生成AI「Claude」の開発企業として知られるアンソロピックが発表したModel Context Protocol（MCP）が、AIエージェントの標準プロトコルとして急速に普及している。競合のOpenAIもAgents SDKでのサポートを表明し、マイクロソフトもPlaywright MCPを公開するなど、業界全体での採用が進む。ここでは、MCPの基本概念から実装例まで、AIエージェントのエコシステムを変革する可能性を秘めた「MCP」についてわかりやすく解説する。 バークリー音大提携校で2年間ジャズ／音楽理論を学ぶ。その後、通訳・翻訳者を経て24歳で大学入学。学部では国際関係、修士では英大学院で経済・政治・哲学を専攻。国内コンサルティング会社、シンガポールの日系通信社を経てLivit参画。興味分野は、メディアテクノロジーの進化と社会変化。2014〜15年頃テックメディアの立ち上げにあたり
本連載では、MCP（Model Context Protocol）を使ってLLMと外部ツールを統合する方法を解説します。MCPは、LLMと外部システムをつなぐためのオープン標準であり、開発者にとっては組み合わせ爆発の解消やプラグアンドプレイ型の拡張性を提供するものです。MCP を利用することで、LLMアプリケーションの開発・運用が大幅に効率化することが期待されています。 はじめに 本連載では、MCP（Model Context Protocol）を使ってLLMと外部ツールを統合する方法を解説します。 対象読者 生成AIやLLMの基礎知識がある方 VS CodeやLLMを触ったことがあるエンジニア 企業で業務活用を検討中の担当者 必要な環境 GitHub Copilot／Codespacesが有効なGitHubアカウント MCPとは MCPが生まれた背景 近年、ChatGPTやClaudeな
目次 目次 背景 因果推論とLLM 因果推論 大規模言語モデル (LLM) LLM × 因果推論に関する先行研究 LLMは本当に因果関係を理解しているのか 相関から因果を推論する難しさ：Corr2Causeベンチマーク LLMの因果推論における落とし穴：時系列と反事実の課題 因果推論における「グラフ」と「順序」の重要性 LLMと因果グラフを統合 どのような使い方が良さそうか 今後の展望 終わりに 背景 データサイエンスチームの五十嵐です。本記事ではLLM×因果推論について最新論文を調査した内容をもとに考察します。 近年、大規模言語モデル（LLM）は自然言語処理の分野で目覚ましい進歩を遂げ、多岐にわたるタスクで人間のようなパフォーマンスを示すようになりました。しかし、これらのモデルが「因果推論」、すなわち事象間の原因と結果の関係を正確に理解し、推論する能力を持つかについては、まだ多くの議論と
We’ve created GPT-4, the latest milestone in OpenAI’s effort in scaling up deep learning. GPT-4 is a large multimodal model (accepting image and text inputs, emitting text outputs) that, while less capable than humans in many real-world scenarios, exhibits human-level performance on various professional and academic benchmarks. We’ve created GPT-4, the latest milestone in OpenAI’s effort in scalin
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
