【無料公開】Cursor Web & Mobile Agent登場！使い方から料金の注意点まで徹底解説 AI搭載エディタ「Cursor」から、開発ワークフローを大きく変える新機能「Web & Mobile Agent」が発表されました。 これにより、PCだけでなく、スマートフォンやタブレットのWebブラウザからでも、AIエージェントにコーディングタスクを指示できるようになります。 本記事では、この「Cursor Web & Mobile Agent」のセットアップから具体的な活用例、そして利用する上で知っておくべき料金体系のポイントまで解説していきます。 先に要点：いつでもどこでもAI開発: Web・モバイルブラウザから利用可能なAIエージェント機能。PCを開かずにコーディングタスクを開始。 バックグラウンドで自律実行: バグ修正や機能開発など、時間のかかるタスクをエージェントに一任可能。

AIツールの進化により、エンジニア専用と思われていたツールが、非エンジニアにとっても強力な武器となる時代が到来しています。 今回は、Cursorを使った革新的なドキュメント作成方法を徹底解説します。 Cursorとは？Cursorは、元々エンジニア向けのコーディングエディターとして開発されたツールです。 AI機能が統合されており、エンジニアがより効率的にプログラムを作成できるよう設計されています。 エンジニア界隈では既に多くのユーザーが活用しており、その強力なAI機能と直感的な操作性が高く評価されています。 しかし、このツールが持つポテンシャルは、プログラミングの領域を大きく超越しています。 特に、ドキュメント作成における「作成」「保存」「再活用」の3つの機能が一つの環境で完結できる点が、非エンジニアにとって革新的な価値を提供しています。 Cursorの設定方法についてCursorのインス

2025年6月25日、GoogleからオープンソースのAIエージェント「Gemini CLI」が発表されました。 本記事では、Gemini CLIのインストール方法から具体的な使い方まで、要点を押さえて解説します。 要点：Gemini CLIが公開: ターミナルから直接Gemini 2.5 Proが使える、オープンソースのAIエージェント。 無料でほぼ無制限: 個人のGoogleアカウントなら、1分あたり60リクエスト、1日1,000リクエストまで無料で利用可能 強力なツール連携: ファイル操作、Web検索、コマンド実行などを、AIが状況に応じて自動で実行。`@`コマンドでファイルやディレクトリを簡単にコンテキストに追加できる クロスプラットフォーム: Windows, macOS, Linuxの主要なOSで動作 高い拡張性: `GEMINI.md`でプロジェクト毎のカスタム指示を与えたり

はじめに最近Xなどで、複数のAIに同時並行で作業をさせる開発風景を見たことはありませんか？ 神威/KAMUIを開発されている元木さんのツイートで話題になったtmux×Claude Codeを連携することで、Claude Codeを組織的に使用することが可能です。 画面は神威/KAMUIをHaconiwa（箱庭）を使って16並列実装を行っている様子🥳 自分のPCの実装画面なんだけど、なんとかぼかせないかなと思っていたら、Claude Codeを使うことによって、ffmpegで一瞬でぼかしてくれた超楽！ Haconiwa（箱庭）開発ログ #haconiwa #jjz #kamuiart #kamuidev pic.twitter.com/WnDfgRyZRa — 神威/KAMUI (@kamui_qai) June 21, 2025 この記事では、そんな「AI並列実行チーム」をAnthrop

はじめに調べものをする時、気づけばブラウザのタブが大量に開いていたり、ChatGPTのようなAIツールと何度も画面を行き来したりしていませんか？ 情報を集めたり、文章をまとめたりするたびに、ブラウザとAIツールをいったりきたりするのは、少し面倒ですよね。 この記事で紹介する「Dia」は、そんなブラウザでの作業をがらりと変えるかもしれない、新しいAIブラウザです。 著者自身、長らく「Dia」の前身となる「Arc」ブラウザを愛用してきましたが、今回先行テストユーザーとして「Dia」に触れる機会を数ヶ月前に得ました。 結論から言うと、Diaは「より良いChrome」です。プログラミングにおけるVS Codeに対するCursorのように、これまでのブラウザを使い続ける理由をなくしてしまう、そんな確かな可能性を感じました。 この記事では、Diaの基本から、著者自身が実際に試して「これは便利だ！」と感

