RAG検索は引き続き調整中
動くものはAIエージェントの力で簡単にできたけど、「使えるもの」に仕上げるのにものすごい労力がかかる！
テストデータを投入し、検索し、おかしい部分の修正をAIエージェントに指示して〜の繰り返し

そもそもRAG検索の仕組みを理解しないまま作っているので、仕組みを理解しないと正しい改善方法も指示できない
なので、AIエージェントに作業を振りつつ、RAG検索の基本を勉強しようと思います

情報処理安全確保支援士の勉強も引き続き
メールやDNSの脆弱性についての解説色々
今運用している個人開発アプリでDMARCの対応をまだ行ってないので、これを機に導入してみようと思います

後はRust写経
型の定義やキャストについて
シャドーイングやスコープについては、他プログラミング言語と相違ないのでまだ理解できる
多分、所有権とかが絡んでくると、混乱すると思う！

ゲーム開発もぼちぼち作成中
ゲームの基本がある程度できてきたので、音の当て込みを開始
Unity Editor上から音の視聴が何故かできないので効率が非常に悪い・・・
明日は、その問題を解決するところから始めようか・・・

午後からはMCPサーバーのサンプルをChatGPTといっしょに作ってました
MCPやLangChanは興味があったので、時間を取って作成

概ね仕組みはわかったけど、実践としてたとえば「サーバーに設置されたAPIをどうやって操作するのか」「認証はどうやってクリアしているのか」あたりはまだまだわからないので、追加でその辺も調べてみたいところ

後は転職サイトのカウンセリングの準備
「とりあえず情報収集だけです」→「来年から始める人も受けているのでぜひ」みたいな流れなので受けてみることに・・・
まぁ、自分に合いそうな場所が見つかればいいね　くらいの気持ちで受けてみます

後は散歩
一応1時間くらいは毎日歩くようにしてます
最近は曇りの日が多くなってきたけど、25℃前後の日が多いので散歩していて気持ちが良いです
近所の知らない道を歩くだけでもいろいろ発見があるので、しばらくは知らない道をふらふら散歩してみよう

返ってきてからは・・・ダラダラしてました
(なんか疲れた・・・)

また明日から、いろいろ勉強頑張ろう！

投稿 番外編：無職生活:6/10 は Sheltie Garage Tech に最初に表示されました。

今回は以前から気になっていた「LangChain, MCP」を触っていきます
簡単なプロジェクトを作成し、ハンズオンで進めることにしました

作るもの

電卓で計算ができて、天気を聞けば天気を返してくれる、そんなAIアシスタント(無能・・・)を作ります

Step1.プロジェクト準備

以下のコマンドを順番に実行します

mkdir ai-agent-sample
cd ai-agent-sample

uv init

uv add langchain
uv add langchain-openai
uv add mcp
uv add python-dotenv

uvはpythonのパッケージ管理 & 実行環境で、pipとvenvが混ざったようなツール
「uv init」でプロジェクトを初期化し、初期ファイルが自動生成される
ライブラリをインストールするときは「uv add」で追加することで、pyproject.tomlに依存関係が保存される
実行時は「uv run xxx.py」で実行可能

Step2.MCPサーバー作成

シンプルなMCPサーバーを作成し、起動します

プロジェクト直下に「server.py」を作成し、以下の内容を記述しました
(デフォルトで作成されるmain.pyは削除)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("sample-agent")

# 足し算ツール
@mcp.tool()
def add(a: int, b: int) -> int:
    return a + b;

#お天気ツール
@mcp.tool()
def wether(city: str) -> str:
    return f"{city}は晴れです"

if __name__ == "__main__":
    mcp.run()

