---
title: "MEKIKIとは｜NTTデータ社員有志のAI技術リサーチと公開記事16本の読み方"
url: "https://www.issoh.co.jp/tech/details/9889/"
published: 2025-11-19
updated: 2026-11-09
categories: ["AIエージェント・MCP"]
publisher: "株式会社一創"
---

# MEKIKIとは｜NTTデータ社員有志のAI技術リサーチと公開記事16本の読み方

MEKIKI（めきき）は、NTTデータおよびNTTデータグループの社員有志が運営する社内横断プロジェクトです。AIエージェントを中心に、技術・製品・ニュースを「発見」「分析」「共有」し、その成果をZennなどで公開しています。同じ名前の企業やサービスが複数あるため、この記事では対象を切り分けたうえで、プロジェクト自身の公開資料を根拠に、活動テーマ、公開記事16本の内訳、記事の追い方を整理します。情報は2026年11月9日時点です。

## まとめ：MEKIKIの位置づけと公開記事を追うときの要点

- MEKIKIはNTTデータの製品やサービスではなく、グループ社員有志によるAI技術のリサーチ・発信活動です。名前は「目利き」、つまり本物を見抜く力に由来します。
- 「MEKIKI」で検索すると、福岡の株式会社メキキ（AI鑑定）や山梨の株式会社MEKIKI（古民家）、個人研究のMekiki Frameworkが並びます。運営元で見分けてください。
- 活動テーマは5つで、AIエージェントの進化、ツール・プロダクトレビュー、海外動向の整理、PoC・ハッカソンの報告、AIと倫理・社会課題です。
- 紹介記事の索引に載る公開記事は16本（2026年2月4日公開分まで）。最多はAgentOps（可観測性・評価・コスト）の6本です。
- 2025年12月には「MEKIKI X AIハッカソンもぐもぐ勉強会 Advent Calendar 2025」を25日分実施しました。NTT DATA TECHの記事でMEKIKIに触れた最新の報告は2026年3月のもので、それ以降は本文での言及がありません。
- メンバー数・運営体制・予算・発足日は、確認できた公開資料に記載がありません。これらを具体的に書いた二次記事は一次情報で裏付けられない点に注意が要ります。
- 追う起点は索引とカレンダーの一覧です。ZennのRSSはPublicationの新しい500件までしか返さず、索引の初期記事はすでに範囲外でした。

## MEKIKIの定義と公開資料で確認できる範囲

MEKIKIの紹介記事「[MEKIKI — 未来を読み解く、AI技術の最前線](https://zenn.dev/nttdata%5Ftech/articles/1e23e4a07b7eaa)」は、Zennの企業Publication「NTT DATA TECH」に、運営アカウント「MEKIKI運営」名義で2025年11月17日に公開されました。そこでの定義は「NTTデータおよびNTTデータグループの社員有志による社内横断プロジェクト」で、目的は「AIの進化をただ追うのではなく、”見極める”ことで次の行動につなげる」と書かれています。

キーワードは「Collective Intelligence（集合知）」です。個人では追い切れないAIの動きをチームで観察・記録・議論して共有可能な知に変え、NTTデータグループ内の「知の結節点」になることを目標に掲げています。

### 一次資料で確認できる情報と確認できない情報の境界

| 項目                   | 一次資料の記載 | 出典          |
| -------------------- | ------- | ----------- |
| 目的・名前の由来             | あり      | 紹介記事        |
| 活動テーマ5分野             | あり      | 紹介記事        |
| 公開記事の索引（16本）         | あり      | 紹介記事        |
| Advent Calendar 2025 | あり      | 紹介記事・総括記事   |
| 業務適用に向けた評価・検証        | 概要のみ    | 海外イベントの活動報告 |
| メンバー数・所属部門           | 確認できず   | –           |
| 運営体制・会議体・予算          | 確認できず   | –           |
| 発足日                  | 確認できず   | –           |

「社内SNSで情報共有している」「ワーキンググループを編成している」のような運営の具体は、紹介記事にも総括記事にも書かれていません。発信主体が書いた資料かどうかを確かめてから引用してください。

### 海外イベントで紹介されたMEKIKIの説明：探索・評価・検証

紹介記事の索引には載っていませんが、NTT DATA TECHには海外の対面イベントでMEKIKIが紹介された記録が日本語版・英語版の2組あります。2026年1月16日公開の「[AWS re:Invent 2025で開催！NTTデータグローバルアーキテクトコミュニティMeetup レポート](https://zenn.dev/nttdata%5Ftech/articles/e1c41fd613ec40)」は、NTT DATA Group本社のメンバーがMEKIKIとAmazon BedrockおよびAgentCoreを使った生成AIのPoCを紹介したと記録しています。そこでの説明は、実際のビジネスや業務で使える技術を見極め、検証・評価する活動というものです。

