LLM OpenAI Responses APIでMCP連携｜Python実装・承認フロー
OpenAI Responses APIからMCPサーバーへ接続するPython実装を解説。allowed_toolsによる制限、承認フロー、OAuth連携、安全設計まで分かります。
気になること
LLM 
LLM MCPとFunction Callingの違い｜OpenAI APIでの使い分け
MCPとFunction Callingの違いを比較。OpenAI Responses APIでの選び方、併用方法、allowed_toolsや承認設定などの安全設計を解説します。
LLM OpenAI Responses API入門｜Pythonで使い方を解説
OpenAI Responses APIの使い方をPythonで解説。最小コード、instructions、previous_response_idによる会話継続、Web検索、エラー処理まで学べます。
LLM Claude Codeのスラッシュコマンド一覧｜目的別の使い方と安全な運用
Claude Codeのスラッシュコマンドを目的別に整理。/status、/compact、/diff、/reviewを軸に、権限・MCP・定期実行を安全に使う判断基準を解説します。
LLM Structured OutputsとFunction Callingの違い｜Pythonで使い分け
OpenAI APIのStructured OutputsとFunction Callingの違いを図とPythonコードで解説します。JSON Schema、strict mode、使い分け、併用方法まで整理します。
LLM Function Calling入門｜Pythonで複数ツールを呼ぶ
OpenAI Responses APIのFunction CallingをPythonで実装します。複数ツールの定義、並列呼び出し、call_id、エラー処理まで実用コードで解説します。
LLM AIエージェントの作り方｜Pythonで動かす最小構成を図解
PythonとOpenAI Responses APIを使い、AIエージェントの最小構成を作ります。ツール定義、実行ループ、停止条件、人間の確認地点までサンプルコード付きで解説します。
LLM LLM Scraper v2.0の使い方｜構造化データ抽出と旧版からの移行
LLM Scraper v2.0の使い方を解説。Playwright、Vercel AI SDK 6、ZodでWebページを構造化データへ変換する手順、旧版からの変更点、安全上の注意が分かります。
LLM AIエージェントとは？生成AI・RAGとの違いを図解
AIエージェント、生成AI、RAG、MCPの違いを、役割・ツール利用・自律性・人間の確認地点から整理します。ブログ運用の実例を使い、どの仕組みを選ぶべきかまで解説します。
LLM Kimi Agent Swarmとは？最大300エージェントで調査・制作を並列化
AIエージェントに複雑な調査を頼むと、検索、読解、比較、執筆を一つずつ進めるため、どうしても時間がかかります。
Kimiの「Agent Swarm」は、その仕事を複数のサブエージェントへ分解し、同時並行で進める仕組みです。公式情報では、1回...