FastMCPに渡される引数は、mcpサーバーの名前のような扱い
@mcp.toolデコレーターで、ツールとして外部公開される

Step3.MCPサーバー起動

サーバー起動は以下のコマンドで実施
一先ず、何も表示されなければ起動成功

uv run python server.py

サーバーが起動したら、別ターミナルで以下を実行

npx @modelcontextprotocol/inspector

ブラウザが立ち上がるので、以下のように設定してツールを確認する
以下のように入力を行い、ConnectボタンでMCPサーバーに接続する

server.pyで作成したツールが一覧で表示されました
addをクリックすると右側にテストするためのインターフェースが表示される

Step4.MCPクライアントの作成

client.pyを作成して、ツール一覧の取得とaddの実行を行ってみます

import asyncio

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    server_params = StdioServerParameters(
        command="uv",
        args=["run", "python", "server.py"]
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            tools = await session.list_tools()

            print("===== Tooles =====")
                  
            for tool in tools.tools:
                print(tool.name)

            print("===== Add =====")

            result = await session.call_tool(
                "add",
                {
                    "a": 1,
                    "b": 2,
                }
            )
            print(result)
                    

if __name__ == "__main__":
    asyncio.run(main())

出力結果例です

 uv run python client.py
Processing request of type ListToolsRequest
===== Tooles =====
add
weather
===== Add =====
Processing request of type CallToolRequest
meta=None content=[TextContent(type='text', text='3', annotations=None, meta=None)] structuredContent={'result': 3} isError=False

少し見にくいですが、1+2が計算されて3が返却されています
現在はテストのため、pythonプログラムで直接mcpのaddを読んでいますが、次のステップでLangChainに置き換えることで、LLMとMCPサーバーの連携が実現します

Step5.LLMモデルを呼び出す

ローカルのOllamaを利用してMCPを実験します
まずはOllamaに対してチャットを送ってみます

llm_test.py

from langchain_ollama import ChatOllama

llm = ChatOllama(
    model="gemma4:e2b"
)

response = llm.invoke("こんにちは")

print(response.content)

実行すると、「こんにちは。」のような挨拶が返ってくる

続いて、LangChainの動きも見てみます

tool_test.py

from langchain.tools import tool

@tool
def weather(city: str) -> str:
    """指定した年の天気を帰します"""
    
    print(f"[TOOL実行] weather({city})")

    return f"{city}は晴れです"

print(weather.name)
print(weather.description)
print(weather.args)

実行結果は以下のような感じ

weather
指定した年の天気を帰します
{'city': {'title': 'City', 'type': 'string'}}

@toolを利用すると、docstringが必須となるようで、ドキュメントを指定しないと実行時エラーとなりました

次に最小限のエージェントを準備して、LLMが作成したツールを選択する様子を観察します

agent_test.py

from langchain.tools import tool
from langchain_ollama import ChatOllama

@tool
def weather(city: str) -> str:
    """指定した都市の天気を帰します"""

    print(f"[Tool実行] weather({city})")

    return f"{city}は晴れです"

llm = ChatOllama(
    model="gemma4:e2b"
)

llm_with_tools = llm.bind_tools([weather])

response = llm_with_tools.invoke(
    "東京の天気を教えて"
)

print(response)

実行結果は以下の通り

ai-agent-sample) MacBook-Pro ai-agent-sample % uv run python agent_test.py
content='' additional_kwargs={} response_metadata={'model': 'gemma4:e2b', 'created_at': '2026-06-10T07:06:42.457207Z', 'done': True, 'done_reason': 'stop', 'total_duration': 15426462624, 'load_duration': 518820958, 'prompt_eval_count': 64, 'prompt_eval_duration': 1254592000, 'eval_count': 187, 'eval_duration': 13640234000, 'logprobs': None, 'model_name': 'gemma4:e2b', 'model_provider': 'ollama'} id='lc_run--019eb05a-9549-73f0-ae2e-f5d83fdafe93-0' tool_calls=[{'name': 'weather', 'args': {'city': '東京'}, 'id': '90d50f05-c77b-425f-a341-cfe6accac6c3', 'type': 'tool_call'}] invalid_tool_calls=[] usage_metadata={'input_tokens': 64, 'output_tokens': 187, 'total_tokens': 251}