2026年3月11日公開の「[NTTデータグローバルコミュニティ in バルセロナ Day 1](https://zenn.dev/nttdata%5Ftech/articles/933d796dd6a0be)」も、MEKIKIを「実ビジネスや業務で活用可能なAI技術を見極めるために、候補となる技術を探索・評価・検証する取り組み」と書き、AI技術の評価・選定と実案件への適用プロセスが共有されたとしています。

2025年11月の紹介記事の言葉が「発見・分析・共有」だったのに対し、2026年の報告は業務への適用を見据えた技術評価の言葉に寄っています。評価の基準や適用した案件の中身はどちらの報告にも書かれていません。MEKIKIの評価手法を確認できる公開資料は、現時点では見つかりませんでした。

## 同名の「MEKIKI」との見分け方：企業・個人研究の一覧

検索結果には別の組織が並びます。AIを扱っているという理由だけでは、NTTデータのプロジェクトと判断できません。

| 名称               | 主体             | 内容               |
| ---------------- | -------------- | ---------------- |
| MEKIKI（本記事の対象）   | NTTデータグループ社員有志 | AI技術のリサーチ・発信     |
| 株式会社メキキ          | 福岡市・2018年2月設立  | ブランド品などのAI鑑定支援   |
| 株式会社MEKIKI       | 山梨県            | 古民家プロデュース        |
| Mekiki Framework | 個人の著者          | AI時代の専門判断を扱う論文5本 |
| Mekiki Reader    | 同じ著者           | 上記論文を参照するMCPサーバー |

紛らわしいのはAIを主題にする2つです。[株式会社メキキ](https://www.mekiki.ai/)は株式会社ものばんくと株式会社チームAIBODの合弁会社で、鑑定士の目利きをAI化する査定ツールの会社です。[Mekiki Framework](https://zenn.dev/kengotomita/articles/fd88f84876884d)は個人の著者が2026年9月にZennで紹介した連作論文で、[Mekiki Reader](https://zenn.dev/kengotomita/articles/ca6d3d50287434)はその論文をAIから読むための読み取り専用サーバーです。

掲載先だけではMEKIKIとの関係を判定できません。本記事で扱う索引16本や共同企画の記事は、紹介記事の索引かカレンダーの一覧に載っています。

## 活動テーマ5分野と公開記事16本の内訳

### 紹介記事が掲げる活動テーマ5分野

紹介記事は、情報発信とディスカッションのテーマを次の5つと説明しています。

| テーマ           | 扱う内容（紹介記事の記述）        |
| ------------- | -------------------- |
| AIエージェントの進化   | 自律型エージェント、マルチエージェント  |
| ツール・プロダクトレビュー | AI製品・API・開発基盤のレビュー   |
| テクノロジートレンドの翻訳 | 海外の論文・ブログ・カンファレンスの整理 |
| 実験的プロジェクトの紹介  | PoC、ハッカソン、アイデアソンの報告  |
| AI × 倫理・社会課題  | ガイドライン、AI倫理、透明性・信頼性  |

### 索引16本のカテゴリ別本数と掲載先の分散

同じ紹介記事の「記事インデックス」には、2025年10月24日から2026年2月4日までに公開された16本が、カテゴリ付きで並びます。

| 索引のカテゴリ         | 本数 | 代表的な記事                                               |
| --------------- | -- | ---------------------------------------------------- |
| AgentOps        | 6  | AgentCore Runtime×Langfuse、Datadog LLM Observability |
| AIエージェントフレームワーク | 3  | LangChain v1.0、A2A×LangGraph                         |
| AI Coding Agent | 3  | Codex × Skills 入門（概念編・体験編）                           |
| MCP／AI Agent    | 2  | mcpo、MCP Apps                                        |
| 参加報告            | 1  | 第8回AIハッカソン・もくもく勉強会                                   |
| 取り組み紹介          | 1  | MEKIKIの紹介記事そのもの                                      |

掲載先は1か所にまとまっていません。11本はNTT DATA TECHのPublicationにあり、Codex × Skills入門の2本とMCP Appsの記事は執筆者個人のZenn、第8回AIハッカソンの参加報告は別のZennアカウント、CountTokens APIの記事は執筆者のはてなブログに載っています。記事が厚いのはエージェントの運用と開発基盤で、「AI × 倫理・社会課題」に分類された記事は索引にありません。

