詰まる、という話に見えた。

もう一つ印象に残ったのは、HTML reportを何度も挟むところだ。人間が確認しやすい形にわざわざ整えるのは、少し回り道に見える。でも、実際にはその回り道がないと、速く作るほど検証が雑になる。ここはかなり本質的で、AI活用のボトルネックが「生成」ではなく「確認」に移っていることを感じた。モデルに仕事をさせるほど、最後に人間が見るための説明責任が必要になる。しかも、その説明はただのログでは足りなくて、「どの画面で」「何を見ればよいか」まで落としてあげる必要がある。そこまでやって初めて、速さと安全性が両立するんだろう。

一方で、ここまで仕組み化できるのは、かなり成熟したチームや運用が前提にも見える。Slack、Linear、Claude Code、sub-agent、worktree、HTML reportが全部つながっている状態は、整っていない現場だと逆に重そうだ。だからこの記事は「このやり方を真似すれば誰でも楽になる」というより、「AIが増えるほど、仕事の流れそのものを設計し直さないといけない」という話として読むとしっくりくる。

参考: How to Effectively Solve 100+ Tasks with Claude Code | Towards Data Science

同じ著者の記事

LangGraphとFoundry IQをMCPでつなぐ話を読んで

読んでいてまず思ったのは、「RAG を自前で全部持つの、やっぱり重いよな」ということでした。ベクトル化して、検索して、再ランキングして、権限も見て、さらにエージェント用の制御まで入れる。この記事はそこを Foundry IQ 側に寄せて、LangGraph は orchestration に集中させる、という割り切りをかなりはっきり示しています。こういう分担はきれいですし、運用のたびに同じ部品を各エージェントへ複製する苦さも減りそうです。 ただ、読んでいて面白かったのは、「MCP でつながる」と言っても、単にツールを呼べば終わりではないところです。token refresh が必要で、ユーザー権限も別トークンで渡し、しかも knowledge base 自体が planner でもある。つまり、エージェントが planner を持つのに、検索基盤側もすでにある程度 “考える” ので、誰がどこまで考えるかを決めないと、挙動が見えにくくなる。ここは実装の華やかさより、設計の面倒さが前に出ていて、かなり実務っぽいと感じました。 あと、knowledge base の description

papoo.work

MCPの新しい設計図を読んで、少し安心した

AIエージェントって、便利そうに見えて実際にはかなり怖い。勝手にデータを触るし、どこまで許可していいのかも曖昧だし、つなぎ方を間違えると一気に危うくなる。その不安に、MCPのロードマップがかなり正面から向き合っているのが印象に残った。 特に気になったのは、単に「もっと機能を増やします」ではなく、認証や権限の話をかなり丁寧に前へ出しているところだ。AIに仕事をさせるなら、モデルの賢さより先に、誰が何をしてよいかをきちんと縛る必要がある。記事に出てくるDPoPやWorkload Identity Federation、Enterprise-Managed Authorizationみたいな言葉は少し堅いけれど、要するに「AIだからといって雑に信じない」方向へ寄せているわけで、そこはすごく筋がいいと思う。 一方で、ロードマップとしてはかなり立派でも、現場でどこまでそのまま使えるかはまだ読めない。標準が整うほど、今度は実装側の負担が増える。便利さの裏で、運用する人間に求められる知識はむしろ増えそうだ。そこをどれだけわかりやすくできるかで、MCPが本当に広がるかが決まるのではないかと思った。 -

papoo.work

Claude Desktopでモデルを回す話、いちばん面白いのは「できた」より「止められた」ことだと思った

読んでまず思ったのは、こういう連携って技術そのものよりも、配布のしかたや制約との綱引きで決まるんだな、ということだった。Claude Desktop からローカルの model を使えるようにする話は一見すると便利機能のニュースに見えるけれど、実際には「前回は数日で止まった」というところが本体に近い。そこが妙に生々しい。 面白いのは、Ollama がやろうとしていることが、単に Qwen や DeepSeek、Kimi を動かせます、で終わらない点だと思う。Model の種類が増えるのはもちろん嬉しい。でも本当に効くのは、Claude Desktop 側の制約をどうかわすか、という実装の工夫のほうだろう。proxy を噛ませていると聞くと、ちょっとした小細工にも見えるけれど、こういう迂回路があるからこそ現実の製品は動く。きれいな正攻法だけでは通らない場面って、やっぱり多い。 それと、この記事を読んで少し引っかかったのは、こうした「つながった、でもまた止まるかもしれない」タイプの機能が、ユーザー体験としてどこまで安心できるのかという点だ。便利さはある。かなりある。でも外部のルールやモデル