レスポンスでtool_callsが返却されていて、ツールを利用しようとしたことが確認できる

Step6.LLMから呼び出し

いよいよLLMからMCPサーバーに設定したツールを呼び出します
まずは手動で利用するtoolを指定するパターン

import asyncio

from langchain.tools import tool
from langchain_ollama import ChatOllama

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

@tool
def weather(city: str) -> str:
    """指定した都市の天気を帰します"""
    return "dummy"

async def main():
    llm = ChatOllama(
        model="gemma4:e2b"
    )

    llm_with_tools = llm.bind_tools([weather])

    response = llm_with_tools.invoke(
        "東京の天気を教えて"
    )

    print(response.tool_calls)

    tool_call = response.tool_calls[0]

    server_params = StdioServerParameters(
        command="uv",
        args=["run", "python", "server.py"],
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            result = await session.call_tool(
                tool_call["name"],
                tool_call["args"]
            )

            print(result)

if __name__ == "__main__":
    asyncio.run(main())

プログラム内で設定されているweatherツールはダミー関数となっていて、dummyが返却されます
でも、今プログラムを動かすと

ai-agent-sample % uv run python agent_test.py 
[{'name': 'weather', 'args': {'city': '東京'}, 'id': '366711c7-4dfb-4566-9dca-c279b9649423', 'type': 'tool_call'}]
Processing request of type CallToolRequest
Processing request of type ListToolsRequest
meta=None content=[TextContent(type='text', text='東京は晴れです', annotations=None, meta=None)] structuredContent={'result': '東京は晴れです'} isError=False

きちんと「東京は晴れです」というテキストが返却されています
これは、@toolで指定されているweatherは「名称やパラメータなどの呼び出し情報のみ」取得するために利用され、実際には利用されていないためです

実際にはMCPサーバーに設定したweatherツールが実行されているため、正しい文章が返却されています

Step7.ツールの自動設定

MCPサーバーからツール一覧を取得し、自動で設定できるようにします

uv add langchain-mcp-adapters

以下のようなコードとしました

agent_test.py

import asyncio

from langchain.tools import tool
from langchain_ollama import ChatOllama
from langchain_mcp_adapters.tools import load_mcp_tools

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

@tool
def weather(city: str) -> str:
    """指定した都市の天気を帰します"""
    return "dummy"

async def main():
    llm = ChatOllama(
        model="gemma4:e2b"
    )

    server_params = StdioServerParameters(
        command="uv",
        args=["run", "python", "server.py"],
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # ツール一覧の取得
            tools = await load_mcp_tools(session)
            llm_with_tools = llm.bind_tools(tools)

            response = llm_with_tools.invoke(
                "1+2を計算してください"
            )

            print("===== Tool Calls =====")
            print(response.tool_calls)

            tool_call = response.tool_calls[0]

            result = await session.call_tool(
                tool_call["name"],
                tool_call["args"]
            )

            weather_result = result.content[0].text

            print("===== Tool Result =====")
            print(weather_result)

            print("===== Final Content =====")
            final_response = llm.invoke(
                f"""
                ユーザーの質問:
                計算を行って

                ツール実行結果
                {weather_result}

                ツール実行結果を使って回答してください
                """
            )
            print(final_response.content)

if __name__ == "__main__":
    asyncio.run(main())

LLMに投げるプロンプトはプログラム内に固定なので、テストするときは直接変えてください・・・

天気を聞いて見たときの結果

MacBook-Pro ai-agent-sample % uv run python agent_test.py  
Processing request of type ListToolsRequest
===== Tool Calls =====
[{'name': 'weather', 'args': {'city': '東京'}, 'id': '243ede14-c039-4f69-b5d4-840fd12cbec4', 'type': 'tool_call'}]
Processing request of type CallToolRequest
===== Tool Result =====
東京は晴れです
===== Final Content =====
東京は晴れです。

