Show HN: チャンネルズ SDK をご紹介します。あらゆるエージェントを(Slack や Microsoft Teams など)あらゆるチャネルへ連携させることができます。

2026/08/07 1:05

Show HN: チャンネルズ SDK をご紹介します。あらゆるエージェントを(Slack や Microsoft Teams など)あらゆるチャネルへ連携させることができます。

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

Channels SDK は、Slack Block Kit や Teams Adaptive Cards などのネイティブ UI コンポーネントを使用して、Slack、Microsoft Teams、Discord などのコミュニケーションプラットフォームにネイティブでインタラクティブな AI エージェントを埋め込むことを開発者に可能にします。CopilotKit Intelligence を介して、LangGraph、CrewAI、Mastra、Pydantic AI、Google ADK など、AG-UI 互換のフレームワークと接続され、ユーザーロジックから分離したプラットフォーム認証情報を安全に管理します。開発者は、初期設定や複雑なセットアップの壁なしで、エージェントの文脈理解能力、ツール使用機能、UI 能力を迅速にテストできます。本番デプロイメントについては、SDK はホスティングサービス(MIT ライセンスのオープンソースセルフホストインスタンを含)およびエンタープライズ環境の両方をサポートしており、OpenTag のオンコールタリッジアシスタントでの成功事例がこれを示しています。セットアップには Node.js 22 以上と特定の依存関係(

@copilotkit/channels
@copilotkit/runtime
)が必要で、
copilotkit channels add --adapter slack
といった CLI ツールがエージェント統合を促進します。開発が進化するにつれて、追加チャンネルへのサポートが予定されており、互換性を維持するために開発者はスキルフラグが最新であることを確認する必要があります。

本文

CopilotKit で AI エージェントを Slack や Teams に導入しよう

CopilotKit を活用すれば、Slack、Microsoft Teams、Discord など、実際の業務が行われるチャネルへ AI エージェントを導入できます。ネイティブかつインタラクティブなユーザーインターフェース(UI)を提供し、エージェントはツールやモデル、ビジネスロジックを維持したまま、利用者と対話し続けることが可能です。


導入の概要:ネイティブ UI と人の統制

Channels は、人々と協業するためのネイティブの場所を提供します。

  • エージェントの導入:
    • CopilotKit の組み込みエージェントを使用。
    • LangGraph, CrewAI, Mastra, Pydantic AI, Google ADK など、他の AG-UI エージェントとの接続も可能。
  • ネイティブ UI のレンダリング:
    • メッセージを記述するだけで、Slack Block KitTeams Adaptive Cards などのプラットフォーム固有の UI に変換されます。
  • 人の統制:
    • エージェントが行動する前に、ユーザーによる承認ゲートや選択操作を会話内に配置可能で、常に人間のコントロール下におけます。

多チャネル対応と体験環境

Channels は、あらゆるコミュニケーションプラットフォームでエージェントを動作させるように設計されています。

  • 対応プラットフォーム: Slack, Microsoft Teams, Discord など。
  • CopilotKit Intelligence: Slack および Teams については CopilotKit が接続管理を行い、将来的に更多なチャネルに対応予定です。

構築前の体験環境

アプリ構成やランタイム設定なしで、即座にエージェントを試せます。

  • [Channels を試してみる]: プラットフォームを選択し、コンテキスト処理やツール利用を確認できます。

セットアップ:最速のパス(コード生成エージェント)

エージェントとアプリケーションロジックは独自のインフラ上で動作します。CopilotKit Intelligence がプラットフォーム接続を管理し、長期的な実行プロセスへ配信します。

手順:ガイドを使ってセットアップ

プロジェクト作成からランタイム設定までをガイドに任せるのが最も速い方法です。

npx copilotkit@latest channels setup

動作の流れ:

  • channels-setup
    スキルがインストールされ、クリップボードにセットアッププロンプトがコピーされます。
  • そのプロンプトをコーディングエージェントに貼り付けます。
  • 仕組み: 安裝されたスキル(例:数ヶ月前のもの)でも、
    copilotkit.ai/channels-guide.md
    から最新のワークフローを参照するため、常に最新の状態を維持します。
    • ガイドはプラットフォーム(Slack/Teams)やエージェントフレームワークを選択させます。
    • ブラウザやコンピュータ操作ツールの設定がない場合でも、意図されたパスとしてサポートされます。
  • 重要: シークレットの入力とクリック操作をあなたが担当し、エージェントはそれらを自動化します。

代替案:CLI だけで Slack をセットアップする ホストされたガイドを使わずに既存のエージェントに直接設定を適用したい場合:

npx copilotkit@latest skills install --skill setup-slack-channel -y
  • -y
    フラグ:確認画面なしで即座にインストール。
  • 注意:これは Slack 専用です。Teams の場合はガイドを使用してください。

