【2026年版】Agent Skillsおすすめ20選｜開発効率を劇的に上げる方法

最近、Claude CodeやCopilot Agentを触り始めたんだけど、正直な感想として「素のAgent、思ったより微妙じゃない？」って思ったんですよね。

チャットはできる。コードも生成してくれる。でも、なんか…プロダクションレベルじゃない。

例えばこんな感じ：

• コードは書けるけど、設計パターンがめちゃくちゃ
• 質問には答えてくれるけど、実務のベストプラクティスを知らない
• UIは生成できるけど、どう見てもデザイン素人が作った感じ

要するに、スマホを買ったけどアプリを何もインストールしてない状態。OSはあるのに、使い道がない。

Skillsって何？

Skillsはプラグインとはちょっと違います。Agentに業界のベストプラクティス、実プロジェクトの経験値、エンジニアリングの制約ルール、構造化された思考フレームワークを注入するものです。

つまり、「Agent の地頭」を底上げする仕組みですね。

今回紹介する20個のSkillsのうち、まずは最初の5つを入れてみてください。体感が全然変わります。

skills.sh でもこの5つはインストール数トップです。

skills.sh 公式サイト

Skills導入時のセキュリティ注意点（重要）

最近、Agent向けのSkillsにおいて 悪意あるコード混入（いわゆる“Skill汚染 / Supply Chain Attack”） の事例が報告されています。
特に npx 経由での実行は、リモートコードを取得し、そのまま実行する挙動 のため、攻撃ベクトルになり得ます。

例えば、:contentReference[oaicite:0]{index=0} が報告している「Toxic Skills」では、外部リポジトリ経由で意図しない処理（情報送信・権限悪用など）が実行されるリスクが指摘されています。

最低限の確認ポイント：

• skills.sh の一覧だけで判断しない（人気＝安全ではない）
• 必ずリポジトリの中身（実装コード・依存関係）を確認
• npx 実行前に「何が実行されるか」を把握する
• 不明なスクリプトはローカル環境ではなくサンドボックスで検証

参考例として、以下のようなSkillも必ず中身を確認した上で使用してください：

• https://skills.sh/roin-orca/skills/simple

1. find-skills

まず最初に入れるべきSkillsがこれ。Agentが自分で他のSkillsを検索・発見・レコメンドしてくれるようになります。いわばスキルのApp StoreをAgentに持たせるイメージです。

npx skills add https://github.com/vercel-labs/skills --skill find-skills

2. vercel-react-best-practices

React / Next.js のパフォーマンスチューニングに特化した64のルールが8カテゴリで内蔵されています。ウォーターフォールの排除やServer Componentsの最適化など、踏みがちなパフォーマンス地雷を全部カバーしてくれる。

npx skills add https://github.com/vercel-labs/agent-skills --skill vercel-react-best-practices

3. frontend-design

Agentが生成するUIって、正直「いかにもAIが作った感」が出ちゃいますよね。このSkillsを入れると、配色・レイアウト・アニメーションのクオリティが明らかに上がります。テンプレ感のない、ちゃんとしたUIを出力してくれるようになる。

npx skills add https://github.com/anthropics/skills --skill frontend-design

4. web-design-guidelines

コードレビューのお供に最適。100以上のWebアクセシビリティ・UX・パフォーマンスのルールが含まれていて、初歩的なUXミスを防いでくれます。PRレビューの時にこれが効いてくると、かなり楽になる。

npx skills add https://github.com/vercel-labs/agent-skills --skill web-design-guidelines

5. remotion-best-practices

Reactでショート動画を作れるRemotionのベストプラクティス集。アニメーション、エクスポート、パフォーマンス最適化まで網羅されていて、動画制作初心者でもサクッと高品質なショート動画が作れるようになります。

npx skills add https://github.com/remotion-dev/skills --skill remotion-best-practices

6. brainstorming

Superpowersフレームワークベースで、構造化されたブレインストーミング・TDD・ワークフロー設計をAgentにやらせることができます。「とりあえず何か出して」じゃなく、ちゃんと整理されたアウトプットが出てくるようになる。

npx skills add obra/superpowers --skill brainstorming

7. agent-browser

ブラウザの自動操作を実現するSkills。Webページの閲覧、フォームの自動入力、スクリーンショットの取得など、手作業で面倒だったタスクをAgentに丸投げできます。

npx skills add vercel-labs/agent-browser

8. browser-use

もう一つの強力なブラウザ操作Skills。Rust実装で動作が高速。agent-browserと組み合わせることで、複雑な自動化タスクでも安定して動かせるようになります。

npx skills add browser-use/browser-use

9. supabase-postgres-best-practices

Supabase + PostgreSQLのデータベース最適化ガイド。SQLのアンチパターンを避けて、パフォーマンスを引き出すためのルールが詰まっています。DBまわりで沼にハマりたくないなら必須。

npx skills add supabase/agent-skills --skill supabase-postgres-best-practices

10. azure-cost-optimization

Azureのコスト最適化ルールセット。クラウドの請求書を見て「え、こんなにかかってるの？」ってなった経験、ありませんか？このSkillsを入れておくと、笑えない金額になる前に対策が打てます。

npx skills add microsoft/github-copilot-for-azure --skill azure-cost-optimization

11. cloudflare/skills

Cloudflare WorkersとEdge Computingのベストプラクティス。最近かなりバズっていて、Vercelユーザーからの乗り換え組も増えている印象。エッジで動かしたいならこれ。

npx skills add cloudflare/skills

12. redis/agent-skills

Redisの上級パターンとアンチパターン集。キャッシュ、ベクトル検索、ストリーム処理まで網羅。Redisを「ただのキャッシュ」から卒業させてくれます。

npx skills add redis/agent-skills

13. vercel-composition-patterns

Reactのコンポジションパターンに特化したベストプラクティス。先ほどの vercel-react-best-practices と組み合わせて使うと、コンポーネント設計がワンランク上がります。

