今朝のAIニュース
2026年7月29日水曜日
8件のニュースを エージェント経営 編集部が選定しました。
Slides
この日のニューススライド
テキストで読む
- 01📰 プロトコル / 開発者基盤Model Context Protocol 公式ブログ
MCP 仕様 2026-07-28 が正式版に — プロトコルがステートレスになり、initialize ハンドシェイクとセッションが消えた
Model Context Protocol の新仕様 2026-07-28 が正式版として公開された。ローンチ以来最大の改訂で、中核は `initialize`/`initialized` ハンドシェイクと `Mcp-Session-Id` ヘッダの完全撤廃。各リクエストが自分でプロトコルバージョン・クライアント識別・ケーパビリティを `_meta` に載せて運ぶ自己完結型になり、リモート MCP サーバは共有セッションストアもスティッキールーティングも無しで、素のラウンドロビン LB の後ろで水平スケールできる。あわせて MCP Apps・Tasks・Enterprise-Managed Authorization が正式な「拡張」の枠組みに整理され、認可の穴埋めと12か月の廃止猶予ポリシーが入った。
出典を見る → - 02📰 モデル / 音声AIOpenAI API Changelog / @OpenAIDevs
OpenAI が書き起こしモデルを2種投入 — Whisper の誤り率を半分以下に、「文脈を渡せる」ASR へ
OpenAI が API に GPT-Live-Transcribe（低遅延のストリーミング書き起こし）と GPT-Transcribe（完了済み音声ファイル・バッチ向け）を追加した。特徴は精度そのものより「文脈を渡せる」設計で、録音の状況を説明する自由記述・固有名詞や専門用語のキーワード・想定言語リスト・直前の発話ターンを入力として渡せる。Common Voice 22言語での書き起こし誤り率は Whisper (whisper-1) の 40.37% に対し GPT-Transcribe が 19.27% と、半分以下に下がった。
出典を見る → - 03🖥️ ローカルLLM / エージェントggml-org/llama.cpp PR #26062
llama.cpp 本体が MCP stdio に対応 — llama-server が単体でエージェントハーネスになった
ローカル LLM の実行エンジン llama.cpp に「server: support MCP stdio」（PR #26062）がマージされ、llama-server 自身が MCP の JSON 定義を受け取って MCP サーバをサブプロセスとして起動・管理し、そのツールをサーバのツールとして公開できるようになった。これまで llama.cpp の MCP 対応は同梱 WebUI 側の実装で、外部プロキシやエージェントフレームワークを挟むのが前提だったが、C++ サーバ本体に降りたことでローカルの GGUF モデルが単体でツールを叩ける。
出典を見る → - 04📰 AI ガバナンス / 業界@AnthropicAI
Anthropic が「フロンティア開発を意図的に減速させる」請願を公式支持 — CEO と複数の共同創業者が署名
OpenAI と Anthropic の従業員が回している請願——米政府が「自動化された AI 開発のフロンティアを意図的にペース調整するための技術的・ガバナンス的ツール」を作る国際的な取り組みを支持すべき——について、Anthropic が公式アカウントで支持を表明した。「当社の CEO、複数の共同創業者、シニアスタッフが署名している」と述べ、先月公開した再帰的自己改善に関する自社研究がその必要性を示していると位置づけた。従業員発の署名運動に会社として公式に乗った形になる。
出典を見る → - 05💼 AI×ビジネス / 価格戦略Cursor 公式ブログ / @cursor_ai
Cursor が地域別プラン「Cursor Start」をインドで開始 — 月₹649・UPI 決済、常時稼働クラウドエージェント込み
Cursor がインド向けの地域別プラン「Cursor Start」を月額 ₹649（税込）で開始した。Free と Pro の間に置かれる新しい段で、Grok 4.5 と Composer への潤沢なアクセス、コードをビルド・テストして PR まで開く常時稼働のクラウドエージェント、iOS アプリからのエージェント起動・遠隔操作、プラグイン / MCP サーバ / hooks / skills といったワークフロー拡張が含まれる。決済は UPI・クレジット・デビットに対応し、INR で月次課金される。
出典を見る → - 06🧠 コンテキスト / ループエンジニアリング@akshay_pachaar
〈知見〉prompt → context → harness → loop → graph — 5層を「作業の単位」で切り分ける
増え続ける「◯◯エンジニアリング」という用語は互いを置き換える競合概念ではなく入れ子構造であり、見分ける唯一クリーンな基準は「1単位の作業（unit of work）が何か」だと整理した投稿。prompt = 1つの入力、context = ウィンドウに残ったもの、harness = 機械を1回通すこと、loop = ラン全体、graph = ジョブ全体、と各層の単位を定義し、そこからデバッグすべき層の特定法まで一本の論理でつないでいる。
出典を見る → - 07🖥️ ローカルLLM / 計測@murasametech
〈知見〉ローカル LLM の「遅い」を3区間に分解する — Ollama の API が返す3つの duration を残す
ローカル LLM が「遅い」と感じるとき、①モデルをストレージから読み込む時間 ②プロンプトを読み取る時間 ③回答を生成する時間、の3区間に分けると原因を追いやすくなる、という計測の作法。Ollama の API は `load_duration` / `prompt_eval_duration` / `eval_duration` をそれぞれ返すので、tokens/s だけでなく最初の応答までの待ち時間も区間ごとに記録しておくと、ストレージ交換やモデル変更の効果を後から比較できる。
出典を見る → - 08💼 AI×ビジネス活用@dg_kikushu
〈知見〉AI を「既存業務に足す」のと「仕事の設計をやり直す」のは別物 — 前者は工数削減で頭打ちになる
AI を既存の業務プロセスに追加するやり方は工数削減で終わる。一方、仕事の設計そのものを「AI がある前提」で作り直すと、やれることの範囲自体が変わる。この2つはまったく別の話なのに、同じ「AI活用」という言葉でまとめて語られることが多い、という指摘。同じ発信者は「AI に手順を頼むより判断基準を頼むほうが使えるアウトプットになる」とも書いている。
出典を見る →