CLI コマンドによる管理:

  1. copilotkit channels add --adapter slack
    : チャネルの宣言とアダプター接続。
  2. copilotkit channels status
    : 構成、コード、サーバー状態の確認。

注意点: ブラウザではプロバイダーアプリ作成や API キー発行の手動操作が必要です。CLI は認証情報の受け渡しを行わないため、bot トークンなどは

.env
ファイルで管理してください。 トラブルシューティング: 未知のオプション
--skill
が表示される場合は、グローバルにインストールされている古い
copilotkit
の影響がある可能性があります。常に
@latest
を指定してください。


セットアップ:手動による構築手順

完全な制御下でのセットアップ手順です。

1. 接続を構成する

  • CopilotKit Intelligence でチャネルを作成し、Slack と接続します。
  • 取得した
    Channel Code
    Intelligence API キー
    を保管してください。
  • 環境要件: Node.js 22 以降、および長期的に動作する Node プロセスまたはコンテナが必要です。

2. SDK をインストールする

Channels と Runtime はテスト済みペアとして提供されています。両方のパッケージを同時にアップグレードしてください。

npm install @copilotkit/channels @copilotkit/runtime
npm install --save-dev tsx typescript @types/node
npm pkg set type=module

3. リスナーを作成する

channel.ts
など、エージェントとチャネルを定義します。例では組み込みエージェントを使用していますが、
makeAgent
を他の AG-UI 互換ファクトリに置換可能です。

channel.ts

import { createServer } from "node:http";
import { createChannel } from "@copilotkit/channels";
import {
  BuiltInAgent,
  CopilotKitIntelligence,
  CopilotRuntime,
} from "@copilotkit/runtime/v2";
import { createCopilotNodeListener } from "@copilotkit/runtime/v2/node";

// 環境変数の確認ヘルパー
function required(name: string): string {
  const value = process.env[name];
  if (!value) throw new Error(`Missing required environment variable: ${name}`);
  return value;
}

// エージェント作成関数
function makeAgent(threadId: string) {
  const agent = new BuiltInAgent({ model: "openai:gpt-5.4-mini" });
  agent.threadId = threadId;
  return agent;
}

// チャネルの定義
const channel = createChannel({
  name: required("CHANNEL_CODE"),
  identifyUser: "platform",
  agent: makeAgent,
});

// メッセージ受信時の処理
channel.onMessage(async ({ thread, message }) => {
  await thread.runAgent({
    prompt: message.contentParts?.length
      ? [
          ...(message.text
            ? [{ type: "text" as const, text: message.text }]
            : []),
          ...message.contentParts,
        ]
      : message.text,
    context: [{ description: "Originating platform", value: message.platform }],
  });
});

// Intelligence の初期化
const intelligence = new CopilotKitIntelligence({
  apiKey: required("INTELLIGENCE_API_KEY"),
});

// ランタイムの初期化
const runtime = new CopilotRuntime({
  agents: {},
  intelligence,
  identifyUser: () => ({
    id: "channels-runtime",
    name: "Channels Runtime",
  }),
  channels: [channel],
});

// Node リスナーの作成
const listener = createCopilotNodeListener({
  runtime,
  basePath: "/api/copilotkit",
});

const channels = listener.channels;
if (!channels) throw new Error("Channels control surface was not created.");

// サーバーとシャットダウン処理
const server = createServer(listener);
const shutdown = async () => {
  await channels.stop();
  if (server.listening) server.close();
};
process.once("SIGINT", shutdown);
process.once("SIGTERM", shutdown);

// チャネルの起動確認
await channels.ready({ timeoutMs: 30_000 });

const status = channels.status();
if (status.overall !== "online") {
  throw new Error(`Channel is not online: ${JSON.stringify(status)}`);
}

// サーバーを起動(ポートは .env で指定可)
const port = Number(process.env.PORT ?? 3000);
server.listen(port, () => {
  console.log(`Channel online; lifecycle server listening on :${port}`);
});

4. 実行を開始する

.env
ファイル設定:

OPENAI_API_KEY=<openai-api-key>
INTELLIGENCE_API_KEY=<project-api-key>
CHANNEL_CODE=<channel-code-from-intelligence>
PORT=3000

実行コマンド:

node --env-file=.env --import tsx channel.ts

Intelligence が Online と報告したら、アプリを Slack のチャンネルへ招待し、メッセージを送信してください。エージェントはスレッド内で即座に応答します。