npx skills add vercel-labs/agent-skills --skill vercel-composition-patterns

14. vercel-react-native-skills

React Native公式のベストプラクティス集。モバイルアプリ開発をやっているなら入れておいて損はない。

npx skills add vercel-labs/agent-skills --skill vercel-react-native-skills

15. sleek-design-mobile-apps

モダンで洗練されたモバイルアプリのデザインガイドライン。Agentが生成するアプリUIの質感が一気に上がります。ダサいUIとはおさらば。

npx skills add sleekdotdesign/agent-skills --skill sleek-design-mobile-apps

16. ui-skills

UIコンポーネントとインタラクションのベストプラクティス。最近Xでもかなり話題になっていて、デザイナーレベルのインターフェースをAIに書かせたいならこれ一択。

npx skills add ibelick/ui-skills

17. pdf

PDFの生成・解析・処理をAgentに任せられるSkills。レポート作成や書類処理など、日常業務で地味に助かる場面が多い。

npx skills add anthropics/skills --skill pdf

18. seo-audit

WebサイトのSEO監査と改善提案を出してくれるSkills。本番プロジェクトにそのまま使えるレベルで、効果が目に見えて出ます。

npx skills add coreyhaines31/marketingskills --skill seo-audit

19. skill-creator

自分だけのオリジナルSkillsを作れるようになるSkills。他の人のアップデートを待つ必要がなくなるので、欲しい機能は自分で作れるようになります。

npx skills add anthropics/skills --skill skill-creator

20. code-review-expert

シニアエンジニアのようなコードレビューを実現。SOLID原則、セキュリティ、パフォーマンスなど多角的にチェックしてくれるので、PRの品質が確実に上がります。

npx skills add sanyuan0704/code-review-expert

まとめ

「Agentの差って、モデルのパラメータ数で決まるんでしょ？」って思ってる人、多いと思います。

でも、実際に使い込んでみると分かるんですが、本当に差が出るのはルール（Skills）の部分なんですよね。

モデルは最低ラインを決める。Skillsは上限を決める。

ツールはどんどん進化するし、モデルもどんどん大きくなる。でも、これからの開発者に求められるのは、コードを書く力だけじゃなく、Agentに正しいルールを定義して、AIの振る舞いを設計する力だと思います。

気になるSkillsがあったら、まずは1つ試してみてください。体感が変わるはずです。

---

もしこの記事が参考になったら、ぜひシェアしてもらえると嬉しいです。他にもおすすめのSkillsがあれば、コメントで教えてください！

Claude Codeを使いこなす！意外と知られていない便利コマンドまとめ

うちのチームではClaude Codeユーザーがかなり増えてきたんですが、使い方の差がすごい。マルチエージェントで並列に回してる人がいる一方で、ターミナルでの改行すら知らない人もいる。

昨日、同僚がコードをめちゃくちゃにして「最初からやり直すか…」ってなってたので「リワインドすればよくない？」って言ったら、「リワインドって何？」 と。社内で聞いてみたら、Escキー2回でコードを巻き戻せることを知ってたのは7〜8人中たった1人でした。

これ、もったいないなと。

Claude Codeには知ってるだけで体験が段違いになる隠しコマンドがけっこうあります。しかもアップデートの頻度がエグくて、CHANGELOGにすら載ってない機能もある。開発チームの誰かがXでポロッとつぶやいて初めて知ることも。

というわけで、自分が実際に使って「これはマジで便利」と思ったコマンドを10個まとめました。では、いきましょう。

1. /btw

btw

/btwは2026年3月11日に追加されたコマンドです。

Claude Codeの責任者であるThariqがXに投稿したところ、数百万インプレッションを叩き出しました。それだけ、みんなこの機能を待っていたということでしょう。

/btwは何ができるかというと、Claudeがタスクを実行中に、会話履歴を汚さずに質問を差し込める機能です。

以前だと、Claude Codeに大きなリファクタリングを任せてる途中で「あれ、テストファイルってどのディレクトリだっけ？」みたいな質問をすると、Claudeはそれに答えるために一旦タスクを中断して、コンテキストウィンドウに関係ない会話が混入する。その結果、タスクに戻ったときに処理がブレる。

いわゆるコンテキスト汚染です。Claude Codeを長く使ってる人なら、一度はやらかしたことがあるはず。

かといって、タスクが完了するまで待ってから聞いても、結局コンテキストは汚れる。

今は/btwを打ってから質問すれば、たとえば実行中にプロジェクトのスクレイピングフローを確認したくなったら、そのまま/btwで聞ける。

回答はタスクとは完全に別プロセスで並行処理されるので、実行中のタスクが中断されることはありません。

回答を確認したら、スペースかEnterを押すだけでその会話が消えます。

元のタスクはそのまま継続していて、会話履歴もクリーンなまま。何事もなかったかのように。

しかもトークン消費もほぼゼロ。現在のプロンプトキャッシュを再利用するので。

これ、マジで神機能です。長いセッションでは毎回何度も使ってます。一度使ったら戻れないやつ。

2. /rewind

rewind

/rewindは、冒頭で触れた「Escキー2回押し」で呼び出せるコマンドです。デザインツールでいうCtrl+Z、つまり元に戻す機能だと思ってください。

このコマンド自体は以前からありましたが、2月のアップデートでコードと会話を個別に巻き戻せるようになりました。

rewind

以前は「この書き方を試してみて」と頼んで失敗したとき、会話ごと全部巻き戻すしかなくて、それまでの議論も消えてしまっていた。

今は/rewindを打つとメニューが表示されて、以下の5つから選べます：

1. Restore code and conversation（コードと会話の両方を復元）
2. Restore conversation（会話だけ復元、コードはそのまま）
3. Restore code（コードだけ復元、会話はそのまま）
4. Summarize from here（その時点以降の会話を要約してコンテキストを解放）
5. Never mind（キャンセル）

なお、手動で編集したファイルやbash経由で変更したファイルには影響しません。

rewind

これ、実験的な開発に最高なんですよ。

新しいアプローチを試させて、ダメだったらコードだけ巻き戻して、会話は残す。そうするとClaudeは「さっきの方法は上手くいかなかった」という文脈を保持したまま、別の方向にすぐ切り替えられる。要件をイチから説明し直す必要がない。

以前はよく泣きながらgit resetしてたんですが（しかもGitにそこまで詳しくないから余計にカオスになる）、今は/rewind一発で済みます。

3. /insights

insights

/insightsは、個人的にかなり過小評価されてるコマンドだと思います。

これを実行すると、過去1ヶ月のClaude Code使用パターンを分析したHTMLレポートが生成されます。よく使うコマンド、繰り返しがちな操作パターン、そしてそれに基づくカスタムコマンドやSkillsの提案まで出してくれる。

