LLMは、考える頭脳
文章を理解し、判断を組み立てる中心です。ただし、頭脳だけでは業務画面を開いたり、社内MCPに接続したり、承認待ちをしたりできません。
AI Harness / FDE Studio
AIを、既存業務システムへ接続する。
Brain Fiber は、LLMの周りにMCP、ブラウザ操作、Gateway、ローカルagent実行、 人の承認、利用量計測を組み合わせたハーネスを実装します。モデル単体では届かない 現場の画面、データ、承認フロー、開発環境へ、AIが安全に触れる接続線を作ります。
Future thesis
AIは、全員に配る道具ではなく、高価な実行資源になる。
高性能AIは、国家、企業、社内の間に新しい格差を作ります。 重要なのは「社員にAIを配ること」ではありません。 どの業務にAI予算を投入し、どの業務をAIに渡し、止まったときにどう切り替えるかです。
国家単位のAI格差全社AXのコスト爆発Tokenで測る開発
未来像を読む
What we build
チャットUIではなく、AIが仕事へ触れる面を作る。
企業のAI導入では、モデルに質問できるだけでは足りません。ログイン済みの画面を読む、 社内ツールをMCP化する、公開せずにAIへつなぐ、人の承認で止める、 ローカルのcoding agentを実行する、利用量を説明できる形で残す。 こうした周辺機能が必要になります。
Brain Fiber は、顧客ごとのFDE的な実装と、再利用できるVIYV product suiteの 両方でこの接続面を作ります。
Harness architecture
頭脳の周りに、実行・確認・計測の接続線を置きます。
ハーネスは、AIの判断を業務システムへ伝えるための周辺機能です。 Brain Fiberでは、この接続線を案件ごとの一回限りで終わらせず、 製品として再利用できる形へ育てています。
ハーネスは、力を伝える接続線
AIの判断をブラウザ、MCP、CLI、通知、監査、計測へ安全につなぐ仕組みです。Brain Fiberはこの周辺機能を実装します。
業務システムが、実際に動く場所
SaaS、社内ポータル、DB、PDF、ローカル開発環境、承認フロー、ログが仕事の現場です。ハーネスがあることで、AIはこれらを扱えるようになります。
VIYV product suite
Brain Fiberが育てている、AI接続の製品群。
VIYV（バイブ）は、現場で繰り返し必要になる接続を製品化するためのsuiteです。 MCPを作る、公開する、ブラウザを操作する、agentを実行する、人に確認する、 利用量を測る。それぞれを独立した面として育てています。
viyv.io を見るBuild MCP
viyv_mcp
Pythonの業務ロジックを、少ない実装でMCP tool / resource / promptとして公開します。
Publish MCP
viyv_mcp_gateway
社内MCPをoutbound接続だけで公開面へ出し、認証、認可、監査、ルーティングを担います。
Operate browser
viyv-browser
本人のログイン済みブラウザを使い、既存Web画面やSaaSをAIが安全に操作します。
Run agents
viyv-agent-runner
開発者のMac上でClaude Code / Codexのようなcoding agent CLIをrunとして起動・管理します。
Human in the loop
viyv-signal
承認、通知、選択をSignalとして集約し、人間の応答をAIの実行線へ戻します。
Measure usage
viyv-watt
coding agent CLIのtoken利用量をproject単位で測り、本人所有のmeterとして扱います。
Productized harnesses
現場で使える形まで作り、ニーズに合わせて育てていく。
現場の業務、画面、権限、承認、例外処理に合わせて、AIが実際に動ける接続面を作ります。 その中で繰り返し必要になる機能をVIYVとして磨き込み、 次の現場でも業務に合わせて使える製品へ育てています。
viyv_mcp + viyv_mcp_gateway
MCPを作り、社内から安全に公開する。
業務ロジックをMCPサーバとして定義し、GatewayでClaude / GPT / Cursorなど複数のAIクライアントから使える公開面へ変換します。社内側は公開portを持たず、relay key、public token、OAuth、監査ログをGateway側で集約します。
viyv-browser + viyv-agent-runner
既存Web画面とローカルagentを、実行可能な仕事にする。
APIがないSaaSや社内ポータルはviyv-browserで操作し、開発者の実マシン上で動くcoding agentはviyv-agent-runnerでrunとして管理します。既存環境を前提に、AIが実際の業務面へ触れるための実行基盤を作ります。
viyv-signal + viyv-watt
人間の確認と利用量を、運用の中に残す。
AIの送信、承認、選択はviyv-signalへ集約し、Claude Code / Codexの利用量はviyv-wattでprojectに帰属させます。任せる範囲を広げても、人が止める場所と利用量の説明責任を残します。
Where it works
守秘性の高い業務領域で、既存システム前提に実装します。
証券領域および大手印刷領域で、LLMと既存システムを接続する実装を支援しています。 業務データ、画面操作、帳票、外部情報、承認フローが混在する現場で、 AIが使える接続線を一つずつ増やしていきます。
How we build
FDE的に現場へ入り、使われる単位で作る。
業務を観察する
担当者の画面、データ、判断、例外処理、人の確認点を洗い出します。
接続面を選ぶ
MCP、Gateway、ブラウザ、ローカルagent、Signal、meterのどれが必要かを決めます。
小さく実装する
実データと実画面に触れる最小構成を作り、AIがどこまで任せられるかを確認します。
運用の境界を入れる
権限、ログ、人の承認、停止条件、失敗時の戻し方を入れて本番に近づけます。
製品へ戻す
案件で繰り返し使える接続をVIYV product suiteへ抽象化し、次の現場でも使える形にします。
Themes
相談されることが多いテーマ
- 証券会社の調査、照合、レポート作成
- 帳票・制作データの処理と運用
- 社内SaaSを横断する検索、転記、更新
- 社内MCPとAIクライアントの安全な接続
- 人の承認を含むAIワークフロー
- coding agent利用量の可視化とproject帰属
Start from one workflow
まずは、AIをどこにつなぐべきかを整理します。
既存の業務、使っている画面、社内MCP、接続したいDB、収集したい情報、 人が確認すべき点をもとに、最初に作るハーネスを定義します。
メールで相談する