AI Agent

いがじゅんランチのたぶん165回目くらい。

エンジニアリング・マネジメントっぽい文脈で「こういう状況のとき、じゅんさんならどうします？」と問われて超マジメに回答したら「ありがとうございます、これもう仕事なので請求書を出してください」って言われて笑ってしまった。役に立ちそうな話ができたのならよかった。

あとは先週末からぼくの頭の中にずっとある「AI Agent、わかってきた」のテンション高めの話をigaiga555さんに聞いてもらったりもした。こうして何年もランチ会を続けられているのはありがたいね。

帰宅してからはずっとソフトウェア開発をやっていた。木曜日に動かし始めたDiscordボットを「AI Agent」と呼べるものにしようと思ってループを実装してツール群を与えてみたら、一気に賢くなった。Discordの過去ログをいい感じに検索してくれて、いい感じに応答してくれる。「カレーについて話したいのですが、詳しいのは誰ですか？」と話しかけたら、コミュニティにいるカレー好きの人を提示してくれておもしろかった。

Discordボットを「AI Agent」化する
https://github.com/teacherteacher-jp/manabiya/pull/243

なんとなくわかった気でいたAI Agentへの理解が、実装作業を通じてググッと深まった。だんだんとハイになっちゃって夜中まで作業しちゃったな〜。お布団に入ってからもなかなか眠くならないので、漫画を読みながら更ける夜を過ごしていった。

もっと外へ、もっと内へ

もっと外へ・もっと内へ

• 実装作業を通じてAI Agentへの理解が深まる体験、めちゃ楽しかった
  • 自分の「知」の内側にディープダイブした感触があった
• 上の「知」と絡めるわけではないが『チ。―地球の運動について―』の魚豊さん、おもしろいねえ
  • 『ひゃくえむ。』の原作がおもしろくてウホウホしている
• 自分はけっこう自由を求める傾向が強いよなあ、と思う
  • たとえば、実際に「ひとりで出かける」を実行しなくても「いつでもひとりで出かけられる」と思えるだけで心が元気になるのを自覚した

アプリケーション開発、あれもこれもやりたい期に突入しているな〜〜。今年の7月くらいからプログラミングに当てる時間が増えているよねえ。自分に追い風を吹かせてくれたのはClaude Codeだった。やっぱりAI Agentっておもしろいと思う。ChatGPTに代表されるような自然言語対話だけじゃなくて、あれこれReadしたりWriteしたりしながら会話してくれる相手もおもしろいんだよ、ってことがもっと広く知られるようになったら、さらにおもしろいことになると思う。

エージェントはツールをループで使う、という定義がシンプルで好きなんだけど、Claude Codeはツールを良い感じに再起的に呼び出してやってくれるクオリティが必要十分な域に達した、ということと、少なくとも今はClaude Pro/Maxプラン加入で定額制なので費用を気にしなくて良いので、雑務でもなんでもコストを気にすることなく任せられる、というので自分の中でキャズムを超えた感じだ。
2025年6月18日 - A Day in the Life

とsecondlifeさんの6月の日記で紹介されていたSimon Willisonさんのブログ記事を思い出して、読み返した。

Agents are models using tools in a loop
https://simonwillison.net/2025/May/22/tools-in-a-loop/

というのも、きのう実装したLLM付きDiscordボットの挙動があまりおもしろくなくて「な〜んか、おもしろくないね？」となっていて。単発でLLMを利用してもおもしろくない。ふだん自分がよく触っているClaude Codeがおもしろいのは、それがAI Agentだからか、とここにきて体感に説明をつけられるようになった音がした。

なので次はAI Agentと呼べるようなふるまいをするDiscordボットを目指して、実装を拡張していくことにした。AI AgentなDiscordボット、動くようになったらおもしろい気がする。