つまり、Claude Codeがあなたの使い方を逆に観察してフィードバックをくれるわけです。

insights

コマンドを実行するだけで、ローカルにHTMLレポートが生成されます。

月1回は/insightsを走らせることをおすすめします。自分の癖を客観的に見れるので、かなり面白いですよ。

4. /model opusplan

model opusplan

/model opusplanは、月額20ドルのProプランユーザーにとって特に重要なコマンドです。

複雑な推論が必要な場面では自動的にClaude Opus 4.6をプランニングモードで使用し、実際のコード生成はClaude Sonnet 4.6に切り替えてくれます。

しかもこれ、ガチの隠しコマンドです。/modelで表示されるモデル一覧には出てきません。

model

Proプランユーザーにとっては本当にありがたい。

理由はシンプルで、ProプランのOpus枠はかなり少ない。自分もMaxプランにしないと足りないくらいです。

20ドルのProプランで全部Opusを使ってコードを書いてたら、途中でレート制限に引っかかります。でも、設計と実装ではモデルに求められる能力が全然違う。

アーキテクチャの設計、依存関係の把握、全体構造の理解——こういった深い推論が必要なタスクはOpusが圧倒的に強い。

でも具体的にコードを書く段階では、小〜中規模のプロジェクトならSonnetで十分だし、しかもレスポンスが速い。

Proプランで運用してる人や、コストを抑えたい人は、ぜひ/model opusplanを試してみてください。まさにいいとこ取りです。

5. /simplify

simplify

/simplifyは2026年2月末に追加されたビルトインSkillです。開発者のBorisがXで「毎日使ってる」と紹介していました。

1月にオープンソースで公開されていたものが、2月末にClaude Codeへ正式に統合された形です。

simplify

/simplifyは、3-in-1のコードレビューツールだと思ってください。実行すると、3つの並列エージェントが同時に立ち上がり、それぞれ以下の観点でコードをチェックします：

• コードの再利用性
• コード品質
• 実行効率

以前の/reviewコマンドは、正直もうほとんど出番がないです。/simplifyの方が圧倒的に使える。

自分の運用としては、Claude Codeで何ターンかやりとりして大きめの機能を実装したあと、仕上げに/simplifyを走らせるのがルーティンになってます。

AIが書いたコードって、地味に冗長なところがあるんですよ。不要なimport、ロジックの重複、もっとスッキリ書ける箇所——そういうのを/simplifyがほぼ全部拾ってくれる。

同僚3人に同時にレビューしてもらってるようなものです。

6. /branch

branch

このコマンド、以前は/forkという名前でしたが、今は/branchに改名されました（/forkでも引き続き使えます。自動で/branchにリダイレクトされます）。

やってることはシンプルで、現在の会話を分岐させて新しいセッションを作る機能です。元のセッションはそのまま残ります。

ChatGPTの「ブランチ」機能に近いイメージですね。

これは、会話の途中で「別の方向も試してみたいけど、今の進捗は失いたくない」ってときに便利です。

たとえばClaudeと設計を詰めた後、2つの異なる実装パターンを試したいとき、/branchで分岐させてそれぞれ別のセッションで進めて、最終的に良い方を採用する。

/rewindとの違いは、/rewindは巻き戻し、/branchは分岐。前者は「やり直し」、後者は「パラレルワールド」です。

7. /loop

loop

/loopも最近追加されたコマンドです。

Claudeにタスクを定期的に繰り返し実行させることができます。

使い方は、/loopの後に実行間隔とやらせたいことを書くだけ。たとえば/loop 5m デプロイの状態をチェックしてと打てば、5分おきにチェックを実行してくれます。デフォルトのインターバルは10分。

OpenClawのハートビート機能に近い仕組みですが、Claude Codeにはこれまでこういった機能がありませんでした。

/loopの良いところは、実行結果が会話のコンテキスト内に残ること。Claudeがその結果を見て判断したり、後続のアクションにつなげたりできます。

あと、定期タスクは作成から3日後に自動的に失効します。最後に1回実行されてから自動削除される仕組みなので、忘れ去られたループが永遠に回り続ける心配がない。ずっと動かし続けたい場合は、デスクトップ版を使う方法があります。

定期タスク

8. /remote-control

remote-control

この機能は2026年2月末にリリースされたもので、個人的にかなり実用的だと思っています。

ターミナルで/rc（または/remote-control）を打つと、URLが生成されます。

それをスマホで開くと、Claude Codeのセッションがそのままスマホに表示されます。しかも完全にリアルタイム同期。スマホからコマンドを送ればターミナル側にも反映されるし、ターミナルで操作すればスマホ側もリアルタイムで更新されます。

両方を交互に使え、会話履歴も完全に一致します。

コードの実行はすべてローカルマシン上で行われるので、スマホはあくまでリモコンです。ファイルシステム、MCPサーバー、プロジェクト設定——すべてローカルに残ったまま。スマホはリモート操作のウィンドウを提供しているだけ。

便利なだけでなく、セキュリティ的にも安心できる設計です。

9. /export

export

/exportはシンプルなコマンドです。実行すると、現在の会話全体がMarkdownファイルとしてエクスポートされます。

「それだけ？」と思うかもしれませんが、地味に重要な場面があるんですよ。

Claude Codeでの開発って、会話の中で生まれる知見がけっこう多いんです。たとえば、Claudeと30分かけてアーキテクチャの議論をして、あれこれ検討しながら結論にたどり着いた。それを保存しておかないと、後から振り返りたいときにもう追えない。エクスポートしておけば、将来のコンテキストとして再利用できる。

他のモデルとの連携にも使えます。たとえばエクスポートしたログをCodexに投げて、「Claude Codeがこの修正を何度やっても直せなかったんだけど、どこが間違ってると思う？」って聞くとか。こういうモデル間のリレー、意外と効くんですよね。

10. ショートカットキー

コマンド以外にも、意外と知られていない便利なショートカットキーがいくつかあります。自分がよく使っているものを紹介します。

• Ctrl+V：スクリーンショットを直接ペーストできます。ファイルに保存してからドラッグ&ドロップする必要なし。デバッグ中にエラー画面をそのままスクショして貼り付ければ、Claudeが画像を見て対応してくれます。Macユーザーの方、ここはCmd+Vではなく Ctrl+V なので注意してください。
• Ctrl+J（MacではOption+EnterでもOK）：ターミナル内で改行ができます。
• Ctrl+R：過去に入力したプロンプト履歴を検索できます。
• Ctrl+U：入力行を一括削除できます。

