Grep a million GitHub repositories via MCP - Vercel
Java Weekly, Issue 603 | Baeldung
Ktor 3.2.2 Is Now Available | The Kotlin Blog
Breaking to Build: Fuzzing the Kotlin Compiler | The Research Blog
Introducing ChatGPT agent: bridging research and action | OpenAI
ChatGPT agent System Card | OpenAI

Grep a million GitHub repositories via MCP - Vercel

View on Vercel Blog

Grep が MCP をサポートし、100 万の GitHub リポジトリを検索可能に - Vercel

この記事は、Grep が Model Context Protocol (MCP) をサポートし、AI アプリが標準インターフェースを使用して 100 万の公開 GitHub リポジトリを検索できるようになったことを紹介しています。

主なポイント:

Grep MCP サーバー: Grep の新しい MCP サーバーは、公開 GitHub リポジトリを検索するエンドポイントを提供します。これにより、AI エージェントは検索クエリを発行し、言語、リポジトリ、ファイルパスでフィルタリングされたコードスニペットを取得できます。結果は通常、数秒以内に返され、関連性でランキングされます。
MCP とは: MCP は、大規模言語モデル (LLM) にツールを公開するためのプロトコルです。
設定方法: Cursor では以下の設定で利用できます:
```
{
  "mcpServers": {
    "grep": {
      "url": "https://mcp.grep.app"
    }
  }
}
```
Claude Code では claude mcp add --transport http grep https://mcp.grep.app となります。
使用例: AI エージェントは、Grep MCP サーバーを使用し、エラー処理に関する質問への回答を得るためにコード検索を実行できます。検索結果に基づいて、AI エージェントは回答を提供し、プロジェクトを適切にエラー処理するように更新することを提案できます。
開発の容易さ: Vercel の mcp-handler パッケージを使用することで、既存の API を MCP サーバーに容易に変換できます。このアダプターは、スキーマ、リクエストルーティング、およびレスポンスフォーマットを処理するため、開発者は検索エンドポイントを MCP コントラクトにマッピングするだけで済みます。
Vercel での MCP サーバーの構築: Vercel を使用して、最初の MCP サーバーを簡単に構築できます。

この記事は、Grep の MCP サポートが、AI 開発者が GitHub のコードベースをより効果的に利用できるための強力なツールとなることを強調しています。

Java Weekly, Issue 603 | Baeldung

View on Baeldung

Java Weekly, Issue 603 要約

Java Weeklyの第603号では、Javaエコシステムに関連する様々な情報が紹介されています。主な内容は以下の通りです。

1. SpringとJava:

Spring Debugger: IntelliJ IDEAの新しいプラグインが、動的なデータベース接続のデバッグを簡素化。TestcontainersやDockerベースのDataSourceを自動的に検出し、IDE内でSpring Bootアプリケーションのデバッグを容易にします。
Quarkus quickjs4j: QuarkusアプリケーションでJavaScriptをシームレスに統合。ユーザー定義のビジネスルールやアルゴリズムなどの動的なJSコードをJava環境で実行できます。
その他の記事: IntelliJ IDEAの統一ディストリビューションへの移行、Deep Java Library (DJL)でのゼロショット分類の改善、Redocusaurusを使ったSpring Boot APIのドキュメント化など。
ウェビナーとプレゼンテーション: Java GPGPUの実現可能性、Javaエコシステムの現状、Foojay Podcast、A Bootiful Podcast、ZGC（Garbage Collector）に関する情報。

2. アップグレードの推奨:

JDK 24.0.2, 21.0.8, 17.0.16, 11.0.28, 8u461
Spring Cloud 2024.0.2 (Moorgate)
GraalVM for JDK 24 Community 24.0.2
Quarkus 3.24.3
Eclipse-collections 11.1.0
Maven 3.9.11
Helidon 4.2.4
Payara Platform Community 6.2025.7

3. 技術と考察:

ソフトウェア設計における結合: 3つの相互に関連する結合形式（意味的、構造的、使用）についての記事。依存関係の管理と、より保守性と適応性の高いシステムの構築に役立ちます。
その他の記事: AI時代におけるデータの再構築、Green JVMの紹介、新しいAIカンファレンス情報など。

4. 今週のおすすめ (Pick of the Week):

エンジニアをAI支援の未来へと導くための記事。

全体として、今回のJava Weeklyは、SpringとJava開発に関する最新の情報、新しいライブラリとツールの紹介、そしてJavaエコシステムの進化に関する議論を提供しています。また、アップグレード情報も含まれており、開発者が最新の技術動向を把握し、開発環境を最新の状態に保つための情報源となっています。