ウェブブラウザDiaはあまり使いどころがないのだけれど、Apple Developer ProgramとかAzure Portalとか、自分にとって「迷子になっちゃうくらい、土地勘がなくて複雑に感じちゃう管理画面」の類に迷い込んだときは、Diaのサイドバーのチャットウィンドウを地図のように頼りにして歩くことにしている。そしたらね、けっこうお目当ての操作を完遂できるのよね。なんか必要悪って感じで、これをもってしてDiaは便利〜と評価するのは違う気がする。それぞれの管理画面がちゃんと使いやすくなってくれるのがいいよな…。

助かっているのは事実で、DiaとClaude Codeに助けてもらいながら暮らしていると、AI Agentについてこう思う。

• ふだん使っているウェブブラウザを操作できて、開いているウェブページの内容にアクセスできてほしい
• ファイルシステムにアクセスできてほしい、コマンドを実行できてほしい

つまり「カレント・ウェブページ」「カレント・ディレクトリ」といった文脈の上で動くAI Agentがいれば、ぼくの作業のほとんどの領域をカバーできるようなものになるんじゃないか。VS Codeでターミナルを開くことはできて、同じような感じでウェブブラウザも開けて、Claude Code等からウェブブラウザにもアクセスできるようになればいいのか？

佼成学園の生徒さんが相談してきてくれたので、ビデオチャットをつないで問題解決に当たった。先々週にいっしょにセットアップしたGemini CLIがかなり役に立っているようで、おすすめできてよかったなあ、と思う。

macOSで動かしているVS Codeのトラブルシュートがあって、そのときは「ターミナルを起動して cd .vscode してそこで gemini を起動してみましょう」と提案して、Gemini CLIに調査を進めてもらったらあっという間に解決した。

ぼくが佼成学園で講演させてもらった直後にGemini CLIが発表されてラッキーだった。高校生には、Googleアカウントさえあれば無料で使い始められる選択肢があるのはとてもよいことだと思う。日本中の、ソフトウェアでなにかやってみたい中高生、プロジェクトに取り組んでいる中高生に、Gemini CLIやAI Agentの活用方法を伝える役目なら、よろこんで買って出るね。物事が前に進むのはうれしいもんね。

AI Agentに話しかけるとき、冒頭に「これは相談なんですけど」と置いたときがあって、これは人間向けのプロンプトだな〜と思った。とくに、口頭やテキストチャットでStreamingなやりとりをするとき用だな。AI Agentにある程度まとまった単位で指示や相談を持ちかけるときは、こういう枕を置く意味はあまりなさそう。クセでやりがち。

どこで見たか忘れたけれどRPAのセミナー情報を見て、Robotic Process Automationの現在地ってどんな感じなんだろう、と思った。もしかしたらAI Agentと合体して妙な進化をしているのか？？？とか想像したのよね。

今日のソフトウェア開発は、下記のツール・スタックで取り組んでみる。

• Shokz OpenComm2
• Aqua Voice
• Cursor
• Claude Code (をCursorのターミナルで動かす)

今回はClaude Codeをがっつり試すのでCursorのチャット欄は使わずにテキスト・エディタのGUIだけ借りる。作業の途中でAqua Voiceのお試し枠を食べ尽くしたのでProプランにした。活用していけそう。

開発の指示をAI Agentに伝えるとき、誤字脱字とか、ある言葉をアルファベットで書くかカタカナで書くかとか、細かいことは気にしないと決めた。わ〜〜〜っとしゃべってAqua Voiceで文字列化されたものは、たとえばぼくが app/models のつもりで「アップモデルス」と発話したものが appmodels のようになったりもするのだけれど、そのまま渡してもAI Agentはちゃんと解釈してくれる。書き起こしを変に直そうとしなくてもよい。楽をしよう。

Claude Codeはよさげだな…。あまり待たされず、頼んだことがさくさくと進む感触。Anthropicの軍門に降ることにしてChatGPTのPlusプランは解約すっか。Aqua Voiceにもお金がかかっていくし。

Cancellation Surverのページの言語切り替え選択肢に「日本語」がなかった。プライオリティの低い言語だ。

まじめに回答していったら「なんでClaudeに乗り換えるの？」「悪いところがあったら直すから」的なことになってきて、別れ際の修羅場っぽかった。

Why are you switching to Claude instead of ChatGPT?
What could we have done to make you want to keep your subscription?

