TL;DR
- はんなりプログラミングの会の勉強会でLT登壇しました
- Lemonade Server + Foundry Toolkitを使ったローカルLLMエージェント開発について紹介
- ノーコードに近いエージェント開発と、自動生成コードをベースにした拡張について解説
- 当日の資料を公開しています
- デモ動画も公開しています
Lemonade Server × Foundry Toolkit でローカルLLMエージェント＆アプリを “ほぼノーコード” で開発する
TL;DR
- Lemonade Server と Foundry Toolkit の組み合わせで、ローカルLLMを使ったエージェントを簡単に構築できる
- エージェント開発は Foundry Toolkit によりほぼノーコード
- エージェントのコードは自動生成されるので、そのままアプリに利用可能
- 実際にやったのは api_key を設定した程度
- アプリはコンソール → Streamlit UI と段階的に追加
- 軽いアプリなら GitHub Copilot でほぼコードを書かずに構築可能
- 動画2本を公開済み
- Lemonade ServerとFoundry Toolkitでノーコードでエージェント開発
https://www.youtube.com/watch?v=8sdMctisd4k - Lemonade ServerとFoundry Toolkitでアプリケーション開発
https://www.youtube.com/watch?v=TC7QkR7LLrc
- Lemonade ServerとFoundry Toolkitでノーコードでエージェント開発
はじめに
ローカルLLMを使ったアプリやエージェント開発は意外と面倒です（面倒でした）。
- モデルの起動
- API化
- エージェントロジック
- アプリへの組み込み
といった工程が必要だったためです。
しかし、
- Lemonade Server（ローカルLLMの実行基盤）
- Foundry Toolkit（エージェント開発）
を組み合わせることで、この流れがかなりシンプルになりました。
さらに、エージェントのコードが自動生成されるため、そのままアプリケーションに流用できます。
今回は、
ローカルLLMエージェントとアプリを簡単に作る
手順を紹介します。
続きを読むRyzen AI 搭載 PC で PyTorch を使うための環境構築（Part 7・急遽追加） – Ubuntu 26.04 on WSL2 で ROCm 7.2 系を導入する
― 最新の Ubuntu 26.04 (on WSL2) で ROCm を使う
TL;DR
- Ubuntu 26.04 LTS がリリースされ、WSL2 上でも利用できる
- WSL2 の Ubuntu 26.04 環境は
.wslを直接インストールする方法で構築可能 - Ubuntu 26.04 では
apt install rocmが使えるが、入るのは ROCm 6.4 系 - ROCm 7.2 系 を使いたいため、別ルートでの導入を検証
- 構築には時間がかかるが、ROCm 7.2 系の環境は作成可能
- WSL2 ではこれまで同様に Docker エンジンと librocdxg が重要
- PyTorch は AMD 公式手順ではなく、PyTorch 公式サイトの ROCm 用 pip コマンドを使用
「Ryzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 6)」では、Ubuntu 24.04 on WSL2 + ROCm 7.2 系 を前提に、ROCm・librocdxg・PyTorch を組み合わせた環境を整理しました。
その後 Ubuntu 26.04 LTS がリリースされ、WSL2 上でも問題なく利用できる 状況になりました。
一見すると「Part 6 の手順をそのまま Ubuntu 26.04 に置き換えればよさそう」に見えますが、実際には 環境構築の手順に違い があります。
本記事では、Part 6 の流れを踏まえつつ、
- Ubuntu 26.04 on WSL2 ならではの注意点
- apt install rocm では不十分な理由
- ROCm 7.2 系を使うための現実的な構成
を 急遽追加の Part 7 としてまとめます。
全体の構成、目次は こちらのページ にあります。続きを読む
Ubuntu 26.04 を WSL2 にインストールする方法と複数インスタンスを作成する方法
TL;DR
- Ubuntu 26.04 はすでにリリースされている
- ただし
wsl -l -oにはまだ表示されない - Ubuntu 公式サイトから
.wsl形式で直接ダウンロード・インストール可能 .wslは ダブルクリックまたはwsl --install --from-fileで簡単にインストールできる- 複数インスタンス化・バックアップ目的では
.tarではなく.vhdx形式でエクスポートするのが正解 wsl --export --format vhdとwsl --import --vhdで複数インスタンスを作成可能
はじめに
Ubuntu 26.04 がリリースされました。
WSL2 上で使いたいという方も多いと思います。
しかし、普段どおり
wsl -l -o
を実行しても Ubuntu 26.04 は一覧に出てきません。
実は私も最初は諦めてました。が、インストールできるんですね。不勉強でした。