Ktor 3.2.2 Is Now Available | The Kotlin Blog

View on JetBrains Blog (Kotlin)

Ktor 3.2.2 リリースの詳細な要約

このブログ記事では、JetBrainsが開発したKotlinのマルチプラットフォームフレームワークであるKtorの最新版、バージョン3.2.2がリリースされたことを発表しています。

主な内容:

Android D8互換性の問題修正: Ktor 3.2.0で発生した、Kotlinのバックティック付き識別子（テストでよく使用され、Kotlinの名前で英数字以外の文字を許可する）に関するAndroid D8の互換性問題が修正されました。これにより、古いAndroidバージョンでのサポートが改善されました。
マイナーな修正と機能拡張:
- Thymeleaf: テンプレートモデルがnull値を受け入れるようになりました。
- Javadoc: Mavenアーティファクトとして公開されるようになりました。
- Netty: 不正なクエリ文字列の無効な16進バイトに対する500 Internal Server Errorではなく、400 Bad Requestエラーを返すようになりました。
- その他、R8マージ、ソケット、モジュールパラメータ、フローに関する回帰修正が行われました。
- ForwardedHeaders、OkHttp、OAuth2認証プロバイダー、コンテンツネゴシエーションKDocリンク、jvminline引数、ResponseSentフックハンドラーに関するバグ修正が行われました。
今後のための改善: テストインフラストラクチャに、D8やProGuardを含む主要なAndroidツールとの互換性を継続的に検証する新しいチェックが追加されました。
貢献とフィードバックの呼びかけ: コミュニティのサポートとフィードバックに感謝し、start.ktor.ioでのプロジェクト構築を勧め、RedditとSlackでのコミュニティへの参加を呼びかけています。

その他:

記事内には、Ktorに関する他の記事へのリンクや、ニュースレター購読の案内も含まれています。
Kotlin 2.2.0のリリースや、他のKtor関連の記事へのリンクも紹介されています。

Breaking to Build: Fuzzing the Kotlin Compiler | The Research Blog

View on JetBrains Blog (Kotlin)

Breaking to Build: Kotlinコンパイラのファジング (要約)

このブログ記事は、JetBrainsの研究チームによるKotlinコンパイラの品質向上に向けた取り組みについて解説しています。特に、従来のテスト手法では見つけにくいバグを発見するための「ファジング」という技術に焦点を当てています。

ファジングとは:

ランダムな、または予期せぬ入力をプログラムに与え、意図しない動作やクラッシュを引き起こすことでバグを発見するテスト手法。
従来のテスト手法（プログラムの動作確認、エラー処理など）では見つけにくい、特定の状況下での潜在的なバグを見つけ出すのに有効。
入力生成方法には、文法に基づいたコードを生成する「ジェネレーティブファジング」と、既存のコードを改変する「ミューテーションベースファジング」がある。

Kotlinコンパイラへの適用:

JetBrainsは、Kotlinコンパイラの品質向上のため、ファジングを積極的に利用。
TU Delftとの共同研究で、より高度な「進化的ジェネレーティブファジング」を開発。これは、Kotlinの文法とセマンティクスに基づいたコードを生成し、進化的アルゴリズム（遺伝的アルゴリズム）を用いてコードを多様化させることで、様々なコンパイラコンポーネントをテストする。
この手法により、K1コンパイラとK2コンパイラ間の差異や、コンパイラの新たな問題を特定し、修正することに成功。

ファジングの効果と課題:

ファジングにより、これまで発見されなかった多くのコンパイラバグを発見し、修正することができた。
ファジングは、Kotlinのような複雑な言語のコンパイラのテストにおいて、特有の課題（入力生成の複雑さ、テスト結果の解釈など）が存在する。
JetBrainsは、これらの課題に対処し、ファジング能力を継続的に向上させている。

今後の展望:

ファジングは活発な研究分野であり、さらなる発展の可能性を秘めている。
JetBrainsは、Kotlinコンパイラにおけるファジング技術を継続的に改善し、より信頼性の高いソフトウェア提供を目指している。

Introducing ChatGPT agent: bridging research and action | OpenAI

View on OpenAI News

ChatGPT Agentの紹介：研究と行動の架け橋 | OpenAI

本記事は、OpenAIが発表したChatGPTの新しい機能、"ChatGPT Agent"について解説しています。これは、従来のOperatorとdeep researchの機能を統合し、Webサイトとの対話、情報収集、タスク実行を一つのモデルで実現したものです。

主な特徴と機能:

