論文の概要: Tokalator: A Context Engineering Toolkit for Artificial Intelligence Coding Assistants
- arxiv url: http://arxiv.org/abs/2604.08290v1
- Date: Thu, 09 Apr 2026 14:27:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.957904
- Title: Tokalator: A Context Engineering Toolkit for Artificial Intelligence Coding Assistants
- Title（参考訳）: Tokalator: 人工知能符号化アシスタントのためのコンテキストエンジニアリングツールキット
- Abstract要約: Tokalatorは、リアルタイム予算監視を備えたVS Code拡張を含むオープンソースのコンテキストエンジニアリングツールキットである。
このシステムは、3つのプロバイダ(Anthropic、OpenAI、Google)にわたる17のLarge Language Model(LLM)をサポートし、124のユニットテストによって検証されている。
- 参考スコア（独自算出の注目度）: 0.6120286175200792
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial Intelligence (AI)-assisted coding environments operate within finite context windows of 128,000-1,000,000 tokens (as of early 2026), yet existing tools offer limited support for monitoring and optimizing token consumption. As developers open multiple files, model attention becomes diluted and Application Programming Interface (API) costs increase in proportion to input and output as conversation length grows. Tokalator is an open-source context-engineering toolkit that includes a VS Code extension with real-time budget monitoring and 11 slash commands; nine web-based calculators for Cobb-Douglas quality modeling, caching break-even analysis, and $O(T^2)$ conversation cost proofs; a community catalog of agents, prompts, and instruction files; an MCP server and Command Line Interface (CLI); a Python econometrics API; and a PostgreSQL-backed usage tracker. The system supports 17 Large Language Models (LLMs) across three providers (Anthropic, OpenAI, Google) and is validated by 124 unit tests. An initial deployment on the Visual Studio Marketplace recorded 313 acquisitions with a 206.02\% conversion rate as of v3.1.3. A structured survey of 50 developers across three community sessions indicated that instruction-file injection and low-relevance open tabs are among the primary invisible budget consumers in typical AI-assisted development sessions.
- Abstract（参考訳）: 人工知能(AI)によるコーディング環境は、128,000-1000,000トークン(2026年初期)の有限コンテキストウィンドウ内で動作するが、既存のツールは、トークン使用の監視と最適化を限定的にサポートする。
開発者が複数のファイルを開くと、モデルの注意が薄れ、会話の長さが大きくなるにつれて、アプリケーションプログラミングインタフェース(API)のコストは入力と出力に比例して増加する。
Tokalatorはオープンソースのコンテキストエンジニアリングツールキットで、VS Codeエクステンションにリアルタイムの予算監視と11のスラッシュコマンド、Cobb-Douglasの品質モデリング、キャッシュのブレークフェア分析、$O(T^2)の会話コスト証明のための9つのWebベースの電卓、エージェント、プロンプト、命令ファイルのコミュニティカタログ、MSPサーバとコマンドラインインターフェース(CLI)、PythonのエコメトリクスAPI、PostgreSQLベースの利用トラッカが含まれている。
このシステムは、3つのプロバイダ(Anthropic、OpenAI、Google)にわたる17のLarge Language Model(LLM)をサポートし、124のユニットテストによって検証されている。