ArcのFavoriteエリアに固定してあったChatGPTのタブも消した。代わりにClaudeのタブを置く。付き合う相手が変わったらすぐにメールアドレスを変えるタイプの同級生のことを思い出した。

Shokz OpenComm2を装着してしゃべってAqua Voiceで文字列化してAI Agentに指示を出しながらソフトウェア開発する、ってのをやってみた。自作のアプリケーションにLLMによる要約機能を組み込む。Generative AIの機能を組み込むために、Generative AIを使いまくって開発を進めている。すごい。犬も歩けばGenerative AIに当たる状態。

Moonlanderの左手親指の担当領域にある赤いキーにAqua Voiceのホットキーを登録しておいたので、ピッとやって音声入力を開始・停止できるようになった。捗るぞい。リビングでぶつぶつしゃべりながらコンピュータを操作する人になった。

夜に作業をしていて、どうにも自宅のネットワークの調子が悪いように感じたのでClaude Codeに相談してみる。Codingだけじゃなくてね、ネットワーク・エンジニアに頼りたいようなこともAI Agentに泣きついていく。コマンドを実行できるから ping や traceroute などなどを実行して状況を確認してくれて助かる。

もともとGUIよりCUIの方がコンピュータによる自動化の類を進めやすかったわけだけれど、Claude CodeみたいなAI Agentに触れていると、ますますCUIの強みが増すよな〜と思う。アプリケーション開発者として人間にとってわかりやすいGUIを提供する時代はいつまで続くのか。それよりも、AI AgentにとってわかりやすいCUIやAPIを提供することが大事になってくるのかもしれない。

って話をGenerative AIに伝えてMermaid記法で作図してもらった。ぼくが直接的にMermaidを書く機会は減っている、ってのも現象の一部だよなあ。まさにそうなっていっている、ということ。

sequenceDiagram
    participant 人間
    participant GUI
    participant アプリケーション

ウェブログ

日記はAIにレビューしてもらう必要はない。誤字脱字があっても良い。思考が偏っていても良い。人気のAIモデルはできる限り世間一般における正解らしきものを提示するものになるだろうから、むしろ偏っている部分にこそ価値があるかもしれない。
生産性を求めない自分向けの文章｜catnose

catnoseさんによるしずかなインターネットの話。ぼくも、日記を書く作業はAI Agentに明け渡したくないことと思っている。でもどうだかな、これって「デジタルじゃなくて手書きがいい」における「手書き」みたいな位置づけになっていくのかも。次の世代の人からしたら「へー、ぜんぶ自分でタイピングして書いているんですね、不便じゃないですか？」みたいな。

yoshioriさんのオンラインミーティングが始まったら自動で点灯するオンエアーネオンライト作った - 宇宙行きたい を参考に、自動でオン・オフするライトを設置してみた。

ハードウェアの設置は、まあ置けば完了で。意外と苦戦したのが「オン・オフ」を制御するソフトウェアの方。yoshioriさんの記事ではLinuxだとlsofコマンドでシュッと確認できそうなことが書いてあるが、ぼくがmacOSで試したところうまくいかなかった。

AI Agentに「カメラとマイクの使用を検出したい」と相談したらいろんなコマンドを試してくれておもしろかった。

lsof | grep -i "camera" | cat
lsof | grep -i "camera" | grep -v "mscamerad" | grep -v "ptpcamera"
lsof | grep -i "audio" | grep -v "coreaudio" | grep -v "VDC"
lsof -c coreaudiod | grep -i "zoom" | head -10
ioreg -l | grep -i "audio" | cat
ioreg -l | grep -i "audio" | grep -i "input" | grep -i "active.*= *1"
ioreg -l | grep -i "IOAudioEngine" | grep -i "active" | head -20
system_profiler SPAudioDataType | grep -A 20 -i "input"
grep -a0 -i 'running' < /dev/null || ps aux | grep -i "audio" | grep -v grep
ps aux | grep -i "AudioService"