タスク実行能力: ユーザーの指示に基づき、ChatGPTが自らウェブサイトを操作し、分析を行い、プレゼンテーションやスプレッドシートなどのアウトプットを生成します。例えば、「カレンダーを見て、クライアントとの会議の概要を最近のニュースに基づいてまとめて」「日本の朝食を4人分作る計画を立てて、材料を購入して」「3つの競合他社を分析して、スライドデッキを作成して」といった複雑なリクエストに対応できます。
Agentic System: OperatorのWebサイト操作能力、deep researchの情報分析能力、ChatGPTの会話能力を統合したシステムを中核としています。
ユーザーコントロール: 実行前に許可を求め、いつでも中断、ブラウザの引き継ぎ、タスクの停止が可能です。
多様なツール: グラフィカルユーザーインターフェースを備えたビジュアルブラウザ、テキストベースブラウザ、ターミナル、APIアクセス、GmailやGithubなどのアプリとの連携を可能にするコネクタを備えています。
仮想コンピュータ: タスクに必要なコンテキストを保持し、複数のツールを連携して効率的にタスクを実行します。
コラボレーションと柔軟性: 指示の明確化、方向転換、タスク変更を随时行うことができ、中断した場所から再開可能です。
実用性の向上: 日常生活や仕事での利用を想定しており、繰り返しのタスクの自動化、旅行の計画、イベントの企画など、幅広い用途が期待できます。
高い評価: Webブラウジングや現実世界のタスク実行能力を測る評価で、高いパフォーマンスを示しています。具体的には、Humanity’s Last Exam、FrontierMath、DSBench、SpreadsheetBench、社内ベンチマーク、BrowseComp、WebArenaなどのテストで、高いスコアを獲得しています。

使い方:

メッセージコンポーザーのツールドロップダウンから「agent mode」を選択します。
必要なタスクを説明します（深掘り調査、スライドショー作成、経費の提出など）。
ChatGPTがタスクを実行する様子が画面に表示され、必要に応じてブラウザの制御を引き継ぐことができます。

リスクと安全対策:

新たなリスク: Web上でアクションを実行するため、新たなリスクが生じます。
安全対策: プロンプトインジェクションに対する対策、重要なアクション前のユーザー確認、アクティブな監視、リスクの高いタスクの拒否、プライバシーコントロール、安全なブラウザテイクオーバーモードなどの安全対策を強化しています。
生物学的リスクへの対応: 生物学的および化学的リスクに対する安全対策を強化しています。
バグバウンティプログラム: 潜在的なリスクを発見し、修正するためのバグバウンティプログラムを開始します。

利用可能性:

Pro、Plus、Teamのユーザーは本日より、Proユーザーは本日の終わりまでに、PlusおよびTeamユーザーは数日以内に利用できるようになります。EnterpriseおよびEducationユーザーは今後数週間以内に利用可能になります。

今後の展望:

ChatGPT Agentはまだ初期段階であり、機能の改善、効率性の向上、よりスムーズなインタラクションを目指しています。
スライドショー作成機能は現在ベータ版であり、今後の改善に期待できます。

付録:

評価環境の詳細な情報と、各モデルの性能比較データが記載されています。

ChatGPT agent System Card | OpenAI

View on OpenAI News

ChatGPT Agent System Card | OpenAI 詳細要約

2025年7月17日、OpenAIは、深層研究（Deep Research）とOperatorの強みを組み合わせた新しいエージェントモデル「ChatGPT Agent」を発表しました。

ChatGPT Agentの主な特徴:

深層研究（Deep Research）の能力: 複数段階にわたる調査を行い、高品質なレポートを生成できます。
Operatorの能力: リモートビジュアルブラウザ環境を通じてタスクを実行できます。
ターミナルツール: 限定的なネットワークアクセス権を持ち、コード実行、データ分析、スライドやスプレッドシートの生成が可能です。
外部データソースとアプリケーションへのアクセス: Google Driveなどの自社製コネクタを介して、外部データソースやアプリケーションにアクセスできます。

安全性への配慮:

Operatorの初期研究プレビュー版で導入された強固な制御を拡張し、より広範なユーザーへのリーチやターミナルアクセスといった新たなリスクに対応するための追加の安全対策を講じています。
OpenAIの「準備フレームワーク」に基づき、ChatGPT Agentの生化学分野における能力を「High（高い）」と評価し、関連する安全対策を有効化しています。これは、ChatGPT Agentが、専門知識のない人が深刻な生物学的危害を引き起こす可能性をわずかでも助長する可能性があると判断したためであり、予防的措置として行われています。