nook:net:

2025-07-08 summaries in Japanese

Spring AI With Docker Model Runner | Baeldung

View on Baeldung

Spring AI with Docker Model Runner の要約

この記事は、Docker Model Runner を使用してローカルで大規模言語モデル（LLM）をデプロイし、Spring AI アプリケーションと統合する方法を解説しています。

Docker Model Runner の概要:

  • Docker Desktop 4.40 以降の Mac with Apple Silicon 向けに導入されたツールで、LLM のデプロイと管理を簡素化する。
  • 複雑なセットアップ、高額なクラウド推論コスト、データプライバシーに関する懸念に対処する。
  • OpenAI 互換の API を提供し、Spring AI などのフレームワークとのシームレスな統合を可能にする。
  • 主な特徴：
    • 簡素化されたモデルデプロイメント：Docker Hub の ai ネームスペースで標準 OCI アーティファクトとして提供。
    • 幅広いモデルサポート：Mistral、LLaMA、Phi-4 など、さまざまなプロバイダーの LLM をサポート。
    • ローカル推論：クラウドベースの推論への依存をなくし、データプライバシーを強化。
    • OpenAI 互換 API：既存の AI フレームワークとの容易な統合。

環境設定と Spring AI アプリケーションとの統合:

  1. 前提条件:
    • Docker Desktop 4.40 以降 (Mac with Apple Silicon)。
    • Java 21 以降。
    • Docker Model Runner と互換性のある LLM（LLaMA、Gemma 3 など）。
  2. Maven 依存関係: spring-boot-starter-web, spring-ai-openai-spring-boot-starter, spring-ai-spring-boot-testcontainers, junit-jupiter を pom.xml に追加。
  3. Docker Model Runner の有効化と構成:
    • 特定の TCP ポートを使用して有効化: docker desktop enable model-runner --tcp 12434。
    • Testcontainers を使用して有効化: Testcontainers で spring.ai.openai.base-url, spring.ai.openai.api-key, spring.ai.openai.chat.options.model を設定。
  4. Gemma 3 モデルのプルと確認: docker model pull ai/gemma3 と docker model list を使用。
  5. Spring AI との統合:
    • /chat エンドポイントを持つコントローラーを作成し、Model Runner 上で実行されている LLM と対話。
    • OpenAI クライアントを設定し、Model Runner のエンドポイントと使用するモデルを指定。
  6. テスト: 特定の TCP ポートまたは Testcontainers を使用して /chat エンドポイントをテスト。

結論:

Docker Model Runner は、GenAI アプリケーションを Docker エコシステム内で構築する開発者にとって、使いやすく、プライバシーに配慮し、費用対効果の高いローカル LLM 実行ソリューションを提供します。

Copying Text to the Clipboard in Java | Baeldung

View on Baeldung

Javaでクリップボードにテキストをコピーする方法 | Baeldung

概要:

この記事では、Javaでテキストをシステムクリップボードにコピーする方法について解説しています。GUIアプリケーションだけでなく、コンソールアプリケーションでも利用可能な方法であり、プラットフォームに依存しないAWT（Abstract Window Toolkit）を利用して実現します。

詳細:

  1. AWT Toolkit:

    • AWTは、JavaでクロスプラットフォームのGUIアプリケーションを開発するためのAPIです。ネイティブOSのGUIをラップしているため、ネイティブユーザーインターフェースやクリップボードAPIなどのリソースにアクセスできます。
    • AWTを使用することで、GUIエンジンを実行しなくても、コンソールプログラムを含むすべての種類のJavaアプリケーションでクリップボードへのテキストコピーを実現できます。

  2. クリップボードへのコピー:

    • copyToClipboard(String text)メソッドを定義し、テキストをクリップボードにコピーします。
    • Toolkit.getDefaultToolkit()は現在のプラットフォームのToolkitインスタンスを返します。
    • getSystemClipboard()は、プラットフォーム共有のクリップボードのインスタンスを作成します。
    • StringSelectionは、プレーンテキストデータをシステムクリップボードにコピーしやすくします。
    • setContents()メソッドは、コピーするテキストとClipboardOwnerを引数に取ります。ClipboardOwnerは、クリップボードにコピーしたデータの所有権を追跡するためのインターフェースです。シンプルなコピー＆ペースト操作では、通常は所有権を追跡する必要がないため、nullを渡します。