本記事では、Ubuntu 26.04 を WSL2 にインストールする方法と、複数インスタンスを使うためにエクスポート・インポートする手順 を紹介します。
普通のインストールコマンドでインストールできるようになれば、不要になる記事です。続きを読む
ただし、今後も同じようなことがあった場合には役に立つかも、です。
Ryzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 6) – WSL2 で ROCm を使って PyTorch を実行する
― Ryzen AI / AMD GPU の最重要環境
TL;DR
- WSL2 ROCm は現在もっともバランスの取れた重要構成
- Linux 前提の PyTorch + AMD GPU を 公式サポートで利用可能
- DirectML より安定した演算互換性、Windows ROCm より速いサポートが期待できる
- Ryzen AI の APU も公式サポート対象
- ただし環境構築は若干面倒（一度作ってしまえば問題ない）
はじめに
前提条件: 本記事は、あらかじめ WSL2 がインストールされ、有効化されていること を前提としています。
WSL2 自体のインストール手順については本記事では扱いません。
- Windows / WSL2
- CPU / DirectML / ROCm
という軸で整理してきました。
本記事はその 最終回 として、WSL2 + ROCm による PyTorch 実行環境を解説します。
結論から言えば、この構成は 現在もっとも実用的で、かつ将来性のある「最重要構成」 です。
全体の構成、目次は こちらのページ にあります。続きを読む
ニュースレターを公開しました。Agent Framework, Foundry LocalのGAとFoundry Toolkitの情報です
ニュースレターの新しい記事公開のお知らせです。（※都合により・・・プライベートです、すみません）
Agent Framework v1.0 GA / Foundry Local GA / Foundry Toolkit
リンクを開くとサインインを求めるポップアップが表示されるかもしれません。LinkedInのアカウントを持っていない場合は右上の X ボタンで閉じてください。またはこの機会にアカウントを作成してもいいかもしれません。
Agent Framework, Faundry LocalがGA、AI Toolkit for Visual Studio CodeがFoundry Toolkit for Visual Studio Codeとしてリニューアルです。
AI開発祭りですね。
Agent FrameworkとAgent Serviceの役割、使い分けなども情報が出てきています。そのあたりも整理したいと思っています。ゆるゆるとお待ちください。
Ryzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 5) – WSL2 の CPU 版 PyTorch を使う
― 安定性・再現性を重視した Linux ベース構成
TL;DR
- WSL2 の CPU 版 PyTorch は 実務コードの基準環境として非常に有用
- GPU は使わないが、Linux 前提の開発・検証と高い再現性を得られる
- Windows / CPU / GPU ドライバーの差異から切り離して考えられる
- Qualcomm（Windows on Arm）環境でも扱いやすい
- 後続で WSL2 ROCm に自然に拡張できる
はじめに
前提条件: 本記事は、あらかじめ WSL2 がインストールされていて有効化されていること を前提としています。 WSL2 自体のインストール手順については本記事では扱いません。
前回の記事では、Windows ネイティブで AMD GPU を使う構成として Windows ROCm を解説しました。
本記事では少し視点を変えて、性能ではなく「実務の基準環境として重要な WSL2 の CPU 版 PyTorch について解説します。
GPU を使わない構成は一見すると控えめに見えるかもしれませんが、非常に重要な意味を持ちます。
全体の構成、目次は こちらのページ にあります。
WSL2 CPU 版 PyTorch の位置づけ
WSL2（Windows Subsystem for Linux）は、 Windows 上で Linux 環境をそのまま動かす仕組みです。
WSL2 上で CPU 版 PyTorch を使うことで、
- Linux 前提の Python / PyTorch 環境
- クラウド（Linux VM）と同じ前提条件
- GPU やドライバー差異からの切り離し
といったメリットが得られます。
本シリーズでは、この構成を 「実務コードの基準環境」 と位置づけています。
続きを読むRyzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 4) – Windows で ROCm を使って PyTorch を実行する
― AMD GPU を本格的に使うための Windows ネイティブ構成
TL;DR
- Windows 上で AMD GPU を本格的に使う公式ルートが Windows ROCm
- 最新世代の PyTorch（例：2.9.x 系）を GPU で利用可能