会場の雰囲気をガラッと変えたのは、月額20万円以上のAIサービスに契約しているというナル先生。 ナル先生が紹介してくれたのは、「Vibe Coding」という新しい開発スタイル。これは、厳密な仕様書を書く代わりに、"雰囲気"でAIと対話しながら直感的にアプリを作っていく、まさにAI時代の開発手法。 そして、これをライブで実演する「15分クッキング」が始まる…はずでした しかし、ここでまさかのネットワークトラブルが発生！！ 本当はここで Cursor 起動してブわーってやって「すげえ！」みたいになって「わー！」ってなる予定だったんですけど、映んないんですよ。（ナル先生） 会場は笑いに包まれましたが、これはただの失敗談ではありません。 ネットが繋がらないと我々は無力になることが証明されました。インターネットがないと、もうこのAI時代、ただの雑魚になるということが証明されたんで。（ナル先生） こ

GeminiのCanvas機能が、Google I/O 2025の発表で大幅にアップデートしました！ 今回は、その機能と活用方法を徹底解説します。 コアコンセプトと主な提供価値Canvasの中核には、Googleの現時点で最も高性能なAIモデルであるGemini 2.5 Proが搭載されており、これにより直感的かつパワフルな操作性と高度な生成能力が実現されています 。 GoogleはCanvasを「書く・コードする・創造する」を一つの空間で実現し、アイデアからプロトタイプまでを文字通り数分で形にできるツールとして位置づけています。 ユーザーは、自然言語で指示を与えるだけで、AIが下書きを作成したり、コードを生成したり、あるいは複雑な情報を視覚的に整理したりするプロセスを体験できます。 Canvasのコンテンツ作成機能Gemini Canvasは、テキストベースのドキュメント作成支援から、よ

Google I/O の季節がやってきた！ 日本時間5月21日深夜2時より、Googleの開発者向けイベントが開催されました。 Geminiを中心に、衝撃的な発表が相次ぎました。 本記事では、初日に行われたKeynoteの発表内容をすべてまとめています！ 主要な発表内容イベントは、最新の動画生成モデル 「Veo 3」によるものと思われる圧巻の映像でスタート。 Pichai CEO基調講演：AIファーストの未来を加速はじめに登壇したのは、Google CEOのSundar Pichai氏。 Pichai氏は、これまでのAI開発の進捗と、Gemini時代における製品リリースの加速について触れ、AIがGoogleの核であることを強調しました。 新サービス・新機能Google BeamGoogleは、以前「Project Starline」として発表されていた3Dビデオコミュニケーション技術を、新

今週はMicrosoft、Google、Anthropicといった大手AI企業のイベントが重なり、連日大型の発表が予想される1週間となっています！ 早速、日本時間の5月20日深夜からMicrosoft Build 2025が始まり、初日の基調講演で多くのアップデートが発表されています。 特に注目は以下の4点です。 GitHub Copilotの進化：「コーディングエージェント」の登場 企業特化AIを実現する「Copilot Tuning」 AIアプリ・エージェント開発の統合プラットフォーム「エージェントファクトリ (Azure AI Foundry)」 オープンな連携を実現する「MCP (Model Context Protocol) サーバー」への対応 GitHub Copilotが「コーディングエージェント」へと進化Microsoft Build 2025で発表された「コーディングエー