まとめ

この記事を書きながら、改めて感じたことがあります。

Claude Codeのアップデート速度、ちょっと異常じゃないですか。

ここで紹介した機能の中には、3月に出たばかりのものも、2月末に追加されたものもある。AI時代のプロダクト進化のスピードは、本当にすさまじい。

しかも追加される機能のほとんどが実用的で、使い心地が目に見えて良くなる。だからこそ、Claude Codeの更新情報は定期的にチェックしておくことをおすすめします。

参考

Claude Code 更新履歴

群知能で未来をシミュレーション！MiroFishのセットアップから実行まで徹底解説

最近、個人的にマルチエージェント系のプロジェクトを色々漁っているんですが、その中で一つ「おっ、これは面白い」と手が止まったのが MiroFish です。

一言でいうと、大量のAIエージェントを仮想世界で自由にやりとりさせて、世論の推移やトレンドを予測するというオープンソースのエンジンです。しかもただのPoCじゃなく、実際にローカルでデプロイして動かせる。コミット数220超え、Docker対応済み、公式サイトにはデモも用意されていて、「ちゃんと動くプロダクト」として仕上がっています。

今回は実際にセットアップして動かしてみたので、その流れと途中でハマったポイントを共有します。

MiroFishとは — 「ハイファイなデジタルパラレルワールド」を作るエンジン

MiroFish

MiroFishは、盛大集団（Shanda Group）のサポートのもと開発されている スウォームインテリジェンス（群知能）ベースのAI予測エンジン です。ざっくり言うとこんな仕組みです：

1. シードデータ（ニュース記事、政策草案、小説のテキストなど）を投入する
2. テキストからナレッジグラフを自動構築する
3. グラフ構造をもとに、独立した人格・記憶・行動ロジックを持つエージェントを大量に生成する
4. エージェント同士を仮想空間で自由にインタラクションさせ、社会的な振る舞いをシミュレーションする
5. ReportAgentが最終状態を分析し、構造化された予測レポートを出力する

要するに「デジタルなパラレルワールド」を作って、その中で何が起こるかを観察するというアプローチです。

公式サイトのデモでは大学の世論シミュレーションや、『紅楼夢』（中国古典文学）の失われた結末の予測など、なかなかユニークなユースケースが紹介されています。

📎 公式サイト：mirofish.ai

セットアップ：最短で動かすまで

デプロイ方法はソースコードとDockerの2パターンがあります。詳細な手順は公式READMEの「🚀 Quick Start」セクションにまとまっているので、ここでは要点だけ押さえておきます。

環境要件

項目	要件
Node.js	v18以上（node -v で確認）
Python	3.11〜3.12（python --version で確認）
uv	Pythonパッケージマネージャー（uv --version で確認）
LLM API	OpenAI SDK互換のAPI（GPT、Claude、Qwenなど）
Zep Cloud	エージェントの長期メモリ管理（任意だが推奨）

注意⚠️： 公式READMEでは Alibaba Cloud の qwen-plus モデルが推奨されています。LLMのトークン消費がかなりエグいので、最初は 40ラウンド以下 の小規模シミュレーションから試すのが吉です。

ソースコードデプロイ（推奨）

git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
cp .env.example .env          # .envにAPIキー等を記入
npm run setup:all             # フロント・バックの依存を一括インストール
npm run dev                   # フロント(3000) + バックエンド(5001)を同時起動

フロントエンドとバックエンドを別々に起動したい場合は npm run frontend / npm run backend でOKです。

Dockerデプロイ（サクッと試したい人向け）

cp .env.example .env          # .envにAPIキー等を記入
docker compose up -d          # ポート3000/5001でサービスが立ち上がる

使い方：何ができるのか

セットアップが終わったら http://localhost:3000 にアクセスして、以下の流れで使います。

1. シードデータをインポート — テキスト、イベントの記述、データレポートなどを投入
2. シミュレーション変数を設定 — ソーシャル構造、インタラクションルール、エージェント数など
3. シミュレーションを実行 — ナレッジグラフの構築→エージェント生成→複数ラウンドのインタラクションが自動で走る
4. 予測レポートを確認 — トレンドの推移、感情分布、行動クラスタリングなどが出力される
5. インタラクティブに深掘り — 任意のエージェントやReportAgentと直接チャットして分析できる

開発者的にうれしいのは、ノーコードでもシミュレーションを回せる一方で、自分のイベント処理ロジックを組み込んだり、エージェントの設定パラメータを細かくいじったり、結果をコールバックAPIで受け取ったりもできるところです。

アーキテクチャ概要：裏側で何が動いているか

エンジンの内部フローをざっくりまとめると：

テキスト入力
  ↓
① ナレッジグラフ構築（GraphRAG）
  — エンティティとリレーションを自動抽出
  ↓
② 環境 & エージェント生成
  — グラフ構造からペルソナ・行動ルールを生成
  ↓
③ マルチエージェント・シミュレーション
  — パラレル環境でエージェントがインタラクション・メモリを更新
  ↓
④ レポート生成
  — ReportAgentが分析し構造化レポートを出力

単体のLLMに「予測して」と投げるのとは根本的にアプローチが違い、ナレッジグラフ駆動 × マルチエージェント協調 のパターンで予測を行います。内部のシミュレーションエンジンには OASIS（CAMEL-AI） が採用されています。

セットアップで踏んだ地雷と対処法

ここからが実務的に一番ありがたいパートだと思います。自分が実際にハマったポイントをまとめておきます。

1. uv コマンドが見つからない

'uv' is not recognized as an internal or external command

Conda環境に uv を入れたけど、npm run dev 経由だとConda環境がactivateされず、パスが通らないパターンです。

対処法：フロントエンドとバックエンドを別々に起動するのが確実。

# バックエンド（Conda環境経由で起動）
cd backend
conda run -n your_env_name python run.py

# フロントエンド（別のターミナルで）
cd frontend
npm run dev

あるいは uv をグローバルにインストールしてしまうのも手です：

pip install uv
# or
curl -LsSf https://astral.sh/uv/install.sh | sh

2. Rollupのネイティブモジュールが解決できない（Windows）

Error: Cannot find module @rollup/rollup-win32-x64-msvc

Windows環境でnpmのoptional dependenciesが正しくインストールされなかっただけなので、手動で入れれば解決します。

cd frontend
npm i -D @rollup/rollup-win32-x64-msvc

それでもダメなら node_modules と package-lock.json を消してクリーンインストール。Node.jsは 18 LTS か 20 LTS を使うのが無難です。