  3. クリップボードからの取得:

    • copyFromClipboard()メソッドを定義し、クリップボードからデータを取得します。
    • システムClipboardのインスタンスを作成します。
    • cb.getContents(null)で、クリップボードから生の文字列データをTransferableに取得します。
    • transferable.isDataFlavorSupported(DataFlavor.stringFlavor)で、取得したデータが標準のStringとして使用できるかどうかをチェックします。
    • DataFlavorクラスのstringFlavorと比較してチェックします。DataFlavorは、クリップボード内のデータに関するメタデータを提供します。例えば、画像データの場合はDataFlavor.imageFlavorを使用します。
    • データがStringの場合、取得したデータをStringにキャストします。getTransferData()はObjectを返すため、適切な型にキャストする必要があります。
    • クリップボードからのデータ取得時には例外処理を行う必要があります。

結論:

この記事では、Windows、macOS、Linuxで動作するJavaでクリップボードにテキストをコピーする方法について説明しています。GitHubでコードを確認できます。

Pagination Support in Spring Boot GraphQL | Baeldung

View on Baeldung

このブログ記事は、Spring BootアプリケーションでGraphQL APIのページネーションを実装する方法について解説しています。記事は、Azure Container AppsやOrkesといった関連技術にも言及しています。

主な内容:

  1. はじめに: GraphQL APIでのデータ効率的な処理のためにページネーションが重要であり、ページネーションの種類としてページベースとカーソルベースの2つを紹介しています。

  2. プロジェクトの設定: Spring Boot GraphQLとJPAの依存関係をpom.xmlに追加し、GraphQLとJPAを利用できる環境を整えます。

  3. Bookエンティティとリポジトリの作成: ページネーション対象のデータ（ここではBook）を表すエンティティクラスを作成し、PagingAndSortingRepositoryを拡張したリポジトリインターフェースを定義します。

  4. ページベースのページネーションのGraphQLスキーマ定義: ページネーションをサポートするためのGraphQLスキーマを定義します。Book型、BookPage型、Query型を使用して、データ構造とクエリを記述します。

  5. ページベースのGraphQLクエリリゾルバの実装: GraphQLスキーマと連携するクエリリゾルバを実装します。@QueryMappingアノテーションを使ってクエリを定義し、PageableとfindAll()メソッドを使ってページングされたデータを取得します。

  6. BookPage DTOの作成: GraphQLのレスポンスとスキーマが一致するように、BookPage DTOを作成します。DTOはSpring Dataのページング結果を受け取り、GraphQLレスポンスに必要なデータを格納します。

  7. カーソルベースのページネーション: 大規模データセットや無限スクロールに適したカーソルベースのページネーションについて説明します。

    • GraphQLスキーマの更新: BookEdge、PageInfo、BookConnection型を追加して、カーソルベースのページネーションに対応したスキーマを定義します。
    • カーソルベースのGraphQLクエリリゾルバの実装: Cursorベースのクエリを処理するリゾルバを実装します。カーソル、limitパラメータを受け取り、Repositoryのメソッドを使ってデータを取得します。
    • DTOとRepositoryの実装: BookEdge、PageInfo、BookConnectionのDTOと、カーソルベースのクエリに対応したRepositoryのメソッドを実装します。

  8. JUnitでのテスト: ページネーションの実装が正しく動作することを確認するためのJUnitテストを作成します。

    • テストデータの準備: 各テストの前にテストデータを初期化します。
    • ページベースのページネーションのテスト: GraphQlTesterを使ってGraphQLエンドポイントをテストし、ページングされたデータの正確性を検証します。
    • カーソルベースのページネーションのテスト: 最初のページのデータを取得し、カーソルを使用して次のページのデータを取得するテストを行います。

  9. 結論: ページベースとカーソルベースのページネーションについてまとめ、どちらがどの状況に適しているかを説明しています。GitHubでソースコードが公開されています。