Claude 大型アップデートを発表。新機能「Integrations」、「Advanced Research」徹底解説！ 日本時間2025年5月2日、AnthropicはClaudeに「Integrations」と「Advanced Research」という2つの主要機能を追加する大型アップデートを発表しました。 Integrations | Claudeウェブ版が外部ツールと連携可能にAnthropicのModel Context Protocol（MCP）の拡張により、「Integrations」機能が導入されました。 これまでのMCPサーバーは主にローカル（ユーザーのラップトップ上）で動作していましたが、今回のアップデートでインターネット経由でClaudeと通信できる「リモートMCPサーバー」が実装されました。 これにより、ClaudeのWebアプリやデスクトップアプリから各種ツー

はじめにLINE-Bot-MCP-Serverを使うと、ClaudeなどのAIツールと連携して、プロンプトを通じて、AIツールからLINE公式アカウントでテキストメッセージや画像付きのリッチメッセージを送信できます。 この記事では、LINE-Bot-MCP-Serverがどのような仕組みで動作し、どんな機能を提供しているのかをまとめています。 また、具体的な操作例として、Claudeと連携してメッセージを送る手順も紹介します。 LINE LINE-Bot-MCP-Serverとは1. MCPの基本的な考え方MCPは「Model Context Protocol」の略称です。これは、大まかに言えば「AIモデルと外部サービスをつなぐための仕組み」です。 参照元AIが動作している環境（たとえばパソコン上のチャットアプリ）と、クラウド上のサービスを直接やり取りさせるには、専用の“接続プログラム”が

ChatGPT の画像生成機能が刷新され、業界に再び激震が走っています。 今回のアップデートは簡単に見逃せるような単なる機能追加ではありません。 画像生成能力が GPT-4oモデル自体にネイティブ統合されたことで、ChatGPTとの自然な会話を通して、従来とは一線を画すレベルの実用的な画像を生成できるようになりました。 なんと、この画像生成機能のリリースからわずか1週間で1億3千万ユーザーが7億枚もの画像を生成したという報告もあり、その注目度の高さがうかがえます。 今までと何が違う？今までの画像生成AIとの明確な違いは、圧倒的な指示理解力、画像内のテキスト（日本語含む）の高い描画精度、そして会話による柔軟な画像編集能力です。 ChatGPTがユーザーの意図を汲み取ってくれるため、難しいプロンプト作成は基本的に不要になりました。これからは、AIとの対話を通じてイメージを具体化していくスキルが

はじめに先日発表され注目を浴びている、Playwright MCP。 Playwright MCPを使うと、ブラウザの操作を外部から簡潔な指示で実行できるようになります。 さらに、Mastraと組み合わせることで、AIが自然言語の指示を解析し、Playwright MCPを介してブラウザを操作する流れを構築できます。 実際の動作の様子： 実際の動作イメージとしては、今回ご紹介する方法を使えば、以下のようにブラウザを自在に操作するAIエージェントを構築できます。 今回の記事では、Playwright MCPとは何か、そして、今話題のMastraと連携する方法を解説します。 Playwright MCPとは1. Playwrightとはまず、Playwrightはブラウザを自動操作するためのツールです。 通常、何かのウェブ操作を自動化するには「Chromeを起動してページを開き、ボタンをクリッ

日本時間2025年3月26日、OpenAIはChatGPTの基盤モデル「GPT-4o」に、ネイティブな画像生成機能を統合し、一般提供を開始しました。 今回のアップデートは単なる画像生成機能の追加ではなく、言語モデルの中核的な機能として画像生成を位置づける、非常に重要なアップデートです。特にテキストのレンダリング精度や複雑な指示への対応力が飛躍的に向上し、従来難しかった実用的な表現が可能となりました。 AIによるクリエイティブな画像生成が新たな段階に進んだことを実感できる、画期的な進化を遂げています。 最新の画像生成機能で生成 GPT-4oによるネイティブ画像生成機能の詳細今回のアップデートで最も大きな特徴は、画像生成能力がGPT-4oモデル自体にネイティブに組み込まれた点です。テキストと画像の連携がよりスムーズになり、以下の機能向上が実現しています。 特徴： 高精度なテキストレンダリング:

2025年3月21日、OpenAIはライブストリーミングにて音声モデルに関する開発者向け大規模アップデートを発表しました。 今回の発表では、リアルタイム音声処理や高精度の文字起こし・自然な音声合成など、多岐にわたる改良がなされています。以下、主要なポイントをまとめます。 OpenAI① Audio / Speech機能アップデートの概要まず、音声関連のAPIが一斉に強化・拡充されました。 具体的には以下がポイントとなります： 新モデル: gpt-4o-transcribe（高精度な文字起こし）、gpt-4o-mini-tts（リアルタイム音声合成） ストリーミング対応: 音声の入出力をリアルタイムでやり取り マルチモーダル処理: テキスト＋音声の両方を同時に扱える設計 OpenAI多言語対応も引き続き強化されており、ファイルサイズなどの制約はあるものの、実用性は格段に向上している印象です。

はじめにこの記事では、AI開発者・元木大介さんが開発したツール「神威/KAMUI」の基本機能と使い方について解説します。 X上でよく目にする「神威/KAMUI」というツールですが、「具体的に何ができるの？」と疑問を感じている方も多いかと思います。 本記事は、そんな疑問をお持ちの皆さんに向けて、基本的な機能や操作方法をわかりやすくまとめた「超入門記事」です。 概要神威/KAMUIは、元木大介さんが代表を務める株式会社KandaQuantumが開発する次世代のAIプラットフォームです。 もともとは、ユーザーの要望からシステム要件を自動生成する「Babel」という要件定義AIとして登場しましたが、そこから進化して「神威/KAMUI」という名前になりました。 神威/KAMUIでは、プログラムから画像や音声、動画などのマルチモーダルなクリエイティブをまとめて生成することができます。 また、並列処理で

本日、OpenAIの最新モデル「GPT-4.5」がChatGPT PlusとChatGPT Teamに加入しているユーザーも利用できるようになりました。ただ、Xなどでは意外と「GPT-4.5って性能が落ちた？」「いまいち使い道が分からない…」という声も見られます。 そもそもGPT-4.5の特徴は、これまでのモデルと比べて非常に大規模な学習データを活用していて、特に「共感力」や「直感的な理解力」といった、感性的なコミュニケーションが強みのモデルです。 論理や計算が得意な「左脳型モデル」ではなく、感情や直感的な理解に優れた「右脳型モデル」というようなイメージです。 そのため、推論特化型のモデル（たとえばo3-mini、o1など）と比較して性能が落ちたように感じてしまいます。GPT-3.5やGPT-4と比べることで、GPT-4.5が進化していることがハッキリ見えてきます。 GPT-4.5の最大の

ChatGPT vs Gemini vs Perplexity vs Felo vs Grok近年、大規模言語モデルの進化に伴い、各種AIチャットボットがインターネット上でのDeep Research 機能を打ち出しています。 ChatGPT（OpenAI）、Gemini（Google）、Perplexity、Felo（Felo Agent）、Grok (X) といったサービスは、複雑な課題に対し自動で多段階のウェブ調査を行い、詳細なレポートを生成する機能を提供し始めました。 それぞれデータ収集範囲や分析精度、利用料金モデルなどに特徴があり、ユーザーからの評判も様々です。 本記事では、ChatGPTのDeep Research、GeminiのDeep Research、PerplexityのDeep Research、Felo Agent(検索代理)、GrokのDeepSearchについて

2025年2月3日、OpenAIはChatGPT向けの新機能「Deep Research」を発表しました。 これは、オンライン情報の高度な探索と分析を自動で行う新しいエージェント型機能です。 数十分かかるような複雑な調査を、一度のリクエストで大幅に短縮することができます。 また、OpenAIはこの機能をAGIへの重要なステップであり、インターネットの新しいUIにもなり得る試みとして位置付けているようです。 Deep Researchの特徴Deep Researchの主な特徴は以下のとおりです。 o3モデルに基づくエージェント設計 Deep Researchは、OpenAIの最新モデル「o3」を活用し、ウェブ閲覧とPython実行を組み合わせた高い汎用性を持つエージェントとして機能します。 マルチステップ調査の自動化 ウェブ検索・ファイル解析・テキスト要約などを段階的に実行し、包括的なレポー