3. APIキーまわりのTips

• APIキーは必ず .env に書く。ソースコードへのハードコードは厳禁
• リポジトリに test_api_key.py / test_bailian_api_key.py というテストスクリプトが同梱されているので、接続確認に使うと楽

python test_bailian_api_key.py

運用で気をつけること

項目	ポイント
APIコスト	大規模シミュレーションはLLM呼び出し回数がかなり多い。事前にコスト感を把握しておくのが大事
メモリの永続化	Zep Cloudを使うとエージェントの長期メモリが格段に良くなる
バージョン相性	PythonとNodeのバージョンが要件と合わないと依存でコケがち。nvm / pyenv 等の活用を推奨
結果の扱い	シミュレーション結果はあくまで確率分布。確定的な予測ではないので、従来モデルとの組み合わせが吉

まとめ：「面白い概念」ではなく「動くプロダクト」

正直なところ、「マルチエージェントで未来を予測する」って聞いた時は「またコンセプト止まりでは？」と疑っていました。でも実際にデプロイして動かしてみると、ナレッジグラフの構築からエージェント生成、シミュレーション実行、レポート出力まで、ちゃんと一本のパイプラインとして繋がっている。

• 開発フェーズ → ソースコードデプロイでホットリロード & デバッグ
• デモ・本番 → Docker一発で環境分離 & 安定稼働
• 拡張性 → 自前のロジックを組み込んだり、外部システムと連携するのも自由

マルチエージェントの応用に興味がある方は、一度触ってみる価値ありです。特にシミュレーション系のユースケース（世論シミュレーション、シナリオ分析、複雑系のダイナミクス予測など）を探している方にはぴったりだと思います。

実際に動かしてみた感想や、こんなユースケースで使ってみた、みたいな話があれば、ぜひコメント欄やSNSで教えてください！一緒に沼にハマりましょう

2026年最新AI開発OSSツール7選：エンジニアの役割はどう変わるか

最近、エディタに向かってコードをガリガリ書く時間、明らかに減っていませんか？

正直、自分もそうです。以前はフロントからバックエンド、DevOps、インフラ周りまで、とにかく手を広げてキャッチアップするのがエンジニアの美徳みたいな空気がありました。でも2026年の今、その前提自体が変わりつつあります。

先に結論を言ってしまうと、これからのエンジニアは「コードを書く人」から「複数のAIエージェントを束ねるシステム設計者」にシフトしていきます。

もしまだ1行1行コードを手で最適化する作業に時間を使っているなら、ちょっと立ち止まって考えてみてもいいかもしれません。今回は、そんなAIエージェント時代を見据えて知っておきたいオープンソースツール（OSS）を7つまとめました。

開発のやり方そのものが変わりつつある

これまで、1人の開発者が抱えるタスクは膨大でした。フロント、サーバーサイド、セキュリティ、UI/UXまで。

でも今、それぞれの領域が独立したAIエージェントとしてモジュール化されてきています。求められるスキルは「全部自分でできること」ではなく、

各領域のAIエージェントを適切に組み合わせて、うまく動かすこと

問題は「AIを使うかどうか」じゃなく「どうコントロールするか」

最近、AIプロジェクトにコストをかけたのに思うような成果が出ない、という話をよく耳にします。原因はたいていモデルの性能ではなく、エンジニアリング側の問題です。

• エージェントの出力がブレる（ハルシネーション）
• プロンプトの良し悪しが検証できない（「お祈り」チューニング）
• コンテキストが汚染されてぐちゃぐちゃになる
• 複数エージェント間の連携がうまくいかない

LangChain や AutoGen を触ったことがある方なら実感があると思います。「AIで何か作れる」ことと「本番で安定稼働させる」ことは、まったく別の話です。

そこで今回は、こうしたAI開発の根本的なボトルネックに効くOSSツールを7つピックアップしました。

AIエンジニアリングスタックを支える7つのOSS

1. Agency —— 「役職」をエージェント化する

agency

GitHub: https://github.com/msitarzewski/agency-agents

ポジション：マルチエージェント・オーケストレーション

会社組織の「役職」のようなテンプレートを備えたエージェントフレームワークです。

• フロントエンドエンジニア
• バックエンドエンジニア
• セキュリティエンジニア
• グロースハッカー

個々のロジックを書くのではなく、AIチームを編成するというアプローチですね。

AutoGenと方向性は近いですが、「ロールのテンプレート化」と素早いセットアップに重点を置いている点が特徴です。

2. PromptFoo —— プロンプトに「テスト駆動」の概念を持ち込む

PromptFoo

GitHub: https://github.com/promptfoo/promptfoo

ポジション：プロンプト評価とA/Bテスト

主な機能：

• 複数モデル間での出力比較
• プロンプトのA/Bテスト
• CI/CDに組み込める自動評価
• プロンプトインジェクション攻撃の検知

LangChainエコシステムにずっと足りなかったもの、つまりプロンプトをエンジニアリングとして検証する仕組みを提供してくれます。

3. MiroFish —— データ駆動で「トレンド」を推論する

MiroFish

GitHub: https://github.com/666ghj/MiroFish

ポジション：データ駆動型意思決定システム

ワークフロー：

1. 外部データのクローリング（ニュースや市場動向）
2. シミュレーション環境の構築
3. マルチエージェントによる議論と進化
4. 最適な戦略のアウトプット

AIの役割を「指示されたコードを出すだけの存在」から「意思決定に関われるパートナー」に広げてくれるツールです。

4. Impeccable —— AIが生成した「微妙なUI」を洗練させる

Impeccable

GitHub: https://github.com/impeccable-ai/impeccable

ポジション：フロントエンドデザインの最適化

コンポーザブルな（組み合わせ可能な）コマンド群を提供します：

• distill（UIの引き算・シンプル化）
• colorize（ブランドカラーの適用）
• animate / delight（マイクロインタラクションの最適化）