計算を行わせてみたときの結果

MacBook-Pro ai-agent-sample % uv run python agent_test.py
Processing request of type ListToolsRequest
===== Tool Calls =====
[{'name': 'add', 'args': {'a': 1, 'b': 2}, 'id': 'ac56a447-3786-41d7-9df9-7dbd5e6f57ce', 'type': 'tool_call'}]
Processing request of type CallToolRequest
===== Tool Result =====
3
===== Final Content =====
恐れ入りますが、**どのような計算をすれば良いか**、または**計算に必要な情報（問題やデータ）**をご提示ください。

「ツール実行結果」として「3」が提供されましたが、この数字を使って何を計算すればよいのかが分かりません。

具体的なご質問をお知らせいただければ、喜んで計算いたします。

計算結果の応答結果がおかしいですが、計算自体はあっていました

以上

ということで、シンプルなMCPサーバーを作ってみる内容でした
LLMからMCPサーバーのツールが呼ばれる判断はLLM側で行っているということはちょっと驚きでした

MCPの仕組みはなんとなく理解できたので、次はBlenderMCPなどのいろいろなMCPがどうやって実装されているのか調べてみて、実アプリとの連携方法を理解していきたいと思いました

ゼロから学ぶ MCP&A2Aプログラミング入門 AIエージェント時代を切り開く次世代プロトコル （Compass Booksシリーズ） [ 布留川英一 ]

created by Rinker

¥3,520 (2026/6/10 17:35:38時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

Claude Codeで学ぶ Agent Skills入門 [ 佐藤 亮 ]

created by Rinker

¥2,860 (2026/6/10 17:36:05時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

投稿 pythonリスキリング：簡単なMCPサーバーを作ってみる は Sheltie Garage Tech に最初に表示されました。

午前中は、ポートフォリオ(同人検索RAG)の動作確認、ゲーム開発、情報処理安全確保支援士の勉強

同人検索RAGは、動かない原因を調査させたら「データ登録部分がダミーで、動作していませんでした」というものすごいオチ・・・
AIエージェントにお願いして修正させたけど、検索結果が想定とは異なるものなのでもうしばらく調整が必要
「動く」ものはAIエージェントで簡単にできるようになったけど、「使える」ものを作るには、やはりそれなりに手間は掛かりそう

同人検索RAGについては、データ設計、エンベッティングの方法、チャットテンプレートなど、このあたりの確認や調整でかなり労力が掛かりそう、と同時に、このあたりを調整できるスキルを身に着けないと、AI時代においていかれるかなとも感じました

調整はまだまだ続きます

ゲーム開発は粛々と継続中
データセーブ部分を作成。動作確認は明日
ゲーム開発はAIエージェント利用に移行できていないので、開発速度は激遅です
ただ、AIエージェントに任せていると、プログラムを書いたり、論理的な構造を考えたりする力がどんどん失われていきそうなので、その力を補うためにちょうどいいのかなとも思っています

情報処理安全確保支援士の勉強もぼちぼち
やっぱりテキスト読むだけだと全然身につかないので、一旦読み終わった後はひたすら過去問挑戦かな
手を動かさないと覚えない！
ただ、情報処理安全確保支援士はテストの形式が変わる(記述式からマークシート方式に変更)になるそうなので、過去問もどこまで役に立つか心配ですね

後はRust写経
構造体、use文など(Rust By Exampleの3章)の写経が終了
デストラクトという単語が出てきたので、オブジェクト指向のデストラクタの同じかなと思ったら「タプルのような集合体の変数を、別変数に分解して格納すること」を意味してるらしい・・・紛らわしい

午後からは食事、散歩を経てPython + LangChain + MCPの勉強計画と、TypeScriptの学習(昔購入した本を読んだ)
後は就活サイトの更新とイラストAI用の独自LoRAの作成

就活サイトはカウンセリングを受けてみることにした
一応、就職を強要したり、必ず就職しなければならない　というわけではないようなので、まぁ、自分に合いそうな企業が見つかればいいなという気持ちで受けることにした