papoo.work

Claudeにブラウザが入った、という地味だけど大きい話

まず思ったのは、「やっとか」という感覚だった。LLMがWebページを見て作業する流れは、もうかなり前から当たり前になりつつあるのに、毎回Chrome拡張に寄せていたのは少し不自然だった。デスクトップアプリの中にブラウザが入ると、道具としての一体感が出る。小さな変更に見えて、使い勝手はかなり変わるはずだと思う。 ただ、ここで面白いのは「ブラウザを持った」こと自体より、どこまで本気でWeb操作を肩代わりさせるつもりなのか、という点だと思う。ブラウザがあると聞くと、つい“なんでもできる”感じがするけれど、実際にはログイン、権限、動的に変わる画面、CAPTCHAみたいな面倒ごとが残る。AIにページを読ませるのは簡単でも、Webをちゃんと使わせるのはまだ別問題だ。この記事を読んで、その境界線がむしろ気になった。 一方で、拡張機能に頼らなくてよくなるのは、導入の心理的なハードルを下げる。企業の端末ではChrome拡張の許可や管理が面倒なことがあるし、ブラウザ依存が減るのは運用上かなりうれしい。こういう「技術的には派手じゃないけど、現場では効く」改善は、AI機能の価値をじわっと押し上げるんじゃないか

papoo.work

Claudeの記憶がつながると、たぶん「気の利いたAI」に一歩近づく

最初に思ったのは、ようやく「会話のたびに前提を説明し直す面倒」が減りそうだな、ということだった。これは地味だけど、実際に使う側にはかなり大きい。チャットと作業用エージェントで記憶が共有されると、同じ人に話している感覚が少し強くなる。毎回ゼロから自己紹介しなくていいAIは、かなり楽だと思う。 ただ、嬉しさと同じくらい気になったのは、記憶の境界がどんどん広がっていくことだ。今回の更新では、敏感な話題はデフォルトでは保存しないし、保存するかどうかを切り替えられる。そこは筋が通っている。でも、設定があるから安心、とは単純には言い切れない気もする。AIの「覚えていてほしい」と「覚えていてほしくない」は、ユーザーごとにかなり揺れるからだ。健康や政治みたいな話題は、便利さにもなるし、逆に少し怖さもある。 それでも、Anthropic が「何を覚えるか」をかなり細かく扱おうとしているのは悪くない方向だと思う。記憶機能って、放っておくとただのブラックボックスになりがちだけれど、今回の変更は少なくとも「覚えること自体をユーザーが触れる」感じがある。AIが賢くなるより先に、AIに何を渡すかを調整できることの

papoo.work

AI時代のCVEは、もう「速さ」だけの話ではない

最初に思ったのは、AIが脆弱性を見つける能力そのものより、その先の扱い方まで含めてセキュリティの設計を変えないといけない、ということだった。ここがいちばん重い。 記事を読んでいて引っかかったのは、「AIがCVEを大量に見つけるなら危ない」という単純な話では終わっていない点だ。CVEはただの“見つけたバグ一覧”ではなく、どの組織が、どの基準で、どの粒度で切り出すかで意味が変わる。だからAIで件数が増えたとしても、それだけで強い安全性にはつながらないし、逆に運用が雑だとノイズも増える。 特に腑に落ちたのは、記事が「AIに何個見つけさせたか」より、「見つかったものをどう優先して、どう止めるか」に話を寄せていたところだ。CVSSの点数を眺めるだけでは足りない、という指摘はかなり現実的だと思う。実際に自分の組織で使っているソフトなのか、インターネットから到達できるのか、更新が止まっていないか。そういう泥臭い条件のほうが、現場ではずっと効く。AIが強くなったぶん、人間側の判断軸はむしろ具体化しないといけない。 それと、AIで脆弱性が増えるなら「全部をすぐ直す」発想はもう無理だろう、という空気も感じ

