プログラミングや3DCGで何か作りたいと思っているエンジニアがいます
MediaPipeで mp.solutions が無くなり、昔のコードが動かなくなった人向けのガイドです。0.10.21・0.10.31・0.10.35・1.0.0 の4バージョンを実際に入れて、いつ消えたのか、同梱モデルが22個から0個になったこと、face_landmarker.task や hand_landmarker.task をどこから入手してどう使い分けるのかを実測でまとめました。.taskファイルを自分で作る方法まで。
前回書いた「806MBの崖」は間違いでした。実物のQwen2.5をCore MLに変換したところ、943MBのモデルが演算の99.7%をANEで実行。原因を1つずつ切り分けると、正体は「約2GBのサイズの壁」と「特定の形だけ落ちる落とし穴」の2つでした。bisect_modelで分割すれば1.5B・3BもANEに載り、1.8倍速くなります。
以前『MCPとは』を概念だけ解説しました（p909）。今回はその実践編。自作のローカルAIエージェント（p935）をMCPクライアントにして、自作の最小MCPサーバと公式のfilesystemサーバを道具として繋ぎます。ローカルLLM（Ministral 3・完全オフライン）が自律的にMCPの道具を呼ぶまでを実装コードつきで。道具名の衝突を名前空間で解決するなど、実際にやって初めてわかったハマりどころも正直に書きました。WindowsでもMac共通コードで動作確認済み。
ブログ初期にPythonのMediaPipeで顔・手・姿勢を検出しUnityのアバターを動かしたシリーズ（p610〜p880）から約1年。MediaPipeは今どうなっているのかを調査。旧Solutions APIの終了と新Tasks APIへの移行、顔の52ブレンドシェイプ、OpenPose・MoveNet・YOLO-Pose等との比較、用途別の選び方、過去のUDP連携が今も通用するかまで整理します。
ネット接続なしで動く“オフラインのコーディング相棒”を、以前作ったローカルAIエージェント(p935)への機能追加として作りました。コード特化モデル Qwen2.5-Coder を積み、GUIから使うモデルを切り替え(汎用⇔コード特化)、コーディングモードでコード生成・修正・説明。CLIからも呼べて将来VS Codeからも叩ける薄い入口も用意。クラウドAIとの違い、そして『14BはVRAM12GBのGPUには重く、7Bが最適(実測22 tok/s)』というつまずき、Mac/Windows同一コードで動いた話まで、実際の画面つきで解説します。
以前作ったローカルAIエージェント（p935・Ministral 3 14B）に、音声認識Whisperと音声合成VOICEVOXを統合。声で「◯◯を検索して」と話すと、エージェントが道具を実行して結果を声で返します。全部Macローカル。GPU/CPUの役割分担、音声用の工夫、Windows(RTX3060)でのSmart App Control対策（faster-whisper）まで解説します。
マイクで話す→AIが答える→声で返す、を全部Macローカルで。音声認識Whisper・ローカルLLM（Ollama＋Qwen2.5）・音声合成VOICEVOXを1つのデスクトップアプリに統合しました。クラウドに送らないのでプライバシー安心・無料・オフラインOK。コード・モデル・設定値・つまずきまで再現できるよう解説します。
クラウド型AIエージェントの『有料・トークン消費が膨大』問題を、完全ローカルで解決できないか試作。Ministral 3 14B(Q4)をllama-cpp-pythonで動かし、Web検索・ファイル読み書き・PC操作（マウス/キーボード）・CLI/MCP・RAG記憶・画像理解を1つのデスクトップアプリに統合。緊急停止と重要操作の確認も実装。Mac(M4)で構築しWindows(RTX3060)でも検証。コード・設定値つきで解説します。
ネット接続なしで動くAIアプリをMacで自作。軽量LLM（Qwen2.5-3B・gguf）をllama-cpp-pythonでデスクトップアプリに直接組み込み、PySide6のGUIで文章生成・要約をオフライン実行。Apple SiliconのGPU(Metal)で約38トークン/秒。インストール・モデル・コード・設定値まで再現できるよう解説します。
OpenAI WhisperをMacのApple Silicon上で動かし、日本語音声を文字起こしするアプリを作りました。tiny/base/small/mediumの4モデルを実測比較。「AIが愛に誤変換される」など日本語特有のハマりポイントも紹介します。
Unity ML-Agentsを使って強化学習エージェントを育ててみました。環境構築のハマりポイント（Python 3.10.12固定・grpcio・protobuf競合）から、RollerBallシーンの作り方、PPO学習の実測ログまで一部始終を記録しています。
Blenderに組み込まれたPythonを使って、3Dモデルをコードで自動生成する方法を紹介します。ループで立方体をグリッド配置する基礎から、マテリアル設定・プロシージャルな塔の生成まで、実際に動かしながら解説します。
Pythonの画像処理ライブラリOpenCVを使って、グレースケール変換・エッジ検出・顔認識に挑戦！組み込みエンジニア目線で丁寧に解説します。
PythonのMediaPipeで顔・手・姿勢のランドマーク検出を試した記録です。現在のTasks APIの書き方を軸に、モデルファイル（.task）の渡し方、顔478点・手21点・姿勢33点の検出、表情の度合い52種類、Webカメラでの動かし方までをまとめ、削除された旧APIとの違いも対比しています。
Pythonの変数とデータ型、print関数とf文字列、条件分岐（match文を含む）、繰り返し、関数、クラスと継承までを1本にまとめました。インデントで書くブロック、リストと辞書とタプルの使い分け、selfの意味など、他の言語から来た人がつまずきやすい点も添えています。