就活自体は本格的に活動するのは9月からになるかな・・・
引っ越しを考えると、8月までに就職すると色々バタつきそうだ

投稿 番外編：無職生活 6/9 は Sheltie Garage Tech に最初に表示されました。

午前中は貯まった洗濯物の処理と、洗濯物を乾かすのに利用しているサーキュレーターの掃除

それ以外はいつものルーティーンで「個人Web開発」「ポートフォリオ作成」「ゲーム開発」「情報処理安全確保支援士」を回してました

ポートフォリオ作成はSDDに則った開発を行っていて、完全AIエージェント(ローカルLLM)任せになっています
実装終わりました！　で出来上がったものは全く動かない・・・

なので、しばらくはAIエージェントと協力しながら動くようになるまで調整
AIエージェントと共同してソフトウェアを開発する手法も身につけておかなければ

個人Web開発はAIに作ってもらった機能をリリース
こちらはそこまで大きな機能ではないためか、Codexレビューでも(コード自体には)指摘なし
すんなりリリースして動きました！

ゲーム開発はぼちぼち
こちらは本格的にAIエージェントを導入していない(開発マシンとLLM動作マシンが同じなので、同時起動できない)ので、開発速度はかなり遅いです

ローカルLLMが本格的に動くようになってから、LLM専用のマシンが欲しくなりました・・・

午後からはRust勉強用の写経と、ちょっと運動がてら買い出し
夜は就活準備で、各種転職サイトに登録してました

求められる技術を見てると、pythonやtypescriptが多いので、Rustよりもそちらの勉強を優先したほうがいいかなと思い始めてます
なので、Rustしつつ(やめない)、pythonやtypescriptも勉強していこうと思いました

投稿 番外編：無職生活 6/8 は Sheltie Garage Tech に最初に表示されました。

6/6は早起きしてツーリング
140号線が長らく通行止めになっており、暫定で大滝トンネルの通行が「自動車は」許可されていたものの、バイクは通行不可と言うことで三峯神社に行くことができませんでした

ただ、今年はじめに140号線の復旧も完了したようで通行可能になっていたため、三峯神社へお礼参りに行くことにしました

あしがくぼで休憩後、途中「道の駅大滝温泉」に立ち寄り
朝が早かったため施設はしまっていたのですが、駐車場からなかなかに良い景色を楽しむことができました

9:30頃に三峯神社に到着
すでに自動車は満車で、駐車場渋滞ができていました
(天気があまり良くなかったこともあり)バイク駐車場はガラガラで止める場所には困りませんでした

三峯神社は霧に包まれていて、かなり幻想的な雰囲気の中お参りすることができました

帰りは「道の駅 両神温泉薬師の湯」で温泉に入って休憩

自宅には17時前に到着
バイクに乗ると疲れるのか、夜の寝付きは恐ろしく良かったです

6/7は完全にお休みデーとして、ゲームと動画作成の研究
ゲームはモンハンワイルズと隻狼をひたすら進めてました

動画作成は複数シーンをLTX2.3で作成するテスト
複数シーンのつなぎ目がどうしても違和感が出てしまうため、どうやって違和感無く長い動画を生成できるようになるかが重要になりそう

6月も気がつけば1周目が終了
そろそろ就活を意識して、生活リズムも整えなければ

投稿 番外編：無職生活 6/6,7 は Sheltie Garage Tech に最初に表示されました。

今回は導入したspeckitを利用して、実際にSDDの手法を用いて新機能を開発してみたいと思います

追加機能の概要

今回追加する機能は「地図上のマーカーに、吹き出しで投稿内容を表示する」改修になります
現在、地図上のマーカーをクリックしないと投稿内容が確認できませんが、マーカーに吹き出しを追加して開く前にある程度どのような投稿内容か把握できるようにするのとともに、見た目にも楽しくしたいという狙いがあります