実際に使ってみると、こんな課題に刺さります：

AIはそれっぽいUIを生成するのは得意ですが、「使いやすくて美しいUI」にするのはまだ苦手。その差を埋めてくれるツールです。

5. OpenViking

OpenViking

—— AIのコンテキスト（記憶）を抜本的にリファクタリングする

GitHub: https://github.com/volcengine/OpenViking

ポジション：AIネイティブデータレイヤー（Context OS）

コアな仕組み：

• ファイルシステムを利用したコンテキスト管理
• 階層型ローディングによるトークン消費の削減（コスト削減）
• 長期記憶の自動圧縮とパージルール

一言で言えば：

「LangChain Memory」のアーキテクチャを根底から書き換えたもの

正直、まだ知名度は高くないですが、個人的にはかなり注目しています。

コンテキストの設計こそが、AIシステムにとってのOS設計に相当する — そう感じさせてくれるツールです。

6. Heretic —— LLMの「リミッター」を解除する

Heretic

GitHub: https://github.com/p-e-w/heretic

ポジション：モデルのアンセンサード（無検閲化）

できること：

• モデルにかけられたデフォルトの安全制限をバイパス
• 自由度の高いエッジなタスクの実行

想定されるユースケース：

• アカデミックな研究用途
• 極めて高い自由度が求められるクローズドシステム

ただし、出力制御が効かなくなるリスクも当然あるので、プロダクション環境での利用は慎重に検討した方がいいでしょう。

7. NanoChat —— ゼロから「オレ専用LLM」を育て上げる

NanoChat

GitHub: https://github.com/karpathy/nanochat

ポジション：エンドツーエンドのLLMパイプライン

カバー範囲：

• トークナイゼーション（Tokenization）
• プレトレーニング（事前学習）
• ファインチューニング（微調整）
• 評価（Evaluation）
• チャットUIの統合

限られたGPUリソースと予算でも、挙動を完全に制御できる小規模パラメーターモデル（SLM）を構築できます。

一番大きいのは：

「APIを叩いて使うだけ」の状態から「自分でモデルを持つ」段階にステップアップできること

もうひとつの現実的な課題：AIはどうやってAPIを安定して叩くのか？

ここまで紹介してきたツールでエージェントを組み上げても、いざ実際のシステムに接続する段階で別の壁にぶつかります。ボトルネックになるのはモデルの性能というより、もっと泥臭い部分です。

• APIコール時のパラメータエラー
• パラメータのフォーマット不一致
• エンドポイントの不安定な挙動
• 自動テストの不足

これは要するにインターフェースまわりのエンジニアリング品質の問題で、AI固有の話ではありません。だからこそ、APIの設計・デバッグ・テストを一元管理できるツールは、AIアプリ開発でもインフラとして重要になります。

たとえば Apidog のようなAPI管理ツールを使えば、デバッグからモック、テストケースの管理までを統合的に回せるので、エージェントが叩くAPIの信頼性を底上げできます。

AIが開発の生産性を上げてくれる一方で、API周りのエンジニアリング品質がプロダクト全体の安定性を左右する — この構図は、今後ますますはっきりしてくるはずです。

2026年版 AIアプリケーションスタック（完成図）

AI Application Stack (2026)

Agent Layer        → Agency
Evaluation Layer   → PromptFoo
Decision Layer     → MiroFish
UI Layer           → Impeccable
Context Layer      → OpenViking
Model Layer        → NanoChat / Heretic
Integration Layer  → API統合ツール（Apidogなど）

押さえておきたい3つのトレンド

1. 「コーダー」から「設計者」へ

実装をひたすら書くのではなく、システム全体をどう設計して、どこにリソースを配分するかを考える役割が増えています。

2. 「プロンプトのガチャ回し」から「評価ベースの開発」へ

結果が良さそうに「見える」だけではもう足りなくて、定量的に評価できる仕組み（Evaluation）を最初から組み込む開発スタイルが求められています。

3. 「モデルの賢さ」から「コンテキスト設計」へ

モデル自体の性能よりも、どんなコンテキストを与えるか、メモリをどう設計するか、外部ツールとどう連携させるか — この部分がアウトプットの質を大きく左右します。

ハマりがちなアンチパターン3つ

1. エージェントをとにかく増やしてしまう

→ 数が増えるほど、システム全体のオーバーヘッドと複雑性が指数的に跳ね上がります。

2. プロンプトを「資産」だと考えてしまう

→ プロンプトそのものに価値があるわけではなく、その出力を定量的に検証できる仕組みの方が大事です。

3. モデル側ばかりチューニングしてAPI連携を後回しにする

→ 実際には、LLM側よりもAPI連携のI/Oで静かにエラーが出て落ちているケースが少なくありません。

まとめ

これからの開発は、「自分でコードを書いてシステムを作る」スタイルから、AIエージェントを組み合わせてシステム全体をマネジメントする方向へ徐々にシフトしていくのだろうと思います。

今回紹介したOSSツールやAPI管理ツールを自分の開発フローにうまく取り入れて、自分なりのAIエンジニアリングスタックを組んでいくのが、これからのエンジニアにとって大事な戦略になりそうです。変化のスピードは速いですが、この流れにうまく乗れれば、今まで以上に面白い開発体験ができるんじゃないかと期待しています。

最後まで読んでくださり、ありがとうございました！ この記事を読んで少しでも理解を深めていただければ幸いです！ 参考になったと思ったら「いいね」やフォローをしていただけると嬉しいです。

2026年最新版！無料で使えるPostman代替ツール10選

お疲れ様です！最近、APIのテストしてますか？ 実は2026年3月1日、Postmanから衝撃的な発表がありました。プラン構造がガラッと変わってしまったんです…。

新しいプラン体系はこうなりました：

• Free
• Solo
• Team
• Enterprise

公式は「複雑だったアドオンプライシングをシンプルにして、分かりやすくしたよ！」と言っています。でも、個人的には「うーん…これって実質的な値上げじゃない？」と思う部分も少なくありません。開発者コミュニティでも「もうPostmanに依存し続ける必要はあるのか？」という議論が再燃しています。

ここ数年でAPIツールのエコシステムは大きく進化しました。Gitファーストなツールや、完全ローカル優先のクライアント、そしてAIをフル活用したライフサイクル管理プラットフォームなど、選択肢は山ほどあります。

今回は、一人の開発者として「本当に使える」と感じたPostmanの代替ツール10選を、メリット・デメリットと共にご紹介します！

Postmanの限界ってどこにある？

Postmanは単なるAPIデバッグツールから、巨大なAPIプラットフォームへと進化しました。でも、それが逆にいくつかの問題を引き起こしています。

1. 無料版の機能がどんどん厳しく…

Freeプランはあくまで個人向け。チームコラボレーション、自動テスト、APIガバナンスなどの本当に便利な機能を使おうとすると、すぐにより上位のプランが求められます。小規模チームにとっては、コストがバカになりませんよね。