## AgentOps記事群から読むAIエージェント本番運用の論点

索引で最も多いAgentOpsの6本は、可観測性・評価・コストの3論点に分かれます。AIエージェントを本番に出す前の確認項目として読むなら、次の順番がつながりやすい構成です。

### 可観測性：AgentCoreとDatadogでのトレース取得

入口は「AgentCore RuntimeとLangfuseで高度なAI Observabilityを実現」（2025年10月27日）で、Amazon Bedrock AgentCore Runtimeで動くエージェントの実行をLangfuseで追う実装ガイドです。続く「Amazon Bedrock AgentCore Observabilityを支えるADOTの実装に迫る」（11月21日）は、AgentCore側の可観測性がAWS Distro for OpenTelemetry（ADOT）でどう動いているかをソースコードから読み解いています。

SaaSの監視基盤を使う場合の比較対象が「Datadog LLM ObservabilityでAIエージェントを可視化してみる」（12月5日）です。環境変数`DD_LLMOBS_AGENTLESS_ENABLED`でAgentlessモードを有効にし、Datadog Agentを介さず直接送る構成を取っています。計装と送信方式が製品ごとに異なるため、送信経路の設計は[Langfuse OpenTelemetry連携の実装｜OTLP送信の設定と既存パイプラインの分岐](/tech/details/17009/)や[Datadog LLM Observability実装｜スパン設計と評価・コスト管理](/tech/details/16584/)と並べて読むと、どこまでが製品固有かを切り分けられます。

### 評価：StaxとAgentCore Evaluationsでの品質判定

「Staxで生成AIモデルやプロンプトを評価してみよう」（12月7日）は、Googleの生成AI評価ツールStaxを、テストデータセットの管理、評価基準（Evaluator）、品質・速度・トークン数の可視化という3機能から紹介しています。「そのAI エージェント、本番に出して大丈夫？」（12月14日）はAmazon Bedrock AgentCore Evaluationsによる品質評価が題材です。前者はモデルとプロンプトの比較、後者は稼働するエージェントの評価と対象が違うため、どちらを先に読むかは評価したい単位で決まります。評価指標の全体像は[AIエージェント評価とは？軌跡・ツール呼び出し・タスク達成を測る指標と実装の進め方【2026年版】](/tech/details/15942/)で補えます。

### コスト：CountTokens APIによる入力トークンの事前計算

「CountTokens API を使って事前に入力トークン数を把握する」（Advent Calendar 13日目）は、Vertex AIのCountTokens APIで、推論リクエストを送る前に入力のトークン数を見積もる方法を扱います。[Googleの説明](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/capabilities/get-token-count)では、画像・動画・音声のトークン数は推定値で、実際の消費量とは異なる場合があります。トークン化の規則はモデルごとに違い、画像や動画を含む入力は文字数から推測しにくい点を前提にしています。

3論点のうち、本番前に最低限そろえるべきはトレースです。評価もコスト把握も、どの呼び出しで何が起きたかを記録していなければ原因に戻れません。運用全体の設計は[LLMOpsとは？MLOpsとの違いとトレース・評価・コスト管理の実装を解説【2026年版】](/tech/details/16069/)にまとめています。トレース基盤の選定からエージェントの組み込みまで外部に任せる場合は、一創の[AIエージェント開発](/service/ai/agent/)で要件整理から実装・運用まで支援しています。

## フレームワーク・コーディングエージェント・MCPの記事群

AgentOps以外の記事は、エージェントを組む側の技術に集中しています。

| 公開日        | 記事                                    | 索引のカテゴリ         |
| ---------- | ------------------------------------- | --------------- |
| 2025-10-24 | @ITボツ原稿より。今ここに、MCPの秘密兵器mcpo復活         | MCP             |
| 2025-11-04 | 遂にLangChain v1.0リリース！ 新機能と移行のポイント     | フレームワーク         |
| 2025-12-01 | A2A×LangGraphの公式サンプルを動かしてみた           | フレームワーク         |
| 2026-01-19 | 【超初心者向け】Codex × Skills 入門（概念編）        | AI Coding Agent |
| 2026-01-21 | Microsoft Agent Framework を実検証で使ってみた！ | フレームワーク         |
| 2026-01-25 | 【超初心者向け】Codex × Skills 入門（体験編）        | AI Coding Agent |
| 2026-01-30 | MCP Apps を実装してわかったこと                  | AI Agent        |
| 2026-02-04 | Codex Skillsを触って分かった認識ギャップ            | AI Coding Agent |