結局、ぼくの手元で検証した限りにおいてはコマンドでの検出はうまくいかず、どうしようかな〜と考えた末、メニューバーのスクリーンショットを撮ってその内容から判定する方式に切り替えた。macOS Sequoiaだと、マイクやカメラを使うと状況メニューってところにオレンジやグリーンのアイコンが表示されるので、これを見て「使用中」を判定する。

Macのメニューバーの内容 - Appleサポート (日本)

このアイディアをAI Agentに伝えたらピピッと実装してくれたのでよかった。あとは、できあがったスクリプトをlaunchdに登録して、macOSの起動時に自動実行してもらえるようにする。これでソフトウェア部分も完成。

先週くらいからずっと腰が重くて進まなかったソフトウェア開発の作業、今日はデスクに向かうことができたのでAI Agentに元気に指示を出してみたらスルスルと進んでいった。一定以上の元気があるときに着手さえすれば進む、それはそう…。いざこうしてスルスルと進んでしまうと「もっと早くやれたじゃん」と思ってしまうが、実際には、やれなかったんだよ。それを認める心を持ちたい。

ソフトウェア開発。直近では、自動化テストを用意してContinuous Integration環境をセットアップしたりすることが多くて。これはAI Agentのパフォーマンスを引き出すための整備という感じで、あれだ、ロボット掃除機のために部屋を片付けるのに似ている。ちょっと前にDeveloper Experienceの話題が盛んだった時期があったと思うけれど、最近の文脈でいえば「環境を整備するとAI Agentが全速力で動けるようになって、結果的にそれを使役する人間の体験もよくなる」ってな具合に構造が変化しているように思う。

今まではエネルギーが30以上は残っていないと着手する気にならなかったような作業について、Generative AIやらAI Agentやらを使えばエネルギーが5もあれば着手できちゃったりして。これまでエネルギーの端数は端数として余していたようなシーンでも、端数もぜんぶ使って作業に当ててしまうようなことが起きている。隙間の時間も生産のために吸い上げられていくと、ぜんぜん休まらなくなっちゃうよね。「AI Detox」みたいなことを真面目に考えていかなきゃかな〜。

夕方くらいかな、複数のことを「あれもこれも」と考えていたら頭から湯気が出そうになったので書き出して気を静める。

• 自分がふだん書き溜めているテキストをAI Agentに接続したい
  • Obsidianをあらためて使っていく…？
  • Cosenseに書き溜めたデータをローカルのファイルシステムに定常的に反映させるのがいいかな
    • Cosenseのデータと手元のメモファイルをマージして最高にする、って案を思い付いた、試してみたい
• Model Context Protocol
  • MCPってやつね
  • ちょっと触って遊んでおきたい気持ちがある
• jnbk.app
  • 本番でもSQLiteを使うことにして機能を盛っていきたい

もっと外へ、もっと内へ

もっと外へ

• 出居番丸西にお呼ばれしたりLISTEN NEWSに出演させてもらったりと、ありがたい機会が多くある
• yuta25さんに続いてninjinkunさんchris4403さんnagayamaさんも松本にやってきて、いろんなお話をできていて本当に楽しい
• chris4403さんのおかげで東京サンシャインボーイズの『蒙古が襲来』を観劇できたのもよかったな

もっと内へ

• 先月・今月とAI Agentと戯れていて、自分がなにをしたいのか再発見していく感じがあっておもしろい

Project FHの開発合宿をやる日ということでsugiweさんと集合して「なにをやりましょうか〜」と話すところから始めて、いくつかの作業をドドドと進行した。隣にAI Agentがいる時代のソフトウェアの開発合宿においては「人間が意思決定を担当する」ことの重要性がビビッドに感じられる。なにを目指してなにをやるのか、を決めれば実装はAI Agentに任せてしまえることも多いから。

開発合宿、とても楽しかった！またやりたいとも思うし、今日の開発合宿という「非日常」な時間をいい感じに過ごせたことで、ふだんの「日常」の時間も、意思決定をうまくやればAI Agentを活用してベターな過ごし方をできそう、と手応えたを得た。総じて実りの多い取り組みであった。