本日も、ネットに流れるトピックから個人的に興味を引かれたものを拾っていきます。
この記事への感想等コメントで頂けるとありがたいです。
プログラミング
Go言語
松木雅幸（Songmu）さんが語るGoの成功の背景には、以下の要因があります。
最初の印象から一変した理由
当初、Goは「面倒な言語」と見られていました。しかし、はてなのサーバー監視サービス「Mackerel」開発での経験を通じ、わずかなメモリ消費量とシングルバイナリとしての配布の容易さといった「用途への圧倒的な適合性」を目の当たりにし、評価が劇的に変わりました。
他の言語との比較における強み
JavaやScalaなどの静的型付け言語と比べて、Goはビルド速度の速さとランタイムの軽量性で優れています。コンテナ技術やマイクロサービス時代において、これらの特性が求められました。また、コンパイル時間が短いため「書いて動かす」サイクルが高速で、動的言語出身者にとって移行しやすいという利点もあります。
インフラからWebへの普及
当初はDocker、Kubernetes、TerraformといったインフラツールがGoで開発されたことが採用を促進しました。その後、複雑なビジネスロジックを持つ大規模なWebシステムまで、全体をGoで開発する企業が増え、予想を超えた広がりを見せています。
「シンプルさ」という設計哲学
Goは「Less is More」の哲学に基づき、機能の追加を厳選し、1つの課題に対する解決方法を限定します。これによりコードのスタイルが統一され、可読性が高まります。例外処理の代わりに戻り値としてエラーを返す設計も、シンプルさと実用性のバランスを示しています。
今後への展望
Goはゆっくりと着実に進化し、過去のコードが使い続けられる安定性を保っています。また、AI時代においても、統一されたコードスタイルと高い可読性がAI出力の品質向上と人間によるレビューを容易にし、Goは「最も親和性が高い言語の1つ」となるとの見解が示されています。
.NET
.NETチームが「dotnet/skills」リポジトリを公開しました。これはコーディングエージェント向けのスキル（軽量な専門知識パッケージ）を提供するマーケットプレイスです。スキルはエージェントが特定のタスクをより効率的に実行できるよう支援します。GitHub Copilot CLIやVS Codeなど複数のエージェントが対応しており、ユーザーはマーケットプレイスから検出・インストール・利用できます。同チームは実際の運用経験に基づいた実用的なスキルを提供し、各スキルの有効性を検証して評価しています。コミュニティスキルも尊重しつつ、コア技術に焦点を絞った継続的なイテレーション予定です。
JavaScript
Node.js 27以降、リリーススケジュールが大幅に変わります。年2回から年1回（4月）の主要リリースへ移行し、全リリースがLTSになります。奇数版廃止により混乱も解消。ボランティアメンテナーの負担軽減が目的です。新スケジュルではアルファ版（10月～3月）で早期テスト、カレント版（4月～10月）で安定化、LTS版（29か月間）でサポートします。予測可能なスケジュールでエンタープライズのニーズに対応します。
Visual Studio
Visual Studio Dev Essentialsは、Microsoftアカウントで無料で利用できるプログラム。Visual Studio CommunityやVS Code、Azure無料アカウント（初月$200クレジット＋12か月無料サービス）、Azure DevOps、Pluralsightなどの学習コンテンツが含まれている。開発者向けに設計され、あらゆるプラットフォーム開発に対応。学生からプロまで、予算なしで実験・学習でき、スキル向上とツール探索を可能にする総合的なツールキット。
Visual Studio Code
リリース日：2026年3月9日
このバージョンは、VS Codeが週単位での安定版リリースモデルに移行した最初のリリースです。
主な新機能：
-
Autopilotとエージェント権限管理 - チャットビューに新しい権限ピッカーを追加。ユーザーがエージェントの自律性レベルを制御でき、「デフォルト承認」「承認をバイパス」「Autopilot（プレビュー）」から選択可能です。
-
エージェント範囲のフック（プレビュー） - カスタムエージェントに前処理・後処理ロジックを添付でき、他のチャット操作に影響を与えません。
-
デバッグイベントスナップショット - エージェント動作を理解・トラブルシューティングするため、チャット内で
#debugEventsSnapshotを使用してデバッグ情報を添付できます。 -
チャットティップの改善 - ユーザーへの機能発見を強化した再設計されたティップシステム。基本的なティップから段階的に表示されます。
-
AI CLIプロファイルグループ - GitHub Copilot CLIなどのAI CLIターミナルプロファイルをドロップダウンの専用グループに表示します。
-
エンジニアリング改善 - テストプラン項目の自動生成、検証ステップの生成、PR画像の自動添付などが実装されました。