日本時間2025年2月1日、OpenAIは最新の小型推論モデル「o3-mini」をChatGPTおよびAPIで正式に提供開始しました。 今回のアップデートは、特に科学、数学、コーディングといったSTEM領域における推論能力を大幅に強化するとともに、コスト効率や応答速度にも優れた性能を実現しています。 OpenAI o3-miniが正式リリース「o3-mini」は従来の「o1」に比べ、推論速度と正確性が向上しており、特に科学、数学、コーディングの分野で顕著な性能改善を実現しています。 また、コスト面でも大幅な削減が図られ、1トークンあたりの価格は約93%低減されました。 https://x.com/ytiskw/status/1885409258919125354 使い方モデルの選択 ウェブ版ChatGPTのモデル選択画面から、o3-miniまたはo3-mini-highを選ぶだけで利用でき

2025年1月24日、OpenAIはウェブ上のタスクを自動実行するAIエージェント「Operator」を公開しました。 ユーザー専用のリモートブラウザを使ってサイトを閲覧・操作し、さまざまなタスクを自動化できます。 現在はアメリカのProユーザー向けの研究プレビュー版として提供されており、OpenAIはユーザーからのフィードバックをもとに機能を改善しながら、将来的にはPlusやTeam、Enterpriseへの展開も検討されています。 「Computer-Using Agent（CUA）」とは？Operatorの中核にあるのが、新しいモデルである Computer-Using Agent（通称：CUA） です。 GPT-4oの視覚的能力と強化学習による推論力を組み合わせることで、 画面上のボタンやフォームといったグラフィカルユーザーインターフェイス（GUI）を解析し、マウスやキーボードとい

はじめにMarp（マープ）は、文字で書かれた「Markdown（マークダウン）」という形式のファイルから、下記のような見やすいスライドを作れるツールです。 前回のMarp解説記事で作成Marpを聞いたことがある方は、VSCodeの拡張機能を使って作業するイメージがあるかと思いますが、今回の記事では、コマンドライン（文字入力中心の画面）を使って、操作するMarp CLIというツールの内容をご紹介します。 最近のアップデートで編集可能なPPTXを出力できるようになったのは、Marp CLIの機能になります。 本記事では、Marp CLI v4.1.0の内容や新機能のポイント、設定方法を解説しますが、非エンジニアの方にとっては難しい部分があるかと思います。 そのため、今回はCursorというAIツールを活用して、非エンジニアの方でもMarpを簡単に操作する方法をご紹介します。 Cursorを使っ

2025年1月20日、DeepSeekは最新モデル「DeepSeek-R1」の正式リリースを発表しました。 これまで一部の研究者や開発者向けにプレビュー提供されていたモデルが、MITライセンスによってオープンソース化され、誰でも自由に入手・改変・商用利用できるようになっています。 以下、注目のポイントです： OpenAIのo1相当の推論性能 ベンチマーク比較によると、各種数学・プログラミングタスクでOpenAI-o1と同等、もしくはそれ以上の結果が示されています。 大型MoE構造で128Kトークンに対応 約671B（推論時37B有効）のパラメータと広大なコンテキストウィンドウを備えています。 完全オープンアクセス コードやモデルの重みがすでに公開されたオープンソースのモデルとなっています。 https://github.com/deepseek-ai/DeepSeek-R1?tab=rea

