ルーカス・ゲラッズが、オシロスコープとSPICEシミュレーターの統合のためのMCPサーバーをClaude Codeで実演します。

✍️ OpenClawRadar📅 公開日: April 18, 2026🔗 Source
ルーカス・ゲラッズが、オシロスコープとSPICEシミュレーターの統合のためのMCPサーバーをClaude Codeで実演します。
Ad

Lucas Geradsは、MCP(Model Context Protocol)サーバーを通じてClaude Codeとハードウェア開発ツールを統合するワークフローを開発しました。このセットアップは、Claude CodeをLeCroyオシロスコープとSPICEシミュレーターの両方に接続し、シミュレーションと物理ハードウェア検証の間のフィードバックループを構築します。

ワークフローとアプローチ

Geradsは、ハードウェア開発にClaude Codeを使用する実験を行い、最初は自然言語プロンプトで回路を記述しようと試みました。このアプローチは単純な回路では機能しましたが、複雑な設計では困難であることがわかりました。突破口は、Claude CodeにオシロスコープとSPICEシミュレーターへのアクセス権を与え、開発中に即座にフィードバックを得られるようにしたことでした。

具体的な実装詳細

このシステムには、主に3つのコンポーネントが含まれます:

  • lecroy-mcp:LeCroyオシロスコープ用のMCPサーバー
  • spicelib-mcp:spicelibをラップするMCPサーバー
  • rc-filter-demo-files:付属ビデオからのデモセットアップファイル
Ad

実践から得られた教訓

Geradsは、自身の経験から得たいくつかの具体的な実装ガイドラインを共有しています:

  • オシロスコープ統合:Claudeは物理的なセットアップを見ることができないため、何がどこに接続されているかを推測させないでください。Claudeが古い測定データを受け取らないようにしてください。生データをClaudeのコンテキストにダンプしないでください - ファイルに保存し、Claudeに間接的に操作させてください。
  • マイクロコントローラーワークフロー:Claudeにピン配置/ピンマップを明示的に与えてください。ビルド、フラッシュ、ピング、消去などの機能を公開するMakefileを準備し、Claudeがそれに依存するように促してください。Claudeはこれらのコマンドをその場で構築すべきではありません。

実証されたユースケース

このセットアップは、以下の点で価値があることが証明されています:

  • SPICE回路とモデルの検証
  • 組み込みプログラミングタスク
  • データ分析の自動化(特に、以前は面倒な手動プロセスであった時間軸正規化とデータ整列)

デモではアプローチを説明するために単純な回路とMCUを使用していますが、Geradsはこのワークフローがより複雑な回路や実際の組み込みプロジェクトにもうまく拡張できると指摘しています。

📖 Read the full source: HN AI Agents

Ad

👀 See Also

ACOシステム:GitHubのIssueからマージされたPRへのオープンソースマルチエージェントパイプライン
Tools

ACOシステム:GitHubのIssueからマージされたPRへのオープンソースマルチエージェントパイプライン

ACOシステムは、6つの専門AIエージェントを使用して、GitHub IssueからマージPRまでのソフトウェアパイプラインを自律的に実行するオープンソースのマルチエージェントフレームワークです。決定論的なアーキテクトゲートが幻覚をブロックします。

OpenClawRadar
CostClaw: OpenClawエージェント向け無料ローカルコスト追跡ダッシュボード
Tools

CostClaw: OpenClawエージェント向け無料ローカルコスト追跡ダッシュボード

CostClawは、OpenClawのネイティブフックを介してすべてのLLM呼び出しをキャプチャし、モデルの内訳、セッションごとのコスト、時間ごとの支出チャートを表示するダッシュボードを提供する無料のローカルプラグインです。開発者は、ハートビートエージェントが24時間365日、3分ごとにClaude Sonnetを実行し、月額60ドルのコストがかかっていたことを発見しました。Haikuに切り替えることで、請求額を約65%削減しました。

OpenClawRadar
Apple Neural EngineのリバースエンジニアリングによるMicroGPTモデルのトレーニング
Tools

Apple Neural EngineのリバースエンジニアリングによるMicroGPTモデルのトレーニング

開発者がAppleのNeural Engineの非公開APIをリバースエンジニアリングし、110MパラメータのMicroGPTモデルのトレーニングパイプラインを作成しました。M4 Macハードウェアで6.6 TFLOPs/wattの電力効率を達成しています。

OpenClawRadar
Paseo:Claude Code、Codex、Copilot、OpenCode、Piエージェント向けのオープンソースインターフェース
Tools

Paseo:Claude Code、Codex、Copilot、OpenCode、Piエージェント向けのオープンソースインターフェース

Paseoは、Claude Code、Codex、Copilot、OpenCode、Piエージェントを並行して実行できるセルフホスト型インターフェースです。音声操作、クロスデバイス対応、CLIを提供。テレメトリなし、強制ログイン不要。

OpenClawRadar