必要か? 上記の手動手順や Microsoft Teams 対応、他フレームワーク連携が不要なら、最速のパス

npx copilotkit@latest channels setup
を実行してガイドに従ってください。


仕組みと責任の分担

各ターンは以下のパスをたどります:

  1. ユーザーが Slack または Teams にメッセージを送信。
  2. CopilotKit Intelligence がプラットフォームイベントを受け取り、Channels プロセスへ配信。
  3. Channels は AG-UI を通じてエージェントを実行し、ツールを起動して結果をレンダリング。
  4. Intelligence がネイティブ UI で返信を表示。

責任の分担表

カテゴリあなたが実行するCopilotKit Intelligence が管理する
コア機能エージェント、モデル認証情報、ツール、ビジネスロジックSlack および Teams のプラットフォーム認証情報
インフラ長期的に動作する Channels リスナー(サーバー等)プラットフォーム接続と認証付き配信
運用アプリケーションの状態、デプロイメント、ログランタイム登録、ヘルスチェック、再接続
  • SDK: オープンソース(MIT ライセンス)。
  • Intelligence: CopilotKit によってホストするか、エンタープライズ用にはセルフホスト可能です。

チャンネルアプリの完全版:OpenTag

OpenTag は Channels で構築された、オープンソースのセルフホスト型オンコールトリアドサスタです。研究用として以下の完全なアプリケーションを確認できます。

  • AG-UI 経由の Python LangGraph エージェント接続
  • ネイティブな Slack および Microsoft Teams 体験
  • ファイルに意識的なプロンプトと生成型 UI
  • Linear や Notion への書き込み前、人間の承認プロセス
  • プロダクション形状の Node ランタイムおよびエージェントサービス

[OpenTag ソースを探索する]


デベロッパーリソース

目的スタート地点
セットアップなしで体験する[Channels を試してみる]
コーディングエージェントで構築する
npx copilotkit@latest channels setup
最初の Channel を構築する[Channels ドキュメント]
SDK 実装を調べる[CopilotKit の Channels ソース]
パッケージをインストールする[@copilotkit/channels on npm]
完全なアプリケーションを研究する[OpenTag]
既存エージェントを接続する[AG-UI インテグレーション]
プロトコルを理解する[AG-UI]

ライセンス

MIT © CopilotKit

同じ日のほかのニュース

一覧に戻る →

2026/08/07 5:23

AMD が推論性能向上のためにモデルをシリコンに刻むことでタラアスを取得

## Japanese Translation: AMD がトロントに本社を置くスタートアップであるタラス(Taalas)を買収したことは、AI ハードウェアの景観において大きな転換点を意味し、従来の「メモリ内計算」アーキテクチャを通じて NVIDIA の支配的地位に挑戦することを目的としています。標準的な高帯域幅メモリとは異なり、タラスのチップはマスキング ROM ファブリックを使用して静的な重み値をシリコン上に直接刻み込み、動的な KV キャッシュのために SRAM 呼出ファブリックを使用するモデル専用集積回路(MSIC)として動作します。このアプローチにより、AMD は既存の Instinct GPU アーキテクチャ内で、GPU がプロンプト処理を担いながらタラスのチップがトークン生成を担当するという disaggregated な形でこれらの専門的なアクセラレーターを展開できます。初期のベンチマークでは、HC1 チップは Meta の Llama 3.1 を処理する速度において、現在の NVIDIA GPU よりも 48 倍、Cerebras のアクセラレーターよりも 8.5 倍高速であることが示されています。さらに、重み値をシリコン上に刻むことにより、この技術は従来の方法に比べてトレーニングコストを 100 分の 1 に削減すると推定されます。しかし、この効率性には代償があります:顧客はモデルロックインに直面しており、これらのチップを導入するには、大規模なモデル更新に対して単なる LoRA アダプターではなく、コストのかかる「再スピン」(金属層の変更)を必要とします。規制上の承認が必須であるにもかかわらず、本取引は第 4 四半期に完了する見込みであり、夏には 200 億パラメータ向けに設計された次世代 HC2 チップの登場へと道を開きます。OpenAI、Anthropic、Meta など主要な AI プレイヤーは既に Instinct の顧客であり、AMD はこれらの柔軟で高性能なソリューションを通じて業界のワークロードを再構築する位置づけにあります。