廃止予定：Edit Modeはv1.110で非推奨となり、v1.125で完全削除されます。
ログ出力
本記事は、実務的なアプリケーションログ設計の5つの原則を解説しています。ログの記録タイミングと内容を明確に決め、構造化ログを採用し、イベントをカテゴリ分類し、読み手にとって有用な情報を含め、機密データを記録しないことが重要です。さらに、メトリクスやトレースと組み合わせた相関分析により、効率的なトラブルシューティングが実現できます。クラウドネイティブな運用では、システム運用段階で継続的にログ設計を見直すことで、信頼性と調査効率が向上します。
エージェンティックコーディング・仕様駆動開発
ハーネスエンジニアリングは、AIコーディングエージェントの出力品質をプロンプトではなく「システムで強制する」考え方です。リンター・テスト・Hooks・ADR（アーキテクチャ決定記録）の組み合わせにより、複利的に品質を向上させます。リンターは自動フォーマット（PostToolUse Hook）→プリコミット（秒単位）→CI（分単位）の各レイヤーで実行し、フィードバックは可能な限り速いレイヤーに移動させます。AGENTS.mdは50行以下のポインタ型に、テストとADRを真実のソースとします。
デザイナーがClaudeとFigma MCPを用いてWebアプリ「Weekly Blooms」を開発した実践記。このアプリは週末に小さな挑戦を宣言・達成して自己効力感を高めるもの。開発流れはGitHubリポジトリ作成→PRD・CLAUDE.md作成→技術スタック決定→UIなしでユーザーフローを実装→Figmaで主要画面デザイン→デザインシステム適用という順序。オリジナル要素が多いUIではFigma MCPが完全対応できず、試行錯誤が必要だったが、不明点はClaudeで9割解決できたと評価している。
本
本書は、ソフトウェア技術者向けのシステム思考の実践書です。複雑な現代システムに向き合うため、個々の要素の最適化ではなく、全体が健全に機能する視点を提供します。非線形思考、自己認識、感情的反応の制御、学習システムの設計などの基本スキルを習得し、チーム内での共有論拠付けやフィードバックループを通じてシステム的改善を進めます。モデリング、パターン認識、システム的リーダーシップの手法を学び、人と組織を含めたシステム全体の成功を再定義する実践的なガイドです。
AI
Anthropic
Anthropicは、Claude Codeに強化されたコードレビュー機能を導入しました。これは複数の自律エージェントから構成されるチームベースのシステムで、Anthropic社内で運用しているものと同じモデルです。
背景：過去1年間でエンジニアあたりのコード出力が200%増加し、コードレビューがボトルネックになっていました。従来は16%のプルリクエストにしか実質的なレビューコメントがついていませんでしたが、新システム導入後は54%に改善されました。
仕組み：プルリクエスト開始時に複数のエージェントが並行して動作し、バグを検出・検証し、重要度でランク付けします。結果は総合コメント欄とインラインコメントで表示されます。1000行以上の変更では84%のプルリクエストが指摘を受け、平均7.5件の問題が検出されます。
実績：誤検出率は1%未満で、エンジニアの信頼を獲得しています。認証機能を破壊する1行のコード変更など、人間が見落としやすい重大問題を発見しました。
コスト：レビューは$15～25（平均）で、トークン使用量に基づいて課金されます。組織は月次支出上限やリポジトリ単位での制御が可能です。
Team以上のプランで研究プレビュー版が利用可能です。
Docker
Docker Agent は、YAML設定でAIエージェントを簡単に構築・実行するDockerのツールです。コード不要で複数のAIエージェントをチーム化し、複雑な問題を自動的に解決します。OpenAI、Anthropic、Geminiなど複数のAIモデルに対応し、豊富なツールエコシステム（MCPサーバー対応）を備えています。Docker CLIプラグインとして利用でき、docker agent runコマンドで実行可能。エージェントはOCIレジストリにプッシュして共有できます。高度な推論とRAG機能を搭載し、マルチエージェントオーケストレーション対応です。
OpenAI
OpenAIのコンピュータ使用エージェント（CUA）のサンプルアプリケーションです。TypeScriptベースで、Next.jsのコンソールとFastifyランナーを備えており、ブラウザ自動化ワークフローをデモンストレーションします。ネイティブモード（APIの直接使用）とコードモード（JavaScriptREPL）の2つの実行モードをサポート。セットアップはNode.js 22.20.0、pnpm 10.26.0が必要で、リポジトリをクローンして環境変数を設定後、pnpm devで起動できます。