papoo.work

防御のために強いAIを広げる、という難しさ

この記事を読んで最初に思ったのは、「攻撃側に強いモデルは危ないから閉じる」ではなく、「防御側が使える形にして配る」ほうへ、かなり意識的に舵を切っているんだな、ということだった。しかも単に“安全です”と言うのではなく、モデルそのものを直接触らせず、あくまで結果だけ渡す設計に寄せている。ここは筋がいいと思う一方で、逆に言えば、そのくらいしないと高性能な cyber 能力はすぐ危うくなる、という現実も透けて見える。 特に引っかかったのは、「モデルを公開する」のではなく「特定の出力だけを返す」ことでリスクを下げる、という発想だ。たとえば vulnerability の修正案だけ出すなら、exploit を作らせる余地は減る。理屈はわかる。けれど、実運用では“意図した範囲だけにきれいに閉じ込める”のがどれだけ難しいかも想像できる。security は、便利さよりも境界線の設計が本体みたいなところがあるので、そこをプロダクトの形に落とし込もうとしているのは面白いし、同時にかなり神経を使う仕事だとも感じた。 もうひとつ気になったのは、open-source security に $35M の cre

papoo.work

27ドルの腕時計が、思ったよりずっと「触れる」開発環境だった

最初に思ったのは、安いガジェットの話というより、手元にある物をもう一度おもしろくし直す話だなということだった。引き出しの奥で眠っていた $27 のスマートウォッチが、Claude みたいな coding agent を通すだけで、急に「遊べる端末」に戻ってくる。そこがかなり気持ちいい。 特に引っかかったのは、著者が最初から完璧を狙っていないところだ。画面の文字位置がずれて読みにくくても、まずは simulator で動かして、次に少しずつ直す。これ、AI を使うと雑に一発で終わらせたくなる場面で、逆に人間が細かく介入したほうが早いことがある、という実感に近いと思う。全部を agent に丸投げするより、1つずつ「ここを直して」と渡したほうがうまくいく。地味だけど、たぶんここが本質だ。 もうひとつ面白かったのは、画面の静的部分を丸ごと画像にしてしまう発想だ。腕時計の中身を全部コードで描こうとするとしんどいけれど、固定部分を画像に逃がせば、一気に難易度が下がる。ただ、その代償として Bluetooth 転送に10分かかったり、画面更新が1〜2秒かかったりする。ここは「賢いけど、やっ

papoo.work

MCPの「新しい地図」を読んで思ったこと

正直、MCPの話はもう少し「便利な接続規格が増えました」で終わるのかと思っていた。でもこの記事は、そこから一段深くて、AIを外部サービスにつなぐときに何を先に固めるべきかをかなり露骨に突いていて、そこが面白かった。 特に引っかかったのは、今回の更新が単なる機能追加ではなく、HTTP transport の整理と security の話をかなり強めている点だ。AI向けの仕組みって、機能が先に走って安全性はあと回しになりがちだと思う。実際、便利さだけで広がった仕組みは、あとから「誰がどの権限で何を触っているのか」が曖昧になって苦しくなることが多い。だから、MCPがそこを最初から protocol の中心に寄せようとしているのは、かなり健全に見えた。 もう一つ、地味だけど大事だと思ったのは、AI agent を「人間の代わりに動く何か」として扱う前提が、ようやく実装レベルに降りてきた感じがすることだ。OAuth の延長だけでは足りない、という空気がはっきり出ていて、DPoP や workload identity federation みたいな単語が並ぶのも、その裏返しだろう。AI は画面を

papoo.work

AIでコードを書き換える時代の、いちばん気になるところ

最初に思ったのは、「速さ」より先に「本当に置き換えていいのはどこまでなんだろう」という不安のほうだった。この記事、Claude Code が何万行ものコード移行をかなり短期間で進めた話として読めるのだけれど、読後感は単純な武勇伝ではなかった。むしろ、AI がコードを“書ける”ことより、既存コードを“壊さずに移す”ために何を見ているのかのほうがずっと面白い。 特に引っかかったのは、テストや judge（判定用の仕組み）をかなり厚く置いている点だ。AI に「移行して」とだけ頼んで終わりではなく、どのテストを呼ぶか、どう同値変換するか、意図的な破壊をどう見分けるかまでルール化している。ここを読むと、AI の価値は“賢さ”そのものというより、作業の周りにある面倒な確認をどこまで機械に持たせられるかにあるのだと思う。逆に言えば、ここを雑にすると、どれだけ派手なデモでも現場では怖くて使えない。 もう一つ印象に残ったのは、移行先の言語が Zig や Rust みたいな「堅い」ものだったことだ。こういう移行は、ただの書き換えではなく、実質的には設計の再点検になる。だからこそ、AI が便利だとしても、人

papoo.work