#AI開発運用

AI開発運用に関する記事一覧です。関連する記事をまとめて探せます。

• AIエージェント開発で10万円溶かす前に読む、API課金・権限・知らないrepoの地雷回避ガイド

  Codex、Claude Code、GitHub Copilot、MCP、AI APIを使う前に確認したいAPI課金事故、権限設定、知らないGitHubリポジトリ実行、APIキー、push・deployの注意点を初心者向けに整理します。

• AIエージェントのベンチマーク完全ガイド：SWE-benchだけでCodexの実力は分からない理由

  SWE-bench、Dialogue SWE-Bench、SWE-Skills-Bench、MarketBench、TerminalWorld、OSWorld、AgentHarmを分けて読み、Codexに任せる範囲と人間確認の残し方を整理します。

• SWE-bench・SWE-rebench・SWE-bench-Live・SWE-MERAの違い：AIコーディング評価はなぜ更新され続けるのか

  SWE-bench系ベンチマークが増え続ける理由を、汚染、古いissue、弱いテスト、多言語化、live-updatable評価の観点から整理します。

• TerminalWorld・Terminal-Benchで読むAIターミナルエージェントの限界：CodexにCLI作業を任せる前に見ること

  TerminalWorld、Terminal-Bench、terminal-agent task guidelineから、Codexにbuild/checkやログ読解を任せる前の安全手順を整理します。

• AIは論文を再現できるのか？PaperBenchから見るCodexで研究実装を頼む時の限界

  PaperBenchを入口に、AIへ論文実装や研究再現を頼む時の分解手順、失敗しやすい箇所、人間が確認すべき評価指標を整理します。

• 自分のリポジトリでCodexを評価する方法：小さなベンチマークタスクの作り方

  公開ベンチマークの順位を自分のリポジトリに当てはめず、代表的な小タスク、固定した実行環境、事前の合格条件、初回・再試行・人のレビュー時間・実測利用量を分けて記録する手順を整理します。

• AIベンチマークの汚染とは？SWE-bench-Live・SWE-MERAからスコアを信じすぎない読み方

  ベンチマーク汚染、公開タスクの古さ、弱いテスト、live-updatable benchmarkの意味を、SWE-rebench、SWE-bench-Live、SWE-MERAから整理します。

• Dialogue SWE-Benchとは？対話型コーディングエージェント評価が重要な理由

  Dialogue SWE-Benchを、CodexやClaude Codeで確認質問、方針相談、レビュー差し戻しを含めて使うための評価軸として整理します。

• Agent Skillsは本当に効く？SWE-Skills-Benchから見るスキル注入の限界

  SWE-Skills-Benchをもとに、AGENTS.md、Claude Code Skills、手順書を増やす時の効果測定、token overhead、version mismatchのリスクを整理します。

• AIエージェントの自己評価はどこまで信用できる？MarketBenchで見る成功確率とtoken見積もりのズレ

  MarketBenchをもとに、AIエージェントの成功確率、token usage、完了見込みの自己申告をログ・テスト・差分で補正する運用を整理します。

• ChatGPT WorkとCodexの違い・使い分け｜調査・サイト運営・コード修正はどちらに頼む？

  ChatGPT WorkとCodexの違いを、調査、資料作成、個人サイト運営、GitHub、コード修正、build、sitemap、pushの具体例で比較。どちらへ依頼すべきか、初心者向けの判断表と安全な併用手順を紹介します。

• Claude Code CLI自動化の使い方｜-p・JSON出力・max-turns・Windows・MCPの安全設計

  Claude Code CLIを非対話で自動化する方法を、-p/--print、JSON・stream-json出力、max-turns、Windows Native・WSL、MCP接続の確認順に整理します。

• Claude Code Pluginsの使い方｜marketplace・scope・MCP・Skillsを安全に管理

  Claude Code Pluginsの使い方を、marketplaceの追加とinstall、user・project・local scope、Skills・Hooks・MCP・LSP、--plugin-dir、reload、更新、削除の順に整理します。