Visual Studio Marketplaceへの初期展開は、v3.1.3の206.02\%変換率で313の買収を記録した。
3つのコミュニティセッションにわたる50人の開発者を対象とした構造化調査では、典型的なAI支援開発セッションにおいて、インストラクションファイル注入と低レベルのオープンタブが、目に見えない主要な予算コンシューマであることが示された。
関連論文リスト
- Qwen-CUA: Native Computer Use for (almost) Everything [104.78368489343713]
本稿では,Qwen-CUAについて紹介する。
DOMツリー、アクセシビリティメタデータ、タスク固有のAPIなしで、スクリーンショットのみを観察し、キーボードやマウスのイベントを通じて動作します。
足場は最大20個のアクティブなスクリーンショットを保持し、最近の証拠を保持するために固定サイズのブロックで古い視覚履歴を折り畳む。
論文 参考訳（メタデータ） (2026-08-03T15:04:20Z) - Building a Process-Modeling Tool using Agentic AI: An Experience Report on PM4Py-UCM [1.3660182208844809]
本稿では,イベントログからユースケースマップ(UCM)モデルをマイニングするオープンソースツールPM4Py-UCMの構築について報告する。
我々は18件のエージェントセッション(374件のヒューマンターンと10,328件のツールアクション65時間)、151件のコミット、20件のリリース、そして108件から691件のテスト機能からなるテストスイートを特徴付ける。
バージョン0.7.4まで、修正は2.3:1よりも数が多い。
論文 参考訳（メタデータ） (2026-07-30T20:27:32Z) - Empirical Study on the Characteristics and Evolution of AI-usage in GitHub Repositories: Evidence from Code Comments [7.213400161126317]
私たちは、AIの使用と関連するコードブロックを明示的に参照する、35,361のGitHubコードコメントを分析します。
最初に500のユニークなコメントとコードブロックをオープンにし、AI支援開発活動の分類を導き出しました。
次に、2つのLCMベースの分類器と、Dawid-Skene予測最大化による集約予測を用いて、全データセットに注釈を付ける。
論文 参考訳（メタデータ） (2026-06-05T02:37:44Z) - RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions [21.75814643077238]
ReCAP(Replay and Examine Captured AI Programming)は、開発者がワークフローを中断することなく、AIチャットセッションとVS Code内のきめ細かいコード編集を受動的に記録する、オープンソースのプラットフォームです。
我々は、このプラットフォームのリンクデータとリプレイ機能が、単一のデータソースがサポートできない開発者とAIのインタラクションパターンの分析を可能にする方法を実証する。
論文 参考訳（メタデータ） (2026-05-01T21:20:38Z) - Workstream: A Local-First Developer Command Center for the AI-Augmented Engineering Workflow [0.0]
プルリクエスト、タスク管理、カレンダ、AIによるコードレビュー、履歴レビューインテリジェンス、レポジトリAI対応スコアリング、エージェントオブザーバビリティを単一のインターフェースに集約する、オープンソースのローカルファーストの開発者コマンドセンタであるWorkstreamを紹介します。
システムアーキテクチャ、新しい5カテゴリAI準備度スコアリングアルゴリズム、チーム固有のパターンの歴史的PRレビューをマイニングするレビューインテリジェンスパイプライン、モデルコンテキストプロトコル(MCP)、エージェント・ツー・エージェント(A2A)、エージェント・オブザーバビリティ・プロトコル(AOP)を実装するエージェント・オブザーバビリティ・レイヤについて説明する。
論文 参考訳（メタデータ） (2026-04-18T16:24:29Z) - Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring [2.4112990554464235]
textbfDeep Researcher Agentは,大規模言語モデル(LLM)エージェントが時計周辺で自律的にディープラーニング実験を行うことを可能にする,オープンソースのフレームワークである。
論文作成やコード生成に重点を置く既存のAI研究アシスタントとは異なり、私たちのシステムは仮説形成、コード実装、トレーニング実行、結果分析、反復的洗練という、完全な実験ライフサイクルに対処しています。
論文 参考訳（メタデータ） (2026-04-07T13:16:31Z) - How are AI agents used? Evidence from 177,000 MCP tools [0.0]
公開モデルコンテキストプロトコル(MCP)サーバレポジトリを監視することにより,11/2024から02/2026までの177,436のAIエージェントツールを評価した。
ソフトウェア開発はすべてのエージェントツールの67%、MSPサーバの90%を占める。
ほとんどのアクションツールはファイルの編集のような中途半端なタスクをサポートするが、財務取引のような高額なタスクのためのアクションツールもある。