2. ツールが機能過多で重い

今のPostmanには、APIドキュメント、モックサーバー、自動テスト、監視、マーケットプレイス、おまけにAI自動化まで乗っかっています。正直、「ちょっとAPIを叩いてレスポンスを見たいだけ」のプログラマーにとっては、牛刀をもって鶏を割くような重さです。

3. 代替ツールのエコシステムが超優秀に

昔は「Postman一択」でしたが、今は違います。ローカル優先、Gitワークフロー対応、AI自動化など、特定の用途に特化したモダンで軽量なツールが続々と登場しています。

おすすめ！最高のPostman代替ツール10選

ここからは、開発者コミュニティで今一番アツいツールを10個ピックアップして紹介します。

1. Bruno

bruno

最近、急成長しているAPIツールの筆頭です。最大の魅力は、APIリクエストをすべてテキストファイルとして保存し、そのままGitで管理できること。開発チームのワークフローに完璧にフィットします。

公式サイト: https://www.usebruno.com/

GitHub: https://github.com/usebruno/bruno

メリット

• Gitネイティブなワークフロー
• ローカル優先で軽量
• クラウドへの依存ゼロ

デメリット

• UIや機能がまだ少しシンプルすぎる

2. Apidog

Apidog

これも急成長中のフルスタックAPI開発ツールです。設計、デバッグ、自動テスト、モック、ドキュメント生成までオールインワンでこなせます。特に強力なのが、AIによるテストケースの自動生成機能。インターフェース定義からテストのロジックを爆速で作ってくれます。

公式サイト: https://apidog.com/jp

メリット

• 設計からデバッグまで一体化
• 強力な自動テストを内蔵
• AIを使ったテストケース生成が神
• チームコラボレーション機能が完璧

デメリット

• オープンソースのエコシステムはまだ発展途上

3. Hoppscotch

Hoppscotch

めちゃくちゃ人気のオープンソースAPIクライアントです。（昔はPostwomanって名前でしたよね！）ブラウザからサクッと使えて、とにかく動作が軽快です。

公式サイト: https://hoppscotch.io/

GitHub: https://github.com/hoppscotch/hoppscotch

メリット

• 完全オープンソース
• Web版の体験が素晴らしい
• とにかく爆速

デメリット

• 企業向けの高度な管理機能は少なめ

4. Insomnia

Insomnia

Postmanが重すぎると感じた人が、最初に逃げ込む先として有名な軽量APIクライアントです。UIがスッキリしていて、GraphQLのサポートも強力です。

公式サイト: https://insomnia.rest/

GitHub: https://github.com/Kong/insomnia

メリット

• UIが洗練されていて使いやすい
• GraphQLのネイティブサポート
• プラグインシステムが成熟している

デメリット

• チームでのコラボレーション機能は弱め

5. HTTPie

HTTPie

最初はCLIだけのツールでしたが、今はモダンなデスクトップ版のGUIクライアントも提供しています。「ターミナルからAPI叩くならコレ」という開発者は多いはず。

公式サイト: https://httpie.io/

GitHub: https://github.com/httpie/cli

メリット

• CLIツールとしての完成度は最高
• 開発者体験（DX）が抜群に良い

デメリット

• GUI版の機能はまだベーシックな段階

6. Swagger UI

Swagger UI

もはや説明不要のクラシックなAPIドキュメントツールですね。OpenAPI仕様に基づいて、インタラクティブなドキュメントを即座に生成してくれます。

公式サイト: https://swagger.io/tools/swagger-ui/

GitHub: https://github.com/swagger-api/swagger-ui

メリット

• オープンソースエコシステムが圧倒的
• OpenAPI標準への完全対応

デメリット

• フル機能の「APIデバッグツール」として使うには不向き

7. Stoplight

Stoplight

モダンなAPI設計プラットフォームです。主にAPIの仕様設計やドキュメント管理に特化しています。美しいドキュメントを作りたいなら間違いない選択ですね。

公式サイト: https://stoplight.io/

メリット

• OpenAPIの設計体験が極めて優れている

デメリット

• デバッグ機能自体は弱め

8. Paw (RapidAPI Mac)

Paw (RapidAPI Mac)

macOSユーザー限定ですが、古くから愛されているネイティブAPIツールです。Appleのエコシステムに溶け込んだ美しいUIとサクサク感が魅力です。

公式サイト: https://paw.cloud/

メリット

• macOSネイティブならではの快適な操作性
• UIデザインが美しい

デメリット

• Macでしか使えない（Windows/Linux非対応）

9. SoapUI

SoapUI

昔からある老舗のAPIテストツールです。「エンタープライズの自動テストといえばコレ」という企業もまだ多い印象です。

公式サイト: https://www.soapui.org/

メリット

• 複雑な自動テストシナリオに強い
• SOAPとRESTの両方に完全対応

デメリット

• UIが古臭くて、とっつきにくい

10. Thunder Client

Thunder Client

VS Codeの拡張機能として動くAPIクライアントです。エディタ内で直接APIを叩けるので、わざわざ別画面を開く必要がありません。

公式サイト: https://www.thunderclient.com/

メリット

• VS Codeと完全に統合されている
• 軽くてサクサク動く

デメリット

• 独立した専用ツールと比べると機能は限定的

結論：これからのAPIツールはどうなる？

2026年のPostmanのプラン変更をきっかけに、APIツールのエコシステムは明確に3つの方向へ分岐していると感じます。

1. Gitファーストなツール (例: Bruno) 設定ファイルやリクエスト内容をテキストで管理し、コードと同じようにGitでバージョン管理するアプローチ。今の時代の開発チームには一番しっくりきます。

2. APIライフサイクルプラットフォーム (例: Apidog, Stoplight) 設計、デバッグ、テスト、モックまで、すべてを一つのプラットフォームで完結させる全部入りアプローチ。

3. IDE統合型ツール (例: Thunder Client) VS Codeなどの中で完結させ、コンテキストスイッチを最小限に抑える効率重視のアプローチ。

さらに最大のトレンドとして、AIによるテスト自動生成が無視できなくなってきました。「APIツール＝手動で叩いて確認するツール」という時代は終わろうとしています。Apidogのように、AIがテストシナリオからモックデータまで丸ごと生成してくれる世界線が当たり前になりつつあるんです。