mcpoはOpen WebUIとMCPサーバーを統合するためのツールとして紹介されています。フレームワーク3本はLangChain系2本とMicrosoft系1本で、Microsoftの記事は2件のPoC案件で得た所感をまとめたものです。主要フレームワークの比較は[AIエージェントフレームワークとは？主要8種の比較・動作コード・選定基準【2026年9月版】](/tech/details/15367/)、Microsoft Agent Framework 1.0の解説は[Microsoft Agent Framework 1.0とは？C#・Pythonの実装とSemantic Kernel・AutoGenからの移行【2026年10月】](/tech/details/11675/)で確認できます。Skills 3本のうち2本は初心者向け入門で、残る1本はエンジニアと非エンジニアの捉え方の差を扱っています。Skillsの仕様そのものは[Agent Skillsとは？SKILL.md仕様とAAIF寄贈後も移植性を保つ実装手順](/tech/details/17685/)が詳しいです。

## MEKIKIのAdvent Calendar 2025：参加者と記事の題材

2025年12月、MEKIKIは社内の「AIハッカソン・もくもく勉強会」と共同で、[Adventarのカレンダー](https://adventar.org/calendars/11880)を12月1日から25日まで実施しました。25日目の[総括記事](https://zenn.dev/nttdata%5Ftech/articles/3cb042c1b8c515)によると、執筆者は勉強会のメンバーを中心に募り、NTTデータ先端技術やNTTテクノクロスなど交流のある社内外の人も参加しています。総括記事が振り返る24日分から、主な題材を本記事で次のように再整理しました。

| 本記事で再整理した分類         | 該当日（例）           | 代表的な題材                   |
| ------------------- | ---------------- | ------------------------ |
| AIエージェントとオーケストレーション | 12/1、12/16、12/21 | A2A×LangGraph、MCP Tasks  |
| 評価と信頼性              | 12/5、12/7、12/14  | Datadog、Stax、AgentCore   |
| コストと効率              | 12/9、12/12、12/13 | ローカルLLM、CountTokens      |
| ハッカソンとコミュニティ        | 12/3、12/8、12/23  | 社内ChatGPTハッカソン           |
| 海外カンファレンスとモデル検証     | 12/2、12/11、12/17 | Microsoft Ignite、GPT-5.1 |
| 運用知見と個人開発           | 12/4、12/6、12/15  | トラブル対応、個人開発              |

索引のAgentOps記事のうち4本（Datadog、Stax、CountTokens、AgentCore Evaluations）はこのカレンダーの枠で書かれたものです。業務の検証記事だけでなく、非エンジニアのバイブコーディングや個人開発の題材も入っています。

## MEKIKIの記事を追う方法：索引・Zenn検索・RSSで届く範囲

記事を追う起点は紹介記事の索引とAdvent Calendarの一覧です。検索とRSSは補助にとどめます。

### 共通トピックが無いMEKIKI記事の起点：索引とカレンダーの一覧

MEKIKIの記事には、Zennの共通トピック（タグ）が付いていません。Datadogの記事は「datadog」「observability」、Staxの記事は「google」「generativeai」と、それぞれ技術名だけが付いています。[MEKIKI運営のアカウント](https://zenn.dev/mekiki)の投稿も紹介記事1本だけなので、アカウントをフォローしても個別の記事は追えません。紹介記事の表示更新日は2026年2月5日で、2026年11月9日の確認時点でも索引には16本が掲載されています。

### Zenn検索で届く範囲：「MEKIKI」4件と本文だけの言及

Zennの記事検索で「MEKIKI」を引くと、2026年11月9日時点で4件でした。2件は紹介記事と総括記事、残る2件は別物のMekiki Frameworkとその関連記事です。海外イベントの活動報告のように本文で触れているだけの記事は結果に出ません。

そこでNTT DATA TECHに2025年10月1日以降に公開された569本の本文を調べると、「MEKIKI」を含む記事は27本でした。大半は2025年12月のカレンダー関連で、紹介記事に表示された更新日（2026年2月5日）より後に公開された記事は、バルセロナ報告の日英2本（2026年3月10日・11日）だけです。個人アカウントの記事は対象外なので活動が止まったとは断定できませんが、Publication上でMEKIKIに触れた記事は2026年3月11日より後に確認できません。

### RSSフィードの500件上限：索引の初期記事はすでに範囲外

Zennの[RSSの公式説明](https://zenn.dev/zenn/articles/zenn-feed-rss)に載っているのはトレンド・ユーザー・トピックの3種類で、ユーザーのフィードは既定で約20件、`?all=1`を付けると全公開投稿が出力されます。Publicationにも同じ形式の`p/nttdata_tech/feed`がありますが、全件にはなりません。2026年11月9日に`?all=1`付きで取得すると500件で打ち切られ、最古は2025年12月3日でした。2026年10月3日の取得では最古が2025年11月5日だったので、新しい記事が増えるほど古い記事が押し出されます。

