AIプログラミングツールの発展に伴い、私はMCPツールに対する理解も変わってきていると感じています。
以前よく使われていたsequential thinking、task_managerは、モデルの計画と推論能力の向上に伴い、plan modeとthink harder/ultrathinkが登場しました。私は今、原生ツール内で作業を完結させたいと思っており、mcpを借りることは望んでいません。
もう一つのカテゴリは、context7やdeepwikiのようなコンテキスト強化ツールです。コンテキストエンジニアリングに関しては、より精密で正確である必要がありますが、この種のMCは現在のところその要求を満たすことができません。ですので、私はMCを使用するのではなく、自分で深く整理することを好みます。
文脈整理のプロセスは、Deep ResearchやNotebookLMなどの外部ツールを利用することができ、コードの外側で高品質で十分に包括的な文脈を事前に収集することができます。
さらに、テスト効率と精度を向上させることができるmcpツールをお勧めします。例えば、playwright mcpです。
要するに、mcpツールはAIプログラミング能力の延長として、手足の役割を果たすべきであり、脳を強化するものではない。

デプスリサーチは「何を構築するか」というプロダクト化の意思決定の問題を解決します。深さと広さを兼ね備え、私たちが情報のカクテルパーティーを打破し、方向を明確にするのを助けます。
Claude Codeは具体的な実施の詳細を解決するのを助け、私たちがシステムアーキテクチャ、モジュール分割、再構築といったhigh levelの側面により集中できるようにし、イテレーションと試行錯誤の効率を向上させます。
未来には確実により先進的なAI生産性ツールが登場するでしょうが、上記の三つのステップは不変の基本論理であると私は考えます。

MCPが出てからこんなに時間が経ったのに、実際に使えるものはあまりないようですね？
私が言う「使える」とは、AIプログラミングにおいて、安定して高頻度で使用でき、プログラミングの効果に実質的な向上をもたらすことを指します。
私が問題ないと思うものをいくつか共有してください:劇作家、Context7、シーケンシャルシンキング
前の2つは文脈の正確性の問題を解決し、3番目は計画的思考を解決します。

プログラミングの分野には、「バッドスメル」という言葉があります。
経験豊富なプログラマーは、システム内の「悪臭」を嗅ぎ取ることができ、事前に予防し、アーキテクチャの最適化とアップグレードを行うべきだということです。
もう一つの言葉は「過剰設計」です
つまり、最初に考えすぎて、多くの不要な拡張性やモジュールの分離を設計してしまい、膨大で無駄なメンテナンスコストをもたらし、逆にバグを引き起こしやすくなっています。
この二つの言葉は、時間と文脈の中で見る必要があります。
最良のアーキテクチャデザインはなく、現在（および将来の一定期間）に最も適したアーキテクチャデザインがあるだけです。
この程度の把握は、現在のAIではまだ遠く及ばない。
しかし、AIを導入することで、私たちはアーキテクチャについて考えるための時間を増やし、適切なタイミングでリファクタリング、デカップリング、分割、または統合を行うことができるようになりました。
これが人間の価値です

プログラマーが最も喜ぶのは、各大手AI企業が競い合っていることです😂
Julesに登録したばかりですが、どうやら無料で試用できるようです。

Googleがまた大きな手を打とうとしているのか？

vibe codingは本当にプログラミングを理解している人の手の中でのみ効果を発揮します。理解していない人には💩山と様々なセキュリティの脆弱性😅

素晴らしい経験であり、コンテンツマーケティング、トラフィック、顧客獲得、コンバージョン、ブランド、デザイン、競争の壁、協力の拡大など、あらゆる側面について考え、実行する必要があります。
AI時代、最も不足しているのはアイデアと研究開発能力です😂

おめでとうございます、学ぶ価値があります👍
熠辉のように講座を販売する人がもっと増えることを願っています。「講座販売」という言葉がもはやそんなにネガティブなものではなくなるように。
成功する知識有料配信者とはどのような人か考えてみると、以下のポイントをまとめました：
誠実で利他的で、価格が適正で、迅速です。
誠実：自媒体の基盤であり、何を売るにしても、まず顧客との信頼関係を築く必要があります。自分の知識や認識を誠実に発信し、偽らず、演じることなく、キャラクターが崩れにくくなります。
利他：自分を満たすためではなく、市場の側に立ち、ユーザーの側に立ち、実際に価値があり、ユーザーの痛点を解決できるコンテンツを提供すること。
迅速：この迅速は単に市場に素早く参入することだけではなく、より重要なのは迅速なイテレーションと試行錯誤だと思います。完璧な製品を作ろうと考えず、まずはMVPを迅速にリリースし、市場の検証とフィードバックを得ることが、閉じた環境での開発よりも100倍優れています。

この方法でAIルールを作るのは良さそうですね。試してみる準備をしています。試し終わったら報告します！シェアしてくれてありがとう☺️

ウォ・エンダー先生の意見に非常に賛同します。AIの支援によるプログラミングは、既にプログラミング言語の基礎を持つ人々が新しい言語を迅速に習得できることを確かに可能にします。同時に、彼は言語の背後にある核心的な概念を理解することの重要性を強調しました。
---
しかし、異なる言語の背後にある概念を理解することは依然として重要です。これが、少なくともPythonのような言語を学ぶことが、LLMにPythonや他の言語のコードを生成するようにより良く指示するための堅固な基盤を築くことができる理由です。もし、あるプログラミング言語から文法が異なるが同様のタスクを達成できる別の言語に移行する場合—例えば、JSからTS、またはC++からJava、またはRustからGoへ—最初の言語の概念を習得すれば、第二の言語でコードを書くためにLLMに指示するために必要なほとんどの概念も習得することができます。（TensorFlowとPyTorchはプログラミング言語ではありませんが、TensorFlowの背後にあるディープラーニングの概念を学ぶことで、LLMにPyTorchのコードを書くように頼むことも容易になり、逆もまた然りです！）さらに、生成されたコードの大部分を理解することもできるでしょう（LLMに少し説明してもらう必要があるかもしれません）。
異なるプログラミング言語は、コンピュータを組織する異な