論文 参考訳（メタデータ） (2026-03-25T00:25:49Z) - ContextCov: Deriving and Enforcing Executable Constraints from Agent Instruction Files [1.3295383263113112]
我々は、受動的エージェント命令をアクティブで実行可能なガードレールに変換するフレームワークであるContextCovを紹介する。
ContextCovは自然言語の制約を抽出し、3つのドメインにわたる強制チェックを合成する。
ContextCovが99.997%の妥当性を持つ46,000以上の実行可能なチェックを抽出した723のオープンソースリポジトリの評価。
論文 参考訳（メタデータ） (2026-02-28T21:56:47Z) - MindWatcher: Toward Smarter Multimodal Tool-Integrated Reasoning [55.221850286246]
我々は、インターリーブド思考とマルチモーダル・チェーン・オブ・シークレット(CoT)推論を備えたツール統合推論エージェントであるMindWatcherを紹介する。
MindWatcherは、さまざまなツールの呼び出しと使用の調整を自律的に行うことができる。
車、動物、植物を含む8つのカテゴリをカバーする、大規模で高品質な局所画像検索データベースは、堅牢な物体認識モデルを提供する。
論文 参考訳（メタデータ） (2025-12-29T12:16:12Z) - GUI-360$^\circ$: A Comprehensive Dataset and Benchmark for Computer-Using Agents [59.107657859025586]
GUI-360$circ$は、コンピュータ利用エージェント(CUA)を進化させるために設計された大規模で包括的なデータセットとベンチマークスイートである。
リリースされたコーパスには、人気のあるWindowsオフィスアプリケーションにおける数千のトラジェクトリにわたる1.2万以上の実行されたアクションステップが含まれている。
このデータセットは、3つの標準タスク、GUIグラウンド、スクリーン解析、アクション予測、ハイブリッドGUI+APIアクションスペースをサポートする。
論文 参考訳（メタデータ） (2025-11-06T12:19:02Z) - OSWorld-MCP: Benchmarking MCP Tool Invocation In Computer-Use Agents [49.34040731113563]
我々は,コンピュータ利用エージェントのツール実行,GUI操作,意思決定能力を評価するための,最初の総合的かつ公正なベンチマークであるOSWorld-MCPを提案する。
厳密な手作業による検証は158の高品質なツールをもたらし、それぞれが正しい機能、実用性、汎用性を検証します。
OSWorld-MCPはマルチモーダルエージェントの理解を深め、複雑なツール支援環境でのパフォーマンスを評価するための新しい標準を設定している。
論文 参考訳（メタデータ） (2025-10-28T15:56:36Z) - Rapid Development of Omics Data Analysis Applications through Vibe Coding [0.0]
私は、現代の大規模言語モデル(LLM)と自律型コーディングエージェントがこの障壁を劇的に減らすことを実証します。
Vibeのコーディングを使って、標準的なタスクを実行できる完全に機能するデータ分析Webサイトを作りました。
ユーザインターフェース、バックエンドロジック、データアップロードパイプラインを含むアプリケーション全体は、4つの自然言語プロンプトを使用して10分以内で開発されました。
論文 参考訳（メタデータ） (2025-10-10T19:06:27Z) - AlphaApollo: Orchestrating Foundation Models and Professional Tools into a Self-Evolving System for Deep Agentic Reasoning [110.57865233597762]
自己進化型エージェント推論システムであるAlphaApolloについて述べる。
基礎モデル(FM)における2つのボトルネックに対処することを目的としている。
AlphaApolloは、意図的に検証可能な推論を可能にするために、複数のモデルをプロのツールで編成する。
論文 参考訳（メタデータ） (2025-10-05T15:42:24Z) - Programming with Pixels: Can Computer-Use Agents do Software Engineering? [24.011063667060792]
$textttProgramming with Pixels$ (PwP)は、ソフトウェアエンジニアリングのための初めての総合的なコンピュータ利用環境である。
PwPは、一般のコンピュータ利用エージェントがスペシャリストレベルのパフォーマンスに達するかどうかをベンチマークするための自然なドメインとしてソフトウェア工学を確立している。
論文 参考訳（メタデータ） (2025-02-24T18:41:33Z) - Agents: An Open-source Framework for Autonomous Language Agents [98.91085725608917]
我々は、言語エージェントを人工知能への有望な方向と見なしている。
Agentsはオープンソースライブラリで、これらの進歩を広く非専門的な聴衆に開放することを目的としています。
論文 参考訳（メタデータ） (2023-09-14T17:18:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。