SDDを用いた開発の流れ

/speckit-specifyで仕様書のドラフトを作成

antigravityのチャット欄で以下のコマンドを実行しました
この段階では詳細な技術スタックは記載せず、「何を作るか、なぜ作るか」に焦点を当てて要件を記載します

/speckit-specify 地図上に表示されているマーカーに、投稿内容の先頭8文字だけ表示する吹き出しを追加します。現在はマーカーをクリックしなければ投稿の内容は確認できませんが、投稿されたメッセージの先頭8文字だけを吹き出しとして表示することで、ユーザーに投稿内容の雰囲気を感じ取ってもらうほか、見た目的にも楽しくなるような効果を期待しています

実行後、仕様書のドラフト、品質チェックリストが作成され、いくつか追加で質問が生成されました

質問に答えると、仕様が確定し次のステップに進むか促されます

ただ、触れられていなかった機能があり、その部分が気になって質問してみました
自分のWebアプリには「クラスター機能」が含まれており、地図が縮小されるとマーカーがまとまって表示される仕様になっていて、その場合の吹き出しの処理を聞いてみました

動作が確認できました
今回は自分の考えと、AIエージェントの考えが一致していることが確認できたので、仕様書に追記し次のステップに進むことにしました

speckit-planで技術スタックを指定する

ここでは「どうやって作成するか」に焦点を当てて指定します
ただ、今回は機能改修であり、技術スタックはすでに決まっているため、逆に「何も導入しないで」という指示にしました

/speckit-plan 今回の機能改修では既存の技術スタックのみで開発可能なため、新規のフレームワーク、ライブラリは追加しないでください

speckit-tasksでタスク分解を行う

speckit-tasksを実行すると、実装に向けたタスク分けが作成されます

/speckit-tasks 

生成されたファイルはフェーズ分けされて記載されていました

speckit-implementで機能を実装

※本来はimplement実行前にanalyzeを実行して、仕様の整合性を確認することが推奨されます
　今回の実践編では、実行順序を間違えています

今まで作成した設計書を元に実装を行います

/speckit-implement

実際にテストしてみるとアイコンに吹き出しが表示されましたがマーカーと丸かぶりしていたため、少し調整して完成としました

speckit-analyzeでサマリーを作成する

※antigravityのモデルクォータを使い切ったので、ここからはローカルLLM + OpenCodeで作業しています

実装まで完了したのでアナライズを実行してサマリーを作成します

ちなみに、本来の順序ではtasks生成後に実行し、implementを実行する前に整合性を確認することが推奨されるとのことでした

/speckit-analyze

仕様書の重複表記や改善案が提示されています
Recomendationを参考に、生成されたドキュメント類を修正するのが良さそうですね

今回はNext Actionで表示された改善推奨、spec修正推奨だけ反映することにしました

↓

implement実行後の作業

implement実行まで完了すれば、実際に動作する状態になっているはずです
テスト環境を起動して、想定通りの動作になっているか確認します

ローカルで実行した結果、マーカー部分にきちんと吹き出しが表示されました！

E2Eテストを実施したところ、パスできない項目がありました
自分のアプリの場合、テスト側が間違えていたのでテストコードを修正する必要がありました

この用にimplement後は各種テストの実施や、実際の動作確認を行い仕様漏れやバグの修正を繰り返して、機能を仕上げていきます

付録：AIエージェントを切り替える場合

今回、antiigravityで開発していた環境から、OpenCodeを利用した環境に切り替えました
途中でAIエージェントを切り替える場合は、プロジェクトルートで以下のコマンドを使用して切り替えます

利用可能なエージェントの一覧

specify integration list

切り替え

specify integration switch opencode

opencodeはマルチインストールに対応していなかったため、antigravity用の設定が削除され、新たにopencodeがインストールされる形になりました

以上

ということで、仕様駆動開発実践編として、アプリへの機能改修を例に実行してみました

仕様を事前にAIエージェントと決めることで、以下の利点なありました
・どのような実装が行われるのか明確になる
・仕様が文書として残る
・エージェントを途中で交代しても、作業を引き継げる

