LLMへ渡したくない仕事～製造業オンボーディングから学んだ、自分が身につけたい能力の見分け方

Raspberry Pi 4 を MCP (Model Context Protocol) サーバとして構築し、公式チュートリアルの天気予報サーバを FastMCP 仕様で実装した事例。米国立気象局 API を利用して気象警報・予報を取得するツールを 2 つ実装し、Claude Desktop をクライアントとして動作確認。Streamable HTTP トランスポートで複数クライアント対応・水平スケーリングに対応した設計を採用。

子ども向けアプリ Finoko の金融学習機能について、学年別のクイズ生成・採点方式と架空の株価市場を活用した疑似投資機能の実装詳細を解説。Claude で生成した問題を DB に貯蔵して都度生成を避け、採点・金額決定をサーバー側で行う認可方式、および実在株価の規約制限を踏まえた現実ニュースベースの架空相場生成を紹介。

Claude Code の利用時に認証情報の誤りや Cloudflare 経由の接続エラー、MCP サーバーの応答停止といった問題が発生した際の原因特定と解決手順をまとめた記事。GitHub Issues の報告例と実際の動作確認を基に、どの段階で失敗しているかを把握するための切り分けメモを提供。

GPT・Claude・Gemini は同じ LLM カテゴリに属していても、開発元・学習方法・得意なタスク・料金が異なる。モデル選定時は「一番賢いモデルを選ぶ」のではなく、推論能力・コンテキスト長・速度・コスト・ツール対応など 7 つのポイントを確認し、システムに必要な能力を持つモデルを選ぶべき。モデルは頻繁に更新されるため、会社ごとのイメージでなく実際に使うモデルと用途を見ることが重要。