2025年1月15日、OpenAIは「Scheduled tasks in ChatGPT」をベータ版としてリリースしました。これは、ユーザーが指定した時間や頻度に合わせてChatGPTが自動的にタスクを実行し、結果やリマインダーを通知してくれる新機能です。 OpenAIは、この機能を“自律的に行動するAIエージェント”に向けた一つのステップとして位置付けているようです。 2025年はエージェントの年だ。その方向へ、一歩ずつ近づいているよ OpenAIの共同創業者 Greg Brockmanの投稿 Scheduled tasksの主な機能・特徴Scheduled tasksでは、例えば以下のような自動タスクを設定できます。 タスクを設定した後、ChatGPTは指定されたタイミングで自動応答を実行し、プッシュ通知やメールを介してユーザーへ通知されます。 ユーザーがアプリを開いていなくてもタス

2025年を迎えて、「今年こそ何か新しい習慣を身につけたい」と思っている方も多いのではないでしょうか？ そこで今回は、AIツールを活用し、より効率的に習慣を身につけるための3つの方法をまとめました。読書、英会話、日記といった身近なテーマを取り上げ、取り組みやすい内容に絞ってご紹介していきます。 ぜひ、AIをうまく使って2025年をより充実した一年にしてみてください。それでは早速見ていきましょう！ AIと始める新習慣#1 「AIと読書」使い方① 本を読み始める前に要約してもらうまずは、読み始める前に「本の全体像」や「大事なポイント」をざっくり把握することから始めましょう。たとえば、誰でも無料で使えるGeminiの「Multimodal Live API」を使うと便利です。 Kindleの画面を「Stream Realtime」で共有すれば、話しかけるだけで以下のようにお願いできます。 「St

はじめに今、Xなどで話題になっている「Browser Use」は、AIがローカル環境のブラウザを自動操作できるようにするPythonライブラリです。 具体的には、Googleなどの検索サイトを開いて情報を収集したり、フォームへテキスト入力を行ったりといった「人の手作業」を代行してくれます。 「ブラウザを勝手に操作するなんて危なくないか？」と思う方もいるかもしれません。実際、便利な反面、マルウェアのリスクや情報流出の可能性を理解しておくことは重要です。 本記事では、Browser Useでできることや導入の流れ、セキュリティ面の注意点などをわかりやすく整理しました。 Browser Useの導入方法では、「ターミナル」や「コマンド」など聞き馴染みのない初心者の方にもわかりやすく解説していますので、初心者の方々も安心して読み進めてください。 Browser Useとはbrowser-use は

OpenAIの12日間連続の発表の最中、GoogleもGeminiモデルをアップデートしてGemini 2.0 flashなどを発表しました。 そんなGoogleの最新モデルを無料で利用できるプラットフォームとして提供されているのがGoogle AI Studioです。 そこで今回はGoogle AI Studio徹底解説として基本の使い方から、最近できるようになった機能の使い方まで網羅的に解説していきます。 Googleのアップデートの内容はこちらの記事で解説しています。 Google AI StudioとはGoogle AI Studioは、Googleが提供するウェブベースのAI開発プラットフォームです。 開発者やデータサイエンティストは、Google AI Studioを通じて、GeminiをはじめとするGoogleの最新AIモデルにアクセスすることができます。 Google AI

本記事ではOpenAI連続発表会、4日目の内容をまとめます！ 2024年12月11日、OpenAIは、ChatGPTの新たなアップデートとして、これまで有料プラン（Plus/Teamユーザー）向けにベータ提供していた「Canvas機能」を全ユーザーへ解放しました。 これにより、無料ユーザーも含め、あらゆるユーザーがCanvasを用いて、より文章作成やコーディングを行うことが可能になります。 さらに、Canvas内でのPythonコード実行機能や、カスタムGPT（GPTs）へのCanvas統合サポートが発表され、ChatGPTの利用方法が大きく拡張されました。 1. Canvas機能の正式リリースこれまで「Canvas」は、主にPlus/Teamユーザー向けのベータ機能としてテスト提供されてきましたが、今回のアップデートにより、無料ユーザーを含む全ユーザーが利用可能になりました。 これにより