一方でこのような問題も感じています
・今回のような小規模の改修ではオーバースペック
・スキーマ駆動開発も取り入れているため、仕様書が散らばる可能性がある
・コードレビューを行わないと、仕様書は残るがコードレベルで実装がブラックボックス化される
・仕様書はGitで管理されるため、プロジェクト固有のドキュメントルールに沿わない可能性がある(例えば、仕様書をGoogle DocやNotionで管理している場合など)

個人としては、今後は仕様駆動開発を取り入れていくつもりですが、「銀の弾丸は無い」と言われるように、仕様駆動開発を取り入れれば、AIエージェントを利用した開発が全てうまくいくわけでもないということがわかりました

今後も新しい開発手法を試しつつ、品質の良いソフトウェア開発ができるように色々試していきたいですね

仕様駆動開発 実践入門 AIで実現する開発方法論 [ 田中 秀樹 ]

created by Rinker

¥3,850 (2026/06/10 07:19:11時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

Claude CodeによるAI駆動開発入門 [ 平川知秀 ]

created by Rinker

¥3,080 (2026/06/10 07:19:12時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

投稿 SpecKitを使って仕様書を作ってみる：実践編 は Sheltie Garage Tech に最初に表示されました。

午前中から午後にかけて就活ポートフォリオ用に「SDDを利用した類似画像検索アプリ」を作り始めているんだけど、これがどうにもこうにもうまくいかない

一回目の挑戦では動かないものが出来てしまい・・・
二回目の挑戦では仕様書を作っておきながら仕様書通りに作成されていない（そして動かない）プログラムが完成し・・・
ほんとにこれはAIエージェント自体の開発手法なのか？と若干疑問を持ってきました

お昼から1時間くらいの散歩
普段通らないような裏道を通ったらいろいろと新しい発見があった
神奈川時代にお世話になっていたパチンコ屋さんのグループ店があったので、いずれ行ってみたいところ
（だけど、収入が完全に途絶えたので、パチンコなんか言っている場合ではない）

お昼ご飯は豪華に勝や！
かつ丼弁当おいしいですっ！人間ドックを無事に乗り切った勝利の味！

そして帰宅後は昼寝・・・なんだけど、寝たら起きれなくなってしまって夕方まで寝てました
起きたらSDDで動かしっぱなしだったAIエージェントに「なんでできてないんだ！」と詰めるパワハラロールプレイをこなしたのち、軽くゲーム開発　そして日記ブログ記述に至る

あ、一応情報処理安全確保支援士の勉強もしました
ただ、テキスト読むだけだとやっぱり覚えられないね・・・
まずはテキストをざ～と呼んだあと、問題集を買うか、過去問を買うか、追加で勉強が必要そうです

無職生活も1か月を過ぎ、やることなくなって暇になるどころか、やりたいことが消化しきれてなくて逆に焦ってます
割とマイペースでダラダラ過ごしていましたが、きちんと時間を区切るか、優先度付けるかしてやりたいことを消化しないと、なんかいろいろ中途半端なまま無職期間が終わってしまいそうな気がします

投稿 番外編：無職生活 6/5 は Sheltie Garage Tech に最初に表示されました。

身長173cm、体重62Kgで一応体型は変化せず維持できている模様
それ以外は採血、眼底検査、通常の問診などなど検査が進んでいきました

今回「胃カメラ」を始めて受けてきました
しかも、検査部屋が「手術室」で、テレビで見るような手術台とライトが設置されていて、初めて入ったのですが相当な威圧感というか、緊張感がありますね

ベッドの上でいろいろな薬を飲まさせれベッドに横になって数分、医師の方がいらっしゃって胃カメラが始まりました

一応無事に終わりましたが、大変でした
吐きそうになるし、よだれは垂れ流しだし、終わった後もしばらく口の中がおかしい(麻酔のため)し・・・
ただ、処置中逐次状態は教えてもらえて特に問題なさそうだということと、医師の方と看護婦さんがものすごい励ましてくれたので、辛い中でもなんとか終わらせることができました