- 条件次第では DirectML より高速だが、常に最速とは限らない
- Python / ドライバー / GPU 対応表など 前提条件は厳密
- Windows で完結させたい開発者向けの構成
はじめに
前回の記事 では、DirectML を使った PyTorch について解説しました。
DirectML は、多くの場合 CPU 版より高速で、条件次第では ROCm よりも高速になるケースもあります。
本記事では、AMD が公式に提供する Windows ネイティブの GPU 実行環境である Windows ROCm について解説します。
全体の構成、目次は こちらのページ にあります。
Windows ROCm とは
ROCm（Radeon Open Compute）は、AMD が提供するGPU コンピューティング向けのソフトウェアスタックです。
2026年に入った頃から、AMD は Windows 向けにも ROCm ベースの PyTorch 実行環境を本格的に 公式に提供 するようになりました。
ようやく本気を出してくれたようです。
これにより、
- Windows をメイン環境として使いながら
- AMD GPU を使った PyTorch 学習・推論
が可能になります。
続きを読むRyzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 3) – DirectML で PyTorch を使う
― Windows / WSL2 共通の GPU 実行。多くの場合 CPU より速いが、制約を理解して選ぶ
TL;DR
- DirectML は 多くの場合 CPU 版より高速な処理が期待できる、実用的な GPU 実行方式
- Windows / WSL2 の両方で使えるが、本質的な制約は共通
- 今後はONNX + Windows MLに移行 (DirectMLは低レイヤーのスタックとして今後も継続予定)
- PyTorch 2.3.1 までという明確なバージョン上限がある
- モデルや演算によっては CPU フォールバックが発生し、性能が安定しないことがある
- 条件が合えば ROCm より短い時間になるケースもある（本記事の簡易測定例）
はじめに
前回の記事では、Windows CPU 版 PyTorch を最短で動かすための基準点として整理しました。
本記事では、GPU を使って PyTorch を実行する選択肢の一つであるDirectML について解説します。
DirectML は、条件が合えば CPU よりも高速に学習を進められる――というより、多くのケースで CPU 版より高速が期待できるのが実感に近いと思います。
一方で、実務で使うには 明確な制約 も存在します。
本記事では Windows / WSL2 をまとめて扱いながら、「速い理由」と「割り切りポイント」 を中心に整理します。
全体の構成、目次は こちらのページ にあります。
DirectML とは
DirectML は、Microsoft が提供する DirectX 12 ベースの機械学習アクセラレーション API です。
PyTorch では、torch-directml パッケージを使うことで、CUDA や ROCm を使わずに GPU を利用できます。
この仕組みにより、
- AMD / Intel / NVIDIA の GPU
- Windows / WSL2
といった環境で 共通の導線 が提供されています。
Windows 上でデバイスドライバーのインストールなどの手順は必要ですが、一度 DirectML が使える環境になれば、Windows ネイティブ、WSL2 のどちらでも tourch-directml をインストールするだけです。続きを読む
- Windows で DirectML を使った PyTorch を有効にする
- WSL 2 で DirectML を使った PyTorch を有効にする
Ryzen AI 搭載 PC で PyTorch を使うための環境構築 (Part 2) – Windows CPU 版 PyTorch でまず確実に動かす
― Ryzen AI 搭載 PC における PyTorch 利用の基準点
TL;DR
- GPU を使わず、最短・最小構成で PyTorch を動かす方法を整理
- トラブル切り分けの 基準点 として最も重要な構成
- AMD / Intel / Qualcomm で考え方はほぼ共通
- 「まず動くか」を確認したい人向け
- 学習を速くしたくなったら、次は DirectML（多くの場合 CPU より高速） や ROCm を検討する
はじめに
前回の記事では、Ryzen AI 搭載 PC で PyTorch を使う際の全体像と判断軸を整理しました。
本記事では、その中でも 最初に試すべき構成である
Windows CPU 版 PyTorch について解説します。
GPU を使わない構成は一見地味ですが、実務的には非常に重要です。
なぜなら、この構成は 「PyTorch が正しく動いているかどうか」を判断する基準点 になるからです。
全体の構成、目次は こちらのページ にあります。
この構成が向いている人
- まず PyTorch が自分の PC で動くか確認したい
- GPU の話に入る前に、環境構築をシンプルに済ませたい
- トラブルが起きたときの切り分け用の環境を作りたい
- Ryzen AI / Intel / Qualcomm いずれの PC でも共通の話を知りたい