OpenAIは2026年3月6日、AIセキュリティエージェント「Codex Security」をリサーチプレビュー版として公開した。最新モデルのエージェント推論と自動検証により、複雑な脆弱性を発見し、信頼性の高い修正案を提案する。リポジトリ分析で脅威モデルを生成し、サンドボックス環境でテストすることで誤検知を大幅削減。ベータ版ではノイズ84%削減、誤検出率50%以上削減を達成した。ユーザーフィードバックで継続学習可能。ChatGPT有料ユーザー向けに数日以内に提供開始予定。
JetBrains
JetBrains は、AI コーディングエージェント「Junie CLI」のベータ版をリリースしました。ターミナルや IDE、CI/CD パイプラインなど、開発者が使う様々な環境で直接利用可能です。
主な特徴：
- LLM非依存：OpenAI、Anthropic、Google、Grok の主要モデルに対応し、今後も最新モデルを統合予定
- 柔軟なカスタマイズ：ガイドラインやカスタムエージェント、MCP により設定可能
- BYOK対応：ユーザー自身の API キーを使用でき、追加プラットフォーム料金なしで利用可能
- 無料体験：Gemini 3 Flash に 1 週間の無料アクセスを提供
Junie は JetBrains のインテリジェンスを搭載し、プロジェクトコンテキストを深く理解します。リアルタイムプロンプティング、コードベース分析、次のタスク予測により、複雑な問題解決をサポートします。IDE 外での利用により、IDE ネイティブ AI から「エコシステムレベルの AI」へ進化させ、プロフェッショナルな開発を実現します。
JetBrains Airは、26年間のIDE開発経験に基づいた新しいエージェント開発環境として公開されました。チャットウィンドウではなく、複数のAIエージェント（Codex、Claude Agent、Gemini CLIなど）を一元管理でき、並行実行をサポートしています。
主な特徴として、コードベース内の特定行やメソッドを指定してエージェントに正確なコンテキストを提供でき、コード差分をコードベース全体の文脈で確認できます。また、ターミナルやGitクライアント、プレビュー機能も統合されています。
複雑なコードベース対応として、エージェント処理とIDE機能を分離し、Dockerコンテナやgit worktreeでのサンドボックス実行も可能です。JetBrains AI ProまたはAPI キー（Anthropic、OpenAI、Googleなど）で利用でき、macOS版は無料で公開されています。エージェント間の切り替えが容易で、複数タスク管理にも対応した実用的な開発環境となっています。
Microsoft
マイクロソフトがMicrosoft 365 Copilot「Wave 3」を発表。AI アシスタントから自動実行可能なエージェントへの進化を実現。Anthropicと協力してClaude Coworkの技術を導入したCopilot Coworkは、複数ステップの長期作業を自動処理。Word、Excel、PowerPoint、Outlookに組み込まれ、複数のAIモデルに対応。新製品「Microsoft 365 E7」（月額99ドル）を5月1日発売予定。企業向けのAgent 365も同日より15ドル/月で提供開始。
Microsoft 365 Copilot Wave 3では、Outlookに自律的なAI機能が統合されます。メール作成では、Copilotが対話形式でドラフトを作成・修正でき、カレンダー管理ではRSVP対応や会議スケジュール調整を自動化できます。Work IQにより関連メールや会議情報を参考に、正確な支援が実現。3月9日より順次提供開始予定です。
Work IQはMicrosoft 365 Copilotを個人・組織ごとにカスタマイズする知能層です。3つの統合された層で構成されます。
データ層：Microsoft 365、Dynamics 365、Power Appsなどの安全なデータアクセスにより、組織全体の業務パターンを理解します。
コンテキスト層：ユーザーの明示的指示（カスタム指示や保存メモリ）と、チャット履歴から推論される暗示的メモリにより、個人化された応答を実現します。セマンティックインデックスは意味ベースのデータ検索をサポートします。
スキル・ツール層：会議スケジュール、データ検索など特定タスク向けの専門スキルと、それを実行するカスタムツールセットです。
セキュリティ・プライバシー・コンプライアンスを重視し、ユーザー権限やDLP ポリシーを尊重します。Work IQ APIは開発者向けに公開予定です。
Microsoftが「Interview Coach」という実践的なAIアプリサンプルを公開しました。このアプリは、Microsoft Agent Framework、Microsoft Foundry、Model Context Protocol（MCP）、Aspireを組み合わせた模擬就職面接システムです。複数の専門エージェント（受付、行動面接官、技術面接官など）がハンドオフパターンで協調動作し、MCPサーバーを使ったツール統合、Aspireによるマルチサービスオーケストレーション、クラウドネイティブな本番環境での実装方法を示しています。ローカルやAzureでの実行方法も提供されています。
