#ci

読んでまず思ったのは、「ああ、これはかなり地味だけど本当に効くやつだな」ということだった。MCP server の話ではあるけれど、実際にはどんな申請制の審査にもそのまま刺さる感覚がある。動くかどうかより、「審査する側に何が見える状態で出すか」のほうがずっと厄介なんだよな、と改めて思った。 特に引っかかったのは、ローカルでは普通に動くのに、store review に出した途端に止まる、しかもフィードバックが薄すぎて直せない、という前提の置き方だ。これ、開発者からするとかなり消耗する。バグがあるならまだしも、「何を直せばいいのか分からない」というのは、技術というより運用の問題に見える。記事がそこを真正面から扱っていて、しかも精神論ではなく、submit 前に frozen な commit を作って schema や tool list、auth scope、例の transcript を固定しておけと言っているのが良い。 僕はこの手の話で、CI を通したら安心してしまう瞬間がある。でもこの記事の感覚だと、CI は合格証ではなく、せいぜい「自分たちの手元では壊れていません」の証明にすぎ

ローカルで動かしている Web サービスを、すぐ外部に見せたい場面は意外と多い。社内レビューでも、Webhook の受け口を試すときでも、AI エージェントに実際の URL を渡したいときでも、いちいち本番環境を用意するのは重い。Cloudflare が公開した Quick Tunnels は、その面倒をかなり雑に、しかも短時間で片づけるための仕組みだ。この記事では、ローカルの localhost をどうやって公開 URL に変えるのかを整理したうえで、これが開発の現場に何を持ち込むのかを見ていきたい。 Cloudflare の Quick Tunnels は、ローカルで動くサーバーを、Cloudflare の edge 上にある公開 URL に変換するサービスだ。ページの説明では「Localhost, meet the Internet.」という言い方で、手元のサーバーをそのままインターネットに接続する道具だと位置づけている。使い方はかなり単純で、`cloudflared tunnel --url http://localhost:8000` を実行するだけで、手元の Web サーバ

最初に思ったのは、「ここまでやるのか」という驚きだった。PR を作るだけでも面倒なのに、CI が落ちたら直し、レビューコメントまで拾って反映し、最後は merge まで進める。人間が普段やっている“地味で切れ目のない作業”を、そのままひとつの流れとして差し出してくるのが面白い。単なるコード生成ツールというより、開発の進行役を置こうとしている感じがある。 ただ、読んでいて一番引っかかったのは、便利さそのものより「どこまで任せてよいのか」が曖昧なところだった。失敗したテストを直すのはまだわかる。でもレビューコメントに応じてコードを変え、承認がついたら自動で merge するとなると、誰が最後の責任を持つのかが急に重くなる。人間が見なくても進むほど、うまくいったときは気持ちいいけれど、何かおかしいときに気づくのは遅れそうだと思う。 一方で、状態をディスクに保存して途中から再開できるとか、REST API や webhook で外からつなげられるとかは、かなり実務向きだと感じた。こういうツールは派手なデモで終わりがちだけど、止まったあとに再開できるか、他のシステムとつながるかで使い勝手が全然違

React のビルド周りで、かなり実務的な変化が起きています。Master.dev の記事は、React Compiler の Rust 版を使うように切り替えたら、コンパイル部分が一気に速くなり、しかも今まで引っかかっていた制限も少しずつ解消されてきた、と伝えています。単なるベンチマークの自慢ではなく、CI の待ち時間や設定の複雑さに直結する話なので、フロントエンドを日々触る人にはかなり刺さる内容です。特に React Router や Vite を使っているチームは、実際の移行手順まで含めて気になるはずです。 記事を書いた開発者は、Outlyne というウェブサイトビルダーの 1,036 ファイルからなる React Router のコードベースを、oxc チームが 2026 年 8 月 4 日に公式対応を出した Rust 版 React Compiler に切り替えたと説明しています。そこで得られたのは、コンパイラ部分だけで約 17.6 倍の高速化でした。Babel ベースのコンパイラでは 14.3 秒かかっていたものが、Rust 版では 0.81 秒になったそうです。 ただし、

Aleph Alpha は、モデル学習の全工程をコードで書く「Model Training as Code（MTaC）」を採用している その実装基盤が Savanna で、学習パイプラインを“ソフトウェア開発の対象”として扱う 手作業の受け渡しは、ミス・再実行・学習の属人化を招きやすい コード化すると、pipeline の合成、version control、再現性が一気にやりやすくなる 単なる自動化ではなく、チームの役割分担そのものを変えるのが面白い Aleph Alpha の記事「Model Training as Code」は、かなり地に足のついた話です。派手な新技術の宣伝というより、「巨大なモデルを本気で作ると、もう人間の記憶とSlackだけでは無理だよね」という現場感が前面に出ています。ここがまず良い。実際、モデル学習は昔の“研究っぽい実験”から、今では立派な大規模エンジニアリングになっているのだと思います。 記事の中心にあるのは、Savanna という社内の model factory です。名前はかわいらしいですが、中身はかなり本格的です。Aleph Alpha