これからツール選定をするなら、今の自分のチームが「単なるデバッガー」を求めているのか、それとも「AI駆動のライフサイクルプラットフォーム」を求めているのか、しっかり見極める必要がありそうです。

最後まで読んでくださり、ありがとうございました！ もしこの記事が役に立ったら、ぜひSNSでシェアしてくださいね！皆さんが今どんなAPIツールを使っているのか、ぜひコメントで教えてください！

PostmanとApidog徹底比較！フロントエンド・バックエンド両方の視点から解説

こんにちは、フロントエンドエンジニアのKaitoです！今日は私が日々の開発で欠かせないAPIテストツールについて熱く語りたいと思います。特に「Postmanはフロントエンド向け？それともバックエンド向け？」という疑問に答えつつ、最近私が完全に乗り換えたApidogの魅力もお伝えします！

実は先月、チームの新人エンジニアから「Postmanって誰が使うべきなんですか？」と質問されて、改めて考えさせられました。確かに、この疑問を持つ人は多いはずです。今日はこの疑問を徹底的に解消していきましょう！

Postmanクライアント

フロントエンドエンジニアにとってのPostman

フロントエンド開発者として、私は毎日のようにバックエンドAPIと格闘しています。正直に言うと、Postmanなしの開発生活は考えられません。なぜでしょうか？

フロントエンド開発では、バックエンドAPIが正しく動作しているか確認する必要があります。例えば、ユーザー登録機能を実装する際、以下のようなことを確認したいですよね：

• APIエンドポイントが正しく応答するか
• どんなJSONデータが返ってくるのか
• エラー時にどんなレスポンスが返るのか

Postmanを使えば、これらをフロントエンドコードを書く前に簡単にテストできます！さらに、APIドキュメントをエクスポートする機能も便利です。私の場合、新しいプロジェクトに参加するたびに、まずPostmanでAPIを叩いて挙動を確認するのが習慣になっています。

バックエンドエンジニアにとってのPostman

バックエンド開発者の友人に聞いたところ、彼らにとってもPostmanは必須ツールだそうです。バックエンド開発では、自分が作ったAPIが正しく機能するか検証する必要があります。

例えば、友人が最近開発した決済APIでは、Postmanを使って以下のようなテストを行っていました：

1. 正常なパラメータでリクエストを送信
2. 不正なトークンでアクセスした場合のエラー処理
3. タイムアウト時の挙動

さらに、チーム内でAPIの仕様を共有する際にも、Postmanのコレクション機能が大活躍しているとのこと。「コードレビューの前にPostmanコレクションを共有すると、レビュアーの理解が格段に早くなる」と彼は言っていました。

結論：Postmanは両方のエンジニアに必須ツール！

長年の経験から言えることは、Postmanはフロントエンドにもバックエンドにも等しく重要なツールだということです。APIを介して通信する現代のWeb開発において、Postmanはフロントエンドとバックエンドの「橋渡し」的な役割を果たしています。

実際の開発現場では、フロントエンドとバックエンドのエンジニアが同じPostmanコレクションを共有することで、コミュニケーションコストを大幅に削減できるメリットもあります。

PostmanとApidogの機能比較表

両ツールの主な違いを理解するために、以下の比較表をご覧ください：

機能・特徴	Postman	Apidog
基本機能	APIリクエスト送信、テスト、自動化	APIリクエスト送信、テスト、自動化
ドキュメント作成	基本的な機能あり	Swagger/OpenAPIと完全互換の高度な機能
モックサーバー	有料プランで利用可能	無料プランでも完全利用可能
自動テスト	基本的なテスト機能	JMeter相当の高度な負荷テスト機能も含む
日本語対応	部分的	完全対応（UI・ドキュメント）
料金体系	無料プラン（制限あり） 有料プラン：$14/月～	無料プラン（ほぼ全機能利用可） 有料プラン：$9/月～
同期機能	クラウド同期（有料プランで制限あり）	Web版・デスクトップ版間の完全同期
チーム機能	有料プランで利用可能	無料プランでも基本機能利用可能
学習曲線	やや急（英語ドキュメントが中心）	緩やか（日本語対応と直感的UI）
WebSocket対応	基本的な機能あり	高度な機能と使いやすいUI

この表からわかるように、Apidogは特に日本語対応、無料プランの充実度、統合された機能セットの面で優位性があります。一方、Postmanはより長い歴史と大きなコミュニティを持っているという利点があります。

Apidogの衝撃！Postmanを超える統合プラットフォーム

Apidogクライアント

ここからが本題です！ 最近、私はPostmanからApidogに完全移行しました。その理由を正直に話します。

Apidogは「API 文書作成」「API デバッグ」「API Mock」「API 自動テスト」を一つのプラットフォームで実現する統合ツールです。つまり、Postman + Swagger + Mock + JMeterの機能を一つのツールで実現しているんです！

私がApidogに惚れ込んだ理由は以下の通りです：

1. 日本語対応が素晴らしい！ 英語が苦手な同僚も迷わず使えるようになりました
2. 複数ツール間の切り替えが不要 - データの一貫性が保たれるので、ドキュメントとテストの乖離がなくなりました
3. Webブラウザ版とデスクトップ版の同期が完璧 - どこからでも同じ環境で作業できます
4. すべての機能が無料で使える - チーム全体で導入しやすいです

特に感動したのは、モックサーバー機能です。フロントエンド開発中にバックエンドAPIがまだ完成していない場合、Apidogのモック機能を使えば、APIの仕様だけで開発を進められます。先日のプロジェクトでは、バックエンド開発が遅れていましたが、Apidogのおかげで予定通りフロントエンド実装を完了できました！

まとめ：APIテストツールの選択が開発効率を左右する

PostmanもApidogも素晴らしいツールですが、個人的には統合環境を提供するApidogに軍配が上がります。特に日本語環境で開発するチームには、Apidogは文句なしにおすすめです。

APIの重要性がますます高まる現代のWeb開発において、適切なAPIテストツールの選択は開発効率を大きく左右します。皆さんもぜひ、自分のワークフローに合ったツールを見つけてください！

最後まで読んでいただき、ありがとうございました！もし質問や感想があれば、コメント欄でぜひ教えてください。また、このテーマについて議論したい方はSNSでシェアしていただけると嬉しいです！