マイクロソフトが「Interview Coach」という面接シミュレーターのサンプルアプリケーションを公開しました。このアプリはMicrosoft Agent Framework、Microsoft Foundry、Model Context Protocol（MCP）、Aspireを組み合わせた本番レベルのAIエージェント構築パターンを示しています。
主要パターン：
- マルチエージェントハンドオフ - 5つの専門エージェント（トリアージ、受付、行動面接官、技術面接官、サマライザー）が会話制御を順序立てて受け渡し
- MCPツール統合 - ツールを独立したサーバーとして実装し、言語を問わず複数プロジェクトで再利用可能
- Aspireオーケストレーション - マイクロサービスの検出、ヘルスチェック、分散トレーシングを統一管理
開発者はローカル実行とAzureへのワンコマンドデプロイが可能です。このサンプルで本番レベルのAIエージェントアーキテクチャが学べます。
GitHub Copilot
このGitHubブログ記事は、GitHub Agentic Workflows のセキュリティ設計について説明しています。記事の要点は以下の通りです：
主な特徴：
- エージェントにシークレットへのアクセスを許可しない（プロンプトインジェクション対策）
- 専用コンテナで隔離実行し、ホストファイルへのアクセスを制限
- すべての書き込み操作をステージング・検証（ワークフロー作成者が許可した操作のみ実行可能）
- すべての動作を詳細にログ記録（監視とフォレンジック分析用）
3層セキュリティアーキテクチャ：
- 基盤層（Substrate）：GitHub Actionsランナー上の信頼できるコンテナ
- 構成層（Configuration）：ツールチェーンと宣言的アーティファクト
- 計画層（Planning）：コンポーネント管理と権限制御
セキュリティを設計段階から組み込み、エージェントの有用性と安全性のバランスを取っています。
AWS
このブログは、AWS生成AI界隈の週間ニュース(2026年3月2週)をまとめた記事です。
主な内容は、AI駆動開発ライフサイクル(AI-DLC)への注力で、三菱電機やタイミーなどの企業が3日間の実践トレーニングで大幅な生産性向上を達成したことが報告されています。また、サービス更新では、AmazonLightsailでOpenClawが利用可能化、Kiro IDEの新Power機能、HealthLakのデータ変換エージェント、医療向けAmazonConnectHealthの提供開始、Bedrockの新ポリシー機能などが紹介されています。全体的にAWSのAI・生成AI統合が急速に進展している様子が伺えます。
LangChain
LangChainは「GTM Agent」という営業支援AIエージェントを構築しました。営業担当者が複数のツール間を行き来する作業を自動化し、見込み客のリサーチとメール作成を効率化します。結果として、リード商談化率が250%向上し、営業担当者は月40時間を節約できました。エージェントはSalesforce・Gong・LinkedInなどのデータソースと連携し、人間がレビュー・承認する仕組みを採用。Deep Agentsフレームワークを使用した複数ステップの処理と、LangSmith による継続的な評価・改善が特徴です。
本
技術評論社の「Software Design別冊」として2026年3月26日発売予定の書籍です。LLMアプリ開発を基礎から実践的に学べる一冊で、LangChainを使ったアプリ開発、LLMの仕組み、MCPの活用、AIセキュリティまでをカバー。4章構成で、第1章は翻訳アプリと検索アプリの実装、第2章はLLMの基本構造と学習プロセス、第3章はMCPを活用したアプリ開発、第4章はAI特有の脆弱性と対策を解説します。複数の企業から12名の著者が執筆。2,420円、176ページ。
論文・その他
LLMが長編小説を生成する際の課題を分析した記事です。最新モデル（GPT-5.4 Pro）は短編なら読める小説を書きますが、長編では「一貫性エラー」が発生します。これは時間や出来事の矛盾、登場人物の性格変化、世界観の揺らぎなど5つのタイプに分類されます。
長さが増すほどエラーも増加し、特に中盤（全体の40～60%地点）で破綻しやすいことが判明。AIは場面単位では優秀ですが、長く正しく書き続ける力に弱点があります。ただし最新モデルほど改善傾向にあります。「AIだけで完成させるのは危険だが、設定管理と人間の校正があれば強い共同執筆者になり得る」と結論づけられています。
Agent Skillsとは、AIエージェントを特定のタスクに特化させるための新しいアプローチです。
従来のモデル微調整とは異なり、Agent Skillsは実行時にコンテキスト注入によってエージェントの動作を一時的に変更する「ソフトフォーク」です。Markdown形式のSKILL.mdファイルに専門知識をパッケージ化し、デプロイします。
