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

JetBrains、AIエージェントJunieとClaude Codeを搭載したモダンGoコード用プラグインを発表
Tools

JetBrains、AIエージェントJunieとClaude Codeを搭載したモダンGoコード用プラグインを発表

JetBrainsは、AIエージェントJunieとClaude Codeのプラグインをリリースし、最新のGo機能とベストプラクティスに準拠することで、モダンなGoコード生成能力を強化しました。

OpenClawRadar
7つのスラッシュコマンド、0.45ドル/記事:このClaude CodeパイプラインがSEOコンテンツ運用全体を実行
Tools

7つのスラッシュコマンド、0.45ドル/記事:このClaude CodeパイプラインがSEOコンテンツ運用全体を実行

ある開発者が、SEO調査、ライティング、最適化、公開を処理する7コマンドのClaude Codeパイプラインをオープンソース化しました。コストは1投稿あたり0.45ドル(Perplexity API)、1日15分で実行可能。結果:12ヵ月で月間インプレッション数が18倍に。

OpenClawRadar
オープンソースフレームワークによる永続的AIエージェントメモリ、ローカルストレージとグラフベース検索機能を備えたもの
Tools

オープンソースフレームワークによる永続的AIエージェントメモリ、ローカルストレージとグラフベース検索機能を備えたもの

開発者は、データをローカルにMarkdownファイルとして保存し、ウィキリンクをグラフのエッジとして使用し、バージョン管理にGitを実装する永続的なAIエージェントメモリのオープンソースフレームワークを構築しています。このシステムは、ACT-R認知科学に基づいた4つのシグナルによる検索とグラフを考慮した忘却機能を備えています。

OpenClawRadar
agentcache: マルチエージェントLLMプレフィックスキャッシュのためのPythonライブラリ
Tools

agentcache: マルチエージェントLLMプレフィックスキャッシュのためのPythonライブラリ

agentcacheは、マルチエージェントLLMフレームワークがキャッシュされたプロンプトの接頭辞を共有できるようにするPythonライブラリで、GPT-4o-miniでのテストでは最大76%のキャッシュヒット率を達成し、推論時間を半分以上短縮しました。

OpenClawRadar