AIエージェント基盤:MCPとContext設計
エージェントの自律性はモデル性能ではなく接続されたインフラで決まる。MCP による外部ツール接続の標準化と、文脈を揮発させない階層化ドキュメント管理という「手足」と「記憶」の設計を解説。
読み込み中...
13 件の記事が見つかりました
エージェントの自律性はモデル性能ではなく接続されたインフラで決まる。MCP による外部ツール接続の標準化と、文脈を揮発させない階層化ドキュメント管理という「手足」と「記憶」の設計を解説。
AI Agent の認可を user×agent / agent×tool / agent×agent / agent×data の4モデルで整理し、OAuth 2.1・MCP scope・Capability token の実装例を示す。
「ツールを絞れば挙動は安定する」の、その集合は閉じているか。Alibaba の Open Code Review を固定 SHA で読み、同じツール集合に 7 / 6 / 5 という3つの数が同居する構造を確かめた記録。
AIエージェント経由の commit は pre-commit を回避しやすい。MCP 層・pre-commit・push protection の3層で secret 流出を止め、検知後の rotate 自動化までを設計対象に含める。
自社MCPサーバー設計で迷う5軸(tool粒度・primitive選択・エラー設計・OAuth 2.1 認証・transport)を、公式仕様と運用経験則に分けて整理する Platform Team 向け設計テンプレ。
Claude Code に MCP サーバーを追加して GitHub・Slack・DB と連携する実践パターンを解説。設定ファイル例(settings.json)付きで、追加から自作・セキュリティ設計まで一気通貫ガイド。
Claude Code のインストールから CLAUDE.md・Hooks・MCP 設定まで、最速セットアップ手順を30分で完了できるよう整理した2026年版ガイド。初期設定でつまずきやすいポイントを網羅する。
推論・制御・接続の3レイヤーが独立に進化し、2026年に偶然のように同時成熟点を迎えた——AIエージェント設計の現在地を、ZennとQiitaのトレンド議論を参照しながらGrowth Lab視点で構造化する。
自前 MCP サーバを書く判断軸は「社内固有システム・複数エージェント共通利用・認可境界の明確化」。tool スキーマの明示・認可スコープ最小化・冪等性の3要件と最小骨格を示す。
MCPのallowlist粒度・scope命名・組織導入の3点を判断軸で整理する。既存のMCP分離アーキ記事と合わせて読むと効果が高い。MCP権限の本丸は「allowlistの粒度」と「scope命名」の2つ
OpenAI Codex などが採用する agent loop(Observe → Plan → Execute → Verify → Replan)を自前実装するための最小設計、疑似コード、失敗パターンと対策を整理する。
AIコーディングエージェント導入で増える攻撃面を、権限・流出検知・実行時制御・設計判断の4層モデルで整理し、優先順位の判断軸を提示する。AIコーディングエージェント導入で増える攻撃面は「権限」「流出」「実行時」「設計判断」の4層に分解できる
Model Context Protocol(MCP)でAIワーカーのツール連携を標準化。属人プロンプトから脱出し、許可ツールを固定して禁止領域アクセスを0に近づける実践ガイド。こんにちは、みねです。