• Codex PluginsとSkillsの違い｜MCP・コネクタ・Hooksを安全に使い分ける

  Codex PluginsとSkillsの違いを整理。Codex互換manifestとportable Agent Pluginsの形式、Skills、MCP、Hooks、利用面と導入前の権限確認を解説します。

• CodexのMCP設定ガイド｜config.toml・CLI・Desktop・IDEを安全に分ける

  CodexのMCP設定を、config.toml、CLI、ChatGPT desktop app、IDE extension、project scope、tool allow／deny、approval mode、OAuth loginから整理します。

• MCPに接続できたのにツールが出ない？tools/list・権限・実行エラーの切り分け

  MCPサーバーが起動・接続済みでもツールが見えないときの確認順。tools/listの空応答・ページング、Codexの許可リスト、stdioのstdout混入、認証とtool実行エラーを分け、原因を絞る記録テンプレートを紹介します。

• MCP 2026-07-28仕様の変更点｜ステートレス化・Tasks・認証・移行ガイド

  正式公開されたMCP 2026-07-28仕様の変更点を、stateless core、server/discover、MRTR、Tasks、MCP Apps、認証強化、deprecation policyから整理します。2025-11-25系から移行する前に、SDK・クライアント・接続先の対応範囲を確認できます。

• Claude Code約40万セッション研究で分かったこと｜専門知識・成功率・仕事の変化

  AnthropicのClaude Code利用研究を、約40万セッション規模の対象、2025年10月から2026年4月の仕事モード、planningとexecutionの分業、domain expertiseとverified success、分析方法と限界に分けて解説します。企業公式の観察研究を、個人開発者のタスク設計へ翻訳します。

• GitHub CopilotはどこまでAIエージェント化した？App・Cloud Agent・MCP・Plugins・BYOKを整理

  GitHub CopilotのApp・Cloud Agent・MCP・Plugins・BYOKを実務目線で整理。2026年9月26日時点のlocal sandbox、OpenTelemetry、10月のpolicy変更、モデル退役予定、プラン・権限・課金の確認点もまとめます。

• MCP 2026ロードマップ｜次期仕様SEPの進捗と実装判断

  MCP公式ロードマップの5つの優先領域と、Skills・Server Cards・非同期承認・Task操作・監査・引用などのSEP段階を2026-09-25時点で整理。2026-07-28正式仕様やfinal extensionとproposalを分け、今実装するものと待つものを判断できます。

• MCP OAuth認証のCIMD・DCR移行ガイド｜iss・scope・resource・PKCEの確認順

  MCP 2026-07-28のOAuth認証を、CIMD・DCR・Protected Resource Metadata・iss・resource・scope・PKCEに分けて整理。HTTPとstdioの違い、401/403の切り分け、移行前チェックを解説します。

• MCP Client Credentialsとは？CI/CD・常駐処理で使うOAuth拡張の安全設計

  MCPのOAuth Client Credentials extensionを、ユーザー不在のCI/CD・background service・server-to-server向けに整理。JWT assertionとclient secret、scope、token refresh、対応状況の確認順を解説します。

• MCP EMAとは？Enterprise-Managed AuthorizationのIdP・SSO・ID-JAG設計

  MCPのEnterprise-Managed Authorization（EMA）を、IdP・SSO・ID-JAG・組織ポリシー・中央失効の順に整理。通常OAuthやClient Credentialsとの違い、client・server・管理者の確認点を解説します。

• MCP Tasksとは？tasks/get・update・cancelと旧API移行の確認順

  MCP Tasks extensionを、長時間処理、durable task handle、tasks/get・tasks/update・tasks/cancel、input_required、旧experimental APIからの移行、安全なTask ID管理まで整理します。

• MCP Appsとは？ui://・sandbox iframe・postMessageの安全設計

  MCP AppsのUI resource、ui://、sandbox iframe、postMessage、CSP、permissions、host consent、client supportを、通常のMCP toolやWebアプリとの違いから整理します。

• AI開発用バックアップSSDの選び方｜Codex・Claude Codeに作業を任せる前の安全装置

  CodexやClaude Codeに大きな修正を任せる前の退避方法、SSDコピーを唯一のバックアップにしない運用、復元確認、SanDisk Extremeの旧型とV3の仕様差を整理します。