その後は正直・・・どうやって過ごしたかあまり覚えてないです
一応家に帰ってきて、ご飯食べて昼寝して、起きたらSDD開発の検証を進めて、ヘルメットインカムが届いたので取り付けて、最後にイラストAI投稿サイトのレーティングが厳しくなったので対応して、就寝！

毎日やろうと思っていたゲーム開発と情報処理安全確保支援士の勉強を早速サボり始めたので、毎日やる週間をつけないと・・・
別に何時間もやるとかじゃなくて、1日10分からでも習慣する！

投稿 番外編：無職生活 6/4 は Sheltie Garage Tech に最初に表示されました。

午前中は個人開発アプリの開発とゲーム開発
個人開発アプリはほかプロジェクトへSDDを導入し、憲法ファイルまで作成
今後は全プロジェクトでSDDを使用した開発を行うことになります

ゲーム開発はタイトル画面の開発中
一応、タイトル→ゲームシーンへの遷移はできたので、後はメニューを作り込んでいくだけ
HMDを使ったテストプレイが結構ストレス(毎回PC Linkが切れるので)だったけど、セロテープで常時使用中扱いにすれば多少安定することがわかったので、今後は常時使用モードで開発します

後はUnityブログの記述
Localizationで間違えて言語ごとに変更したくないプロパティにTrack Changesを設定したときの消し方をメモしておきました

午後からは人間ドック用の書類記入と、昼寝
起きてからはRustの写経とポートフォリオ用のミニアプリの開発

残りの時間はイラストAI生成の実験
キャラクター同一性の担保が現在の課題なのだけど、なかなか良い解決案が思いつかない
最終兵器はLoRA作成になるのだろうけど、LoRAに与える「同一キャラクターの」学習画像をそもそも生成できないというジレンマ

IPAdapterも調べてみたけど、Illustriousだと相性が悪いのか、なかなか良い結果が得られていない
もう少し調査・・・

投稿 番外編：無職生活 6/3 は Sheltie Garage Tech に最初に表示されました。

間違えて言語ごとに変わってほしくないプロパティを変えてしまった場合の削除方法

Track Changesにチェックが入った状態でプロパティ操作を行うと、言語ごとにプロパティが切り替わる対象になります
今回の例では、Textオブジェクトの位置を間違えて多言語に設定してしまったときの取り消し方法を記載しています

下記画像でPos Yが緑色になっていますが、これが言語ごとにプロパティが切り替わる状態です
ただ、テキスト位置は各言語で共通としたいため、言語ごとに切り替わる設定を削除します

まずはTrack Changesのチェックを外します

多言語対応を行うと、オブジェクトのコンポーネントに「Game Object Localizer」が追加されます
この中に「言語ごとに切り替わってほしいプロパティ」が保存されています

今回、位置情報は言語ごとに切り替わってほしくないので、マイナスボタンをクリックして削除しました

プロパティが緑色から通常の色に変化し、多言語対応の設定が外れたことが確認できます

以上です

多言語対応が簡単にできるのはありがたいですが、たまにTrack Changesのチェックを外し忘れて切り替わってほしくない設定まで切り替わっていました

今まではCtrl + Zで戻して直していたのですが、これからはプロパティ削除で対応できそうです

UnityではじめるC#　基礎編　改訂版

created by Rinker

¥2,860 (2026/06/10 07:19:12時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

ゲームUI/UX制作 実践ガイド Unity対応版 [ 西村 拓也 ]

created by Rinker

¥3,080 (2026/06/10 07:21:16時点 楽天市場調べ-詳細)

• Amazon
• 楽天市場
• Yahooショッピング

投稿 Unity6 LocalizationのTrack Changesを削除する は Sheltie Garage Tech に最初に表示されました。