2026/08/06 0:33

NSFインウイェー太陽望遠鏡が隠された太陽過程の重大な発見をもたらす

## Japanese Translation: 2026 年 8 月 5 日、NSF NSO、NSF NCAR HAO、および MPS に所属する研究機関を含む国際チームは、「Nature」誌に重大なブレークスルーを掲載し、太陽表面におけるケルビン=ヘルムホルツ不安定性(KHI)の初の実験的確認を発表した。NSF デイヴィッド・K・イノーイ太陽望遠鏡—which はその 4 メートルの主鏡によって匹敵する解像力を提供した—を使用して観測者は、渦距離が 50–65 km の渦状の極細な旋回パターンを捉えた。このパターンは 416 nm の波長において、モルアイに見られるような構造を示していた。これらの観測は磁気要素の変形された境界線と縞構造を明らかにし、物理ベースのシミュレーション(MURaM コード)および解析理論と完全に一致した。この発見は、KHI が磁場線をねじり、プラズマの混合を駆動し効率的な拡散を行う自然なエンジンとして機能することを確認している。この機構は、太陽の 11 年周期の磁気サイクルの説明、ならびに磁気エネルギーがどのように蓄積し日食爆発を燃料とするかを詳述することで「コロナ加熱ミステリー」の解決に不可欠である。将来の自動解析ではエネルギー転送量および宇宙天気への影響を定量化し、地球基盤技術を混乱させる爆発的な太陽嵐に対する予測を大幅に向上させるだろう。 ## Text to translate: "On August 5, 2026, an international team including researchers from NSF NSO, NSF NCAR HAO, and MPS announced a major breakthrough in *Nature*: the first experimental confirmation of Kelvin-Helmholtz Instability (KHI) on the Sun's surface. Using the NSF Daniel K. Inouye Solar Telescope—which delivered unmatched resolving power via its four-meter mirror—observers captured ultra-fine swirling patterns resembling whirlpools with vortex distances of 50–65 km at a wavelength of 416 nm. These observations, which revealed deformed boundaries of magnetic elements and striped structures, matched perfectly with physics-based simulations (MURaM code) and analytical theory. The discovery confirms that KHI acts as a natural engine, twisting magnetic field lines to drive plasma mixing and efficient diffusion. This mechanism is vital for explaining the Sun's 11-year magnetic cycle and resolving the 'coronal heating mystery' by detailing how magnetic energy accumulates and fuels solar flares. Future automated analysis will quantify energy transfer and impacts on space weather, significantly improving predictions for explosive solar storms that disrupt Earth-based technology."

2026/08/07 6:49

Show HN: ポケットモンスターエメラルドをRaspberry Pi Pico 2 に移植しました

## Japanese Translation: 報告される最も大きな成果は、252 MHz で動作し、1 秒間に 60 フレームの画率を実現することで、Pokémon Emerald が WeAct Studio Core2350B マイクロコントローラー (RP2350B) にてネイティブに正常に動作することに成功した点である。本システムは、オンボードフラッシュストレージから直接フルゲームプレイ、電源サイクルを超えた持続的なセーブデータの保存、ハイクオリティな HD 対応 HDMI 出力を提供し、従来のエミュレーションオーバーヘッドを排除している。本プロジェクトでは、元のアーム v4T コードを現代的な Cortex-M33 コアに書き直し、コア 1 上でソフトウェア的にゲームボーイアドバンスのビデオハードウェアを実装し、コア 0 でゲームロジックを担当させることでこの成果を実現した。また、既存のオープンソースエコシステムを活用し、pokeemerald-wasm のハードウェア抽象化層と参照ラスタライザーを用いてバイト単位正確な PPU 検証を確保している。 しかし、ハードウェアおよび実装上の制約により、高度な機能は未完了の状態である。オンライン取引、対戦、ミステリーギフト、リンクケーブルサポート、RFU は利用できない。これは、Emerald が要求する特定の RTC ビットバンギング機能が不足している(カートリッジ GPIO の読み取り値がゼロ)ためである。音響システムは m4a エンジンを使って音楽を再生するが、DPCM および逆再生楽器については無音のスタブが含まれており、フレームレート連動型のミキシングにより 60 fps 未満でアンダーランが発生する可能性もある。さらに、シネマティックなイントロは最適化された高速パスの欠如によりメインループよりも若干遅く実行される。ビルドプロセスには、標準形式からアセットを生成し、ソースコードを単一のイメージにコンパイルして 16 MB の QSPI フラッシュから実行し、読み込み用の `.uf2` ファイルを作成することを含んでいる。このマイルストーンにより、複雑なゲームボーイアドバンスタイトルが極めて低コストのマイクロコントローラー上で効率的に実行できることが証明され、レトロゲーミング愛好家向けに新たな予算フレンドリーなプラットフォームを提供するとともに、コアとなる作業は MIT ライセンスの下で公開される(上流のアセットおよび ROM は除く)。

Show HN: チャンネルズ SDK をご紹介します。あらゆるエージェントを(Slack や Microsoft Teams など)あらゆるチャネルへ連携させることができます。 | そっか~ニュース