IT・技術研修ならCTC教育サービス

コース内容

コース概要

この2日コースでは、RAG（Retrieval-Augmented Generation）とMCP（Model Context Protocol）という二つの重要技術を通じて、小規模言語モデル（SLM：Small Language Model）の能力を大幅に拡張する方法を学びます。
RAGは外部知識ベースと連携してSLMの回答精度を向上させる技術であり、MCPはSLMが様々なツールやサービスと安全に連携するためのプロトコルです。これらの技術により、コンパクトなSLMでも最新情報へのアクセス、専門知識の活用、外部システムとの連携が可能になります。
本コースでは、基礎理論から実装方法、実際のユースケースまでを網羅し、ハンズオン演習を通じて実践的なスキルを身につけていただきます。SLMを活用したより高度なAIアプリケーションの構築を目指す方に最適なコースです。

RAGとMCPは、SLMの可能性を飛躍的に拡張する画期的な技術です。このコースで基礎から応用まで体系的に学び、実務でのAI活用を次のレベルへ引き上げましょう。皆さんが最先端のAI技術を実践で活かせるよう、しっかりサポートします！

学習目標

・RAGとMCPの基本概念と仕組みを理解し、説明できる
・RAGシステムの構築手順とSLMへの統合方法を理解する
・MCPを用いたSLMとツール連携の基本を理解する
・実際のビジネス課題に対してRAGとMCPの適用方法を検討できる
・SLMを基盤とした拡張システムを構築できる

対象者

・SLMを活用したアプリケーション開発に関心がある方
・RAGやMCPの技術を学びたいエンジニアや研究者
・AI技術を業務で活用したいプロジェクトマネージャーや企画担当者
・小規模な言語モデルをより効果的に活用したい方

前提知識

・プログラミングの基本知識（Python推奨）
・機械学習やSLM（小規模言語モデル）に関する基礎的な理解
・言語モデル構築の基礎コース受講を推奨（必須ではありません）
（AIや自然言語処理の基本概念があると理解が深まります）

スクール環境

【オンラインライブ開催】
　オンラインクラスにお申込みの方は、下記環境をご確認のうえ、お申込みをお願いいたします。
　お申込みいただいた時点で、環境確認がなされたものと判断させていただきます。

　●PCおよびインターネット環境はお客様にご用意いただきます。
　●ラボ環境はAWS（アマゾン・ウェブ・サービス）上に作成されています。
　　IEでは互換性の問題で不具合が起きる可能性がございますので、Google Chrome，Firefox，Edgeなどがインストールされている、あるいはインストール可能なPCをご用意ください。
　　AWSのリンク：https://aws.amazon.com
　●社内イントラネットからアクセスすると通信ポートの制限がかかる事象が発生していますので、ご注意ください。
　●本コースではPythonを使用した実習を行います。
　●開発環境（リモートVS Code、AWS Jupyter Notebook）は主催者が提供します。
　●実習に必要なAWSサービスへのアクセス権限を提供します。
　●ラップトップまたはデスクトップPCでWebブラウザからアクセス可能な環境が必要です。
　●安定したインターネット環境が必要です（開発環境へのアクセスのため）。
　●事前のPython環境構築やAWSアカウント準備は不要ですがVPNなどで制限がないようにしてください。
　●講師のスライドは下記で表示しますので、表示できることをご確認ください。
　　テスト用のスライド：https://slides.com/terumilaskowsky/pfj-test-page?token=vLoAWLwS
　●PCモニタもしくは２台目のPCやタブレット端末をご用意いただくことを推奨いたします。
　　これは、講師の画面を表示しながら、演習を行ったり、電子テキストを表示したりするためですが、1台でも差し支えございません。

　●ZoomによるWeb会議システムを使用いたします。
　　Zoomの導入は、お客様にて事前に済ませておいてください。
　　Zoomテストサイト：https://support.zoom.us/hc/ja/articles/115002262083/

　　※上記テストは、必ず、トレーニングを受講する当日に使用するPCおよびトレーニングを受講する場所（ネットワーク）で行ってください。

　●コースで使用するテキストは、PDF等の電子テキストを使用いたします。
　　PDF版の電子テキストを閲覧するには「Adobe Acrobat Reader X 以降のバージョン」が必要です。
　●電子テキストを印刷される場合は、お客様にてご負担ください。

内容

１日目
●コース導入（30分）
　　・RAGとMCPの概要と現代AI技術における重要性
　　・参加者の事前知識や期待の確認

●SLMの現状と課題（1時間）
　　・小規模言語モデルの能力と限界
　　・知識の時間的制約とハルシネーション問題
　　・外部情報アクセスの必要性

●RAG（Retrieval-Augmented Generation）の基礎（2時間）
　　・RAGとは何か？基本概念と仕組み
　　・従来の情報検索との違いと利点
　　・RAGのアーキテクチャとワークフロー
　　・ベクトル検索とエンベディングの基本

●RAGシステムの構成要素（1時間30分）
　　・知識ベースの構築と管理
　　・エンベディングモデルの選択と活用
　　・検索システムの実装方法
　　・プロンプトエンジニアリングとの連携

●ハンズオン：提供SLMへのRAG機能追加（2時間）
　　・基本的なSLMアーキテクチャの説明と提供済みSLMの確認
　　・文書の前処理とチャンク分割の実装
　　・エンベディング生成と類似度検索
　　・SLMへのコンテキスト注入機能の追加

２日目
●MCP（Model Context Protocol）の基礎（1時間30分）
　　・MCPとは何か？背景と目的
　　・従来のAPI連携との違いと利点
　　・MCPのアーキテクチャと標準仕様

●MCPによるツール連携（1時間30分）
　　・ツール呼び出しの仕組み
　　・セキュリティとアクセス制御
　　・エラーハンドリングとフォールバック

●ハンズオン：SLMへの基本ツール連携追加（2時間）
　　・シンプルなツール定義とスキーマ作成
　　・ツール検出ロジックの実装
　　・RAG拡張SLMへのツール機能統合
　　・基本的なツール（計算機、ファイル操作等）の動作確認

●RAGとMCPの組み合わせ活用（1時間）
　　・二つの技術の相乗効果
　　・統合アーキテクチャの設計
　　・実用的なユースケースの紹介

●応用ハンズオン：統合システムの構築（1時間30分）
　　・RAGとツール機能を統合したSLMの最終調整
　　・実際のユースケースを想定した動作テスト
　　・システムの評価と改善点の検討

●ケーススタディとディスカッション（30分）
　　・企業での導入事例と成功要因
　　・技術的課題と解決策の検討
　　・今後の発展と展望についてのディスカッション