# create virtual enviroment
venv_name=work_venv  # Pick a name for your environment
uv venv $venv_name --python 3.12  # This will create a folder named $venv_name in your working dir
source $venv_name/bin/activate

# refer to https://github.com/self-improving/shared-environment, install and setup
##2 Install PyTorch with CUDA support:
uv pip install torch==2.7.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

##3Clone the repository and install the package:
pip install -U pip setuptools wheel
git clone https://github.com/facebookresearch/sam3.git
cd sam3
pip install -e .

test envrioment

# refer to https://github.com/facebookresearch/sam3/blob/main/examples/sam3_image_predictor_example.ipynb
$ cat test.py
import os
import sys
import matplotlib.pyplot as plt
from PIL import Image

# Use GPU 1 by default (zero-based index). Override by setting CUDA_VISIBLE_DEVICES.
os.environ.setdefault("CUDA_VISIBLE_DEVICES", "1")

# Allow running against the local sam3 repo without installing the package.
REPO_ROOT = os.path.dirname(__file__)
SAM3_REPO = os.path.join(REPO_ROOT, "sam3")
sys.path.insert(0, SAM3_REPO)

import sam3
from sam3.model_builder import build_sam3_image_model
from sam3.model.sam3_image_processor import Sam3Processor
from sam3.visualization_utils import plot_results
# Load the model
sam3_root = os.path.join(os.path.dirname(sam3.__file__), "..")
bpe_path = os.path.join(sam3_root, "sam3", "assets", "bpe_simple_vocab_16e6.txt.gz")
model = build_sam3_image_model(bpe_path=bpe_path)
processor = Sam3Processor(model, confidence_threshold=0.5)

if len(sys.argv) < 2:
    raise SystemExit("Usage: python3 test.py /path/to/image")

image_path = sys.argv[1]
image = Image.open(image_path)
inference_state = processor.set_image(image)

processor.reset_all_prompts(inference_state)
inference_state = processor.set_text_prompt(state=inference_state, prompt="shoe")

img0 = Image.open(image_path)
plot_results(img0, inference_state)
output_path = os.path.join(os.path.dirname(__file__), "plot_results.png")
plt.savefig(output_path, bbox_inches="tight")
print(f"saved: {output_path}")

実行する

$ python3 test.py assets/images/test_image.jpg 
found 12 object(s)
saved: /home/inoue_reo/research/sam3/plot_results.png

出力結果を確認し、 https://github.com/facebookresearch/sam3/blob/main/examples/sam3_image_predictor_example.ipynb と同様の画像を得ることが出来た

参考

2026-01-11

ClickUpとRooCodeのMCP連携

AI ソフトウェア/アプリ

はじめに

ClickUpとRooCodeを連携する

問題、課題

MCP Client:RooCode
MCP Server:ClickUp

解決

以下を参考にMCP Server の設定を行う。

developer.clickup.com

MCPで連携を確認する前に認証を行う。一度、以下のコマンドで起動し、指定されたURL:http://127.0.0.1:30432/wait-for-auth にアクセスして認証を完了する。

$ npx -y mcp-remote https://mcp.clickup.com/mcp
...
[33615] Querying: http://127.0.0.1:30432/wait-for-auth
...

Roo CodeでMCPの設定を行う。

設定と認証後、MCPのCapability(Tools・Resources・Prompts)が認識されていることを確認する。

RooCodeのクライアントから呼び出せることを確認する。

参考

developer.clickup.com

2026-01-03

Rork, ExpoでAndroidアプリのバイブコーディング

モバイル

はじめに

Androidのアプリをバイブコーディングで作成する。

環境

Windows 11

問題、課題

Androidのアプリをバイブコーディングで作成する。

説明

Rorkについて

Rorkはクロスプラットフォームモバイルアプリ開発フレームワークです。JavaScriptを使用してAndroidアプリを開発することができる。

Expoと組み合わせて使用されることが多い。

expoについて

Expoはリアクトネイティブの開発プラットフォームで、AndroidやiOSでモバイルアプリを構築できる。

解決

Rorkでバイブコーディングする。

AndroidでExpoをインストール後、ExpoでQRコードを読み取り、アプリの挙動を確認する。

参考

rork.com

expo.dev

2025-11-26

Hydra ハンズオン

Python

はじめに

hydra.cc

Hydra（Facebook/Meta が開発した Python 用設定管理フレームワーク）をハンズオンしてみる。

環境

WSL2
Python 3.10.12

問題、課題

Hydraの感覚を掴む。

解決

1. Hydra のインストール

まずはインストールします。

$ pip install hydra-core

2. ファイル作成

$ mkdir hydra-min && cd hydra-min

config.yaml を作成する。

$ cat << 'EOF' > config.yaml
name: world
EOF

app.py を作成する。

$ cat << 'EOF' > app.py
import hydra
from omegaconf import DictConfig

@hydra.main(config_path=".", config_name="config", version_base=None)
def main(cfg: DictConfig):
    print(f"Hello, {cfg.name}!")

if __name__ == "__main__":
    main()
EOF

3. 実行する

#verify
$ python3 app.py
Hello, world!

$ python3 app.py name=Japan
Hello, Japan!

参考

hydra.cc

2025-11-21

RooCodeを用いたMCPサーバの動作確認

はじめに

RooCodeを用いたMCPサーバの動作確認

環境

Roo Code
python
uv

問題、課題

初めてなのでよくわからないのでメモする。

解決

uvを使って、仮装環境作成する。

# 仮装環境作成
uv venv
source .venv/bin/activate

# MCPサーバーのPython SDKをインストール
uv add "mcp[cli]"

MCPサーバは以下である。

/home/azureuser/mcp-server/hellomcp/main.py

from mcp.server.fastmcp import FastMCP


mcp = FastMCP("HelloMCP")


@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b


@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"


@mcp.prompt()
def translation_ja(txt: str) -> str:
    """Translating to Japanese"""
    return f"Please translate this sentence into Japanese:\n\n{txt}"

Roo Codeで使用する、mcp_settings.jsonの設定は以下である

{
  "mcpServers": {
    "HelloMCP": {
      "command": "/home/azureuser/mcp-server/hellomcp/.venv/bin/python",
      "args": [
        "/home/azureuser/mcp-server/hellomcp/main.py"
      ],
      "env": {},
      "alwaysAllow": [],
      "disabled": false
    }
  }
}

Roo CodeでMCPサーバの設定をする。以下の小節を参考に実施した。

qiita.com

RooCodeで試してみる。 resourceの入力例

greeting://Taro