# 2026.9.29.最近見たものピックアップ

[Introducing cf: the agentic CLI for the entire Cloudflare API](https://blog.cloudflare.com/cloudflare-cf-cli-launch/)

Cloudflareは、API全体をミラーリングしTypeScriptによるプログラム可能な設定をサポートする、エージェント向けの新しいCLIツール「cf」をリリースした。あわせて、内部で使用していたSDKジェネレーターであるForgeもオープンソースとして公開している。

[Introducing Forge: the open source pipeline for generating SDKs, CLIs, docs, and more](https://blog.cloudflare.com/forge-open-source-generation-pipeline/)

Forgeは、API定義からSDK、CLI、ドキュメントなどを直接生成する、オープンソースでプラグ可能なCI実行型パイプラインである。

[EmDash 1.0: the stable CMS with a secure plugin registry](https://blog.cloudflare.com/emdash-cms-plugin-registry/)

Cloudflareが開発したEmDash 1.0は、Astro上に構築された安定した無料のオープンソースCMSで、プロダクションレベルの編集、メディア、ローカリゼーション、移行、デプロイメントワークフローを備えている。EmDashは、サイト所有者がプラグインを直接インストールできる分散型プラグイン登録も提供する。

[開発者とSREが同じ仕組みを使う、ローカルに閉じない自律AIエージェントのつくり方 | ドクセル](https://www.docswell.com/s/WN_Tech-PR/ZY8QXP-2026-09-07-111839#p14)

ウェルスナビ株式会社が、開発者とSREがSlack上で共有して利用できる自律型AIエージェントの構築手法について解説している。このエージェントは調査からPull Requestの作成までを自律的に行い、開発者プラットフォームの構成要素として機能する。

[jev-lint: コード中の命名やコメントが嘘になってないかを高速に確認](https://zenn.dev/mizchi/articles/jev-lint-intro)

jev-lintは、ast-grepで抽出したコードに対し、jevを用いて命名やコメントが実装内容と乖離していないかを高速に評価するツールである。

[どのAIを使うかをJevで自動選択する「Jev Router」が登場、タスク難易度から適切なAIモデルを瞬時に判断可能でOpenRouterの既存ルーターより高精度](https://gigazine.net/news/20260928-openrouter-jev-router/)

OpenRouter上で、タスクの難易度から最適なAIモデルを瞬時に判断して割り当てる「Jev Router」が利用可能となった。Jevを用いることで、従来のルーターよりも高精度かつ高速なルーティングを実現している。

[GitHub - awslabs/aws-service-eol-data: Machine-readable JSON dataset of AWS service version end-of-support and extended-support dates across EKS, RDS, Aurora, Lambda, ElastiCache, OpenSearch, MSK, Amazon MQ, and DocumentDB. Each entry includes lifecycle status, dates, post-support behavior, a confidence level, and a source URL. Sourced from official AWS documentation.](https://github.com/awslabs/aws-service-eol-data)

EKS、RDS、LambdaなどのAWSサービスにおける、標準サポート終了日や延長サポート期間などのライフサイクル情報を、機械判読可能なJSON形式で提供するデータセットである。

[AI駆動開発でE2Eテストが重要な理由｜品質とスピードを両取りする唯一のテスト](https://gibberishlab.com/ja/blog/why-e2e-testing-matters-ai-era)

AI駆動開発における速さと品質のトレードオフを解消するには、人間がレビュー可能な粒度で記述できるE2Eテストが重要である。AIの活用によりメンテナンスコストも低下しており、E2Eテストと単体テストの役割を分担することで品質とスピードの両立が可能となる。

[microCMS の QA チーム設立と振り返り](https://zenn.dev/microcms/articles/68f6a2386cbcc5)

microCMSは、AI時代の開発速度に対応し品質向上を専任で行うQAチームを2026年1月に設立した。QAレビューの導入やChecklyによる監視、Change Failure Rateの計測などを通じて、品質向上を仕組み化し継続的な改善を目指している。

[自分が大切にしている Working Out Loud という考え方 - freee Developers Hub](https://developers.freee.co.jp/entry/working-out-loud)

Working Out Loudは、作業の可視化と共有を通じて思考の整理や予期せぬコラボレーションを促す思考様式である。思考過程を他人が見える場所にさらけ出すことで、アウトプットのハードルを下げるなどの効果が得られる。

[Xの投稿](https://x.com/claudeai/status/2104633115620823187)