はじめにn8nのこちらのページに従って、環境構築してみます。Dockerを使ってn8nをインストールする利点は、以下のようにまとめられます。環境の統一性: OSの違いによる互換性の問題をなくし、クリーンで一貫した環境にn8nをインストールできます。簡単なセットアップ: データベースなどの設定が簡単になります。高いポータビリティ: 別のサーバーや環境への移行がスムーズに行えます。また、Docker Composeを使うことで、より簡単にn8nをセットアップできます。Docker hubのn8nio/n8nページも参考にする。Docker volumeの作成% docker volume create n8n_data% docker volume inspect n8n_data[ { "CreatedAt": "2025-08-09T06:07:11Z", "Driver": "local",
はじめにこちらのチュートリアルをためす。n8nアカウントとOpenAIのモデル用のcredentialが必要。Chat triggerノード、AI Agentノード、OpenAI Chat Modelノード、Simple Memoryノードを使い、簡単にAIチャットを構築でき、プロンプトの変更できること学ぶチュートリアルCreate Workflowをクリックし、ワークフロー作成を開始するAdd first stepをクリックし、Chat triggerノードを追加するChat triggerのノードコネクターをクリックし、AI Agentノードを追加するChat Modelコネクターをクリックし、OpenAI Chat Modelを追加する Create new credentialをクリックするCredential selectorにOpenAIで作成したAPI Keyを入力し、保存するOpen chatボタンをクリックし、チャットウィンドウを開くメッセー
はじめにn8n（エヌエイトエヌ）は、さまざまなアプリケーションやサービスを連携させて、業務プロセスを自動化するためのワークフロー自動化ツールです。IFTTTやZapierといった他の自動化ツールと比較されることが多いですが、n8nには以下のような特徴や利点があります。主な特徴と利点オープンソース: n8nはオープンソースとして提供されており、セルフホスト版を利用すれば、無料でフル機能を使うことができます。これは、Zapierのような商用サービスとは異なる大きな特徴です。ローコード/ノーコード: ドラッグ＆ドロップでノードと呼ばれる処理ブロックを組み合わせることで、プログラミングの知識がなくてもワークフローを視覚的に構築できます。豊富な連携サービス: 700以上のサービスと連携可能で、GitHub、Slack、Googleスプレッドシート、Gmail、LINEなど、多様なアプリケーションをつなげて自動化できます。柔軟なカスタマイズ性: 他のツールでは難しい複雑な処理や、HTTPリクエストを使った独自の連携も可能です。AI連携:
ADKとは？Google の Agent Development Kit (ADK) Web UI は、Google が提供するオープンソースのフレームワークである Agent Development Kit (ADK) の一部として提供される、AI エージェント開発のためのブラウザベースのインターフェースです。これは、主に Gemini などの大規模言語モデル（LLM）を活用した AI エージェントの設計、開発、デバッグ、テストをより直感的かつ効率的に行うために作られています。簡単に言えば、AI エージェントをコードで記述しつつ、その動作をブラウザ上で視覚的に確認・調整できる「開発環境」です。ADK Web UI でできることADK Web UI は、以下のような機能を提供することで、AI エージェント開発のプロセスを効率化します。エージェントの定義と構成の視覚化: エージェントがどのような役割を持ち、どのようなツールを使用し、どのように動作フローをたどるのかを、グラフィカルに把握できます。プロンプトのテストとデバッグ: エージェン
GoogleGenAI (とGoogle AI Studio) と Vertex AI は、どちらもGoogleの生成AIモデルを利用するためのものですが、ターゲットとするユーザーと提供する機能の範囲が大きく異なります。Google AI Studio & GoogleGenAI (APIキーを利用)ターゲットユーザー:AIモデルを素早く試したい個人開発者スタートアップ企業研究者生成AIのプロトタイピングを手軽に行いたいユーザー主な目的:生成AIモデル（特にGemini）への手軽なアクセスとプロトタイピング: Geminiモデルの機能を簡単に試し、アプリケーションに組み込むためのAPIキーを提供します。迅速な開発: @google/genai のようなクライアントライブラリを使うことで、わずかなコードでAIモデルの推論機能をアプリケーションに組み込めます。実験と学習: 直感的なUIでプロンプトをテストしたり、モデルの挙動を調整したりできます。特徴:無料枠での利用が可能: 多くの機能が