調査データ（SkillsBench）では、Skillsは平均的に性能を13.2ポイント向上させ、小規模モデルでも大規模モデルに匹敵する結果を達成できることが示されています。コンパクトなSkillsが包括的なものより4倍効果的で、人間の専門知識が不可欠との結論です。
クラウド
Azure
Azure Skills Plugin は、GitHub CopilotやClaude Codeなどの開発エージェント向けのツールです。19以上のAzureスキル、200以上のツール、Azure・Foundry MCPサーバーを含み、単なる助言ではなく実際のAzure操作を実行できます。開発者が「どのAzureサービスを使うべきか」という判断をサポートし、アプリのデプロイから最適化までの全ワークフローを自動化。複数のコーディングエージェント間で同じ専門知識を共有できることが特徴です。
AWS
2026年3月2～6日のAWSの主要アップデートをまとめた記事です。AWS Config が30種類の新しいリソースタイプに対応し、クラウド環境の監視がより包括的に。AWS Batchではスケールダウン遅延設定が追加され、処理時間短縮が実現。SageMaker Unified StudioはKiro IDEからのリモート接続やAWS Glue 5.1対応を開始しました。Amazon OpenSearch Ingestionは統合OpenTelemetryエンドポイントをサポート開始。Amazon LightsailはOpenClawのワンクリックデプロイを提供。IAM ロール作成がサービスワークフロー内で簡素化され、Lambda durable functionsやAmazon Connect Healthが新機能として登場。Amazon RedshiftはCOPY オペレーション用テンプレート機能と半構造化データ処理の新配列関数を導入しています。
エンジニア
AIとお仕事
AI時代におけるエンジニアの役割が急速に変わっています。コード生成AIの進化により、コーディング作業はAIが80％を担う時代へ移行しつつあり、従来の「コードを書く」仕事は事実上消滅しかけています。
同時に深刻な課題が生じています。ジュニアエンジニアが実装経験を積む機会を失い、技術継承が途絶える危機にあります。暗黙知を蓄積する経験なしでは、質の高いエンジニアが育たなくなります。
しかし、AIに成功しているエンジニアの実像は異なっています。重要なのはプログラミングスキルではなく、「考える」「分析する」「理解する」という思考能力です。AI時代のエンジニアは、複数のAIエージェントをオーケストレーションし、設計と検品に特化する「Cracked Engineer」へ進化する必要があります。
結局のところ問われるのは、自分の居場所をどこに定めるかという問いです。「何を作りたいか」という意志と基礎知識の底力を持ち、判断と設計に集中できるエンジニアこそが、AIの時代を生き抜くのです。
OS
Windows
Microsoftが、Windows Server 2026年2月版でReFS（Resilient File System）からのブート機能を正式サポートしました。ReFSは2012年登場から14年間、ブート不可という制限がありましたが、今回UEFI環境でシステムドライブのブートが可能になりました。ReFSはオンライン整合性チェック、最大35PBのボリューム対応、ブロッククローニングによる高速化など、データ保全性と大規模ストレージ対応に優れ、特にHyper-V環境などで企業の標準構成となる可能性があります。
業界動向・時事
OpenAIが米国防総省との契約により、ChatGPTのAIモデルを軍事・諜報活動に提供することが発表され、批判が殺到しました。批評家らは、「適宜」「意図的に」といった曖昧な表現（逃げ口上）が含まれており、米国市民への監視活動を事実上阻止できないと指摘しています。
米国政府は過去、こうした法的曖昧性を利用して大規模監視を正当化してきた実績があります。OpenAIの最高経営責任者は「憲法修正第4条に基づき国内監視は行わない」と主張していますが、政府がこの条項を厳格に解釈する保証はありません。
特に懸念されるのは、非米国人に対する実質的な保護がほぼ存在しないという点です。AIモデルが位置情報、通信データ、閲覧履歴などを大規模に分析することで、従来の人的分析では処理不可能だった膨大なデータから特定の兆候を自動検出できるようになります。これにより大規模監視の効率性が飛躍的に高まります。
著者は、企業と政府の「官民連携」による情報統制化が進む危険性を警告し、市民的自由を守る責任が少数の指導者に委ねられる現状に問題を提起しています。
OpenAI とGoogleのDeepMind従業員30名以上がAnthropicの訴訟を支持する声明を提出しました。米国防総省がAnthropicを「サプライチェーンリスク」と指定した件についての訴訟です。背景は、Anthropicが大量監視や自律兵器への使用を拒否したことに対し、国防総省は「適法な目的すべてに使用すべき」と主張したことです。従業員らは、このような措置は業界に悪影響を及ぼし、AI利用に関する健全な議論を冷え込ませると警告しています。