はじめにこの記事では、以下を理解できます。GCPのサービスアカウントの作成と認証設定PythonのVertex AI SDKの使い方Gemini Proモデルの生成モデルへのツールの渡し方 (Function Calling)プロンプトへの問い合わせVertex AIとはVertex AI は、Google Cloud 上で機械学習モデルのライフサイクル（データ準備 → 訓練 → デプロイ → 推論 → モニタリング）を一貫して実行できるフルマネージドサービスです。Gemini API を使う文脈では、具体的に以下のような役割を担います。モデルのホスティング＆呼び出し基盤Gemini のような大規模言語モデルを Google 側でホストし、REST や SDK（google-cloud-aiplatform）経由で安全に呼び出せる環境を提供認証・アクセス管理IAM／サービスアカウントによる細粒度の権限設定で、誰がどのモデルを呼べるかを制御スケーリングオンライン推論（低レイテンシ）もバッチ推論
はじめにWER（Word Error Rate） は、音声認識システムや文字起こしサービスの精度を評価するための代表的な指標です。文字起こし結果と正解テキスト（ゴールドスタンダード）を比較し、誤りの割合を定量化します。WER の定義と計算式WER は次の３種類の誤りをすべて合計し、正解語数で割って算出します。S（Substitutions）：誤って別の単語に置き換えられた単語数D（Deletions）：正解ではあるが出力に欠落した単語数I（Insertions）：出力に余分に挿入された単語数N：正解テキスト中の総単語数たとえば、正解テキストが「今日はいい天気ですね」、文字起こし結果が「今日はいい天気です」の場合：置換（Substitution）：“ですね”→“です” ⇒ S＝1挿入（Insertion）：なし ⇒ I＝0欠落（Deletion）：なし ⇒ D＝0正解語数：4（「今日は」「いい」「天気」「ですね」） ⇒ N＝4なぜ WER を使うのか？
はじめにAssemblyAI は、音声データの自動文字起こし（Speech-to-Text）や要約、感情分析、コンテンツモデレーションなどを API 経由で提供する AI プラットフォームです。主な特徴は：高精度な文字起こしエンドツーエンドのディープラーニングモデルを使い、ノイズ環境や複数話者の録音でも高い認識率を実現話者識別（Speaker Diarization）誰がいつ話したかを区別してタイムスタンプ付きで出力要約 & ハイライト長い音声・動画の内容を自動的に要約し、キーフレーズを抽出感情分析 & コンテンツモデレーション発話の感情トーンを解析したり、不適切な表現を検出リアルタイム & バッチ両対応ストリーミング API でリアルタイム文字起こし、ファイルアップロードによるバッチ処理の両方に対応API キーを取得すれば、REST エンドポイントに音声ファイルを送信するだけで結果を JSON で受け取れるため、SDK も含めて比較的簡単に組み込みが可能です。料金Free（無料）
はじめにAgentKit とは？TypeScript 製のエージェント開発フレームワークで、以下を特徴とします。決定論的ルーティング入力内容や意図に応じて、あらかじめ定義したルールで必ず同じ経路を通す仕組み。マルチプロバイダー対応OpenAI、Anthropic、Azure など、複数の大規模言語モデル（LLM）サービスを差し替え可能。MCP（Model-Agent Communication Protocol）採用プロンプトやツール呼び出しを標準化するプロトコルで、外部ツールやプラグインとの連携を簡単に。TypeScript コミュニティとの親和性型定義やエコシステム（npm／GitHub）を活用し、既存の開発ツールとスムーズに統合。Inngest Dev Server との統合ローカル開発環境Dev Server を立ち上げるだけで、クラウドにデプロイする前のイベント駆動ワークフローを手元でシミュレーション可能。オーケストレーションエンジン本番環境では Inngest がイベント処理をクラウド上で管理し、失敗時の自動リ
はじめにFAST APIは、Pythonの型ヒントに基づいたモダンで高速なAPI構築用Webフレームワークです。主な特徴は以下の通りです：高速：Node.jsやGo並みに高パフォーマンス（StarletteとPydanticによる）。開発が速い：開発速度が2〜3倍に。バグが少ない：人為的エラーを約40%削減。直感的：エディタ補完が充実し、デバッグ時間も短縮。簡単：学習コストが低く、ドキュメントを読む時間も短縮。簡潔：コード重複が少なく、宣言から複数の機能を得られる。堅牢：本番環境にすぐ使える。自動の対話型ドキュメント付き。標準準拠：OpenAPIやJSON Schemaと完全互換。ここで、Pythonの型ヒント(Type hint)とは、変数や関数の引数・戻り値に「どんな型を使うか」を明示するための記法です。仮想環境の作成cd myapp1python -m venv .venvsource .venv/bin/activateecho "*" > .v