索引のうちPublicationに載る11本では、mcpo、Langfuse、LangChain、紹介記事、ADOT、A2Aの6本がすでにフィードの範囲外です。このPublicationの現在のRSSだけでは、範囲外になった過去記事を確認できません。関連技術の新着を拾う用途なら、次のPython 3標準ライブラリのスクリプトが使えます。記事タイトルに指定した語を含む項目だけを抽出し、MEKIKIへの所属は判定しません。

```
import urllib.request
import xml.etree.ElementTree as ET

FEED = "https://zenn.dev/p/nttdata_tech/feed?all=1"
KEYWORDS = ("AgentCore", "Observability", "MCP", "Skills", "LangChain")

req = urllib.request.Request(FEED, headers={"User-Agent": "feed-check/1.0"})
with urllib.request.urlopen(req, timeout=10) as res:
    root = ET.fromstring(res.read())

items = list(root.iter("item"))
if not items:
    raise SystemExit("フィードに記事がありません")
print("取得件数:", len(items), "最古:", items[-1].findtext("pubDate", "")[:16])

for item in items:
    title = item.findtext("title", "")
    if any(k.lower() in title.lower() for k in KEYWORDS):
        print(item.findtext("pubDate", "")[:16], title)
        print("  ", item.findtext("link", ""))
```

2026年11月9日にPython 3.9.6で実行すると28件が該当し、最新はpubDateが2026年10月13日のAgentCore Memory料金の検証記事でした。ただしこれらがMEKIKIの活動として書かれたかどうかはタイトルからは判断できません。MEKIKIとの関係は索引への掲載や各記事の記述で確認してください。

## よくある質問

### MEKIKIはNTTデータの製品やサービスですか？

いいえ。NTTデータおよびNTTデータグループの社員有志による社内横断のリサーチ・発信プロジェクトで、販売されている製品やサービスではありません。紹介記事が説明する活動は技術や製品、ニュースの「発見」「分析」「共有」で、料金や提供条件の案内はありません。AI査定ツールを提供する株式会社メキキのような同名の企業とは別の組織です。

### MEKIKIには何人が参加していますか？

メンバー数や所属部門は、確認できた公開資料に記載がありません。Advent Calendar 2025のAdventarページには登録数25と表示されていますが、これはカレンダーの執筆枠で、交流のある社内外の人も含むためMEKIKIの人数には読み替えられません。公開記事から分かるのは個々の執筆者までで、組織全体の規模を示す数字は見つかりませんでした。

### MEKIKIの記事はどこで読めますか？

Zennの紹介記事「MEKIKI — 未来を読み解く、AI技術の最前線」にある記事インデックスとAdvent Calendar 2025の一覧が起点です。記事本体はNTT DATA TECHのPublicationのほか、執筆者個人のZennやはてなブログにも分かれて載っています。Zenn検索やRSSでは一部の記事にしか届かないため、まず索引を開くのが確実です。

### MEKIKIには社外から参加できますか？

参加の募集要項や申込み窓口は、確認できた公開資料にありません。紹介記事はMEKIKIを「NTTデータおよびNTTデータグループの社員有志」と定義しているので、基本はグループ社員の活動です。Advent Calendar 2025には勉強会と交流のある社内外の人が執筆していますが、これはカレンダーへの寄稿で、MEKIKIの一般公募を示すものではありません。

### MEKIKIはAI倫理も扱っていますか？

紹介記事は活動テーマの1つに「AI × 倫理・社会課題の議論」を挙げています。ただし2026年2月時点の索引16本に、このカテゴリに分類された記事はありません。Advent Calendar 2025では12月23日に社会課題を解決するハッカソンの参加報告が書かれているので、社会課題への関わりはこうした個別の記事で確認できます。

## 関連記事

- [LLMOpsとは？MLOpsとの違いとトレース・評価・コスト管理の実装を解説【2026年版】](/tech/details/16069/)
- [AIエージェント評価とは？軌跡・ツール呼び出し・タスク達成を測る指標と実装の進め方【2026年版】](/tech/details/15942/)
- [Datadog LLM Observability実装｜スパン設計と評価・コスト管理](/tech/details/16584/)
- [AIエージェントフレームワークとは？主要8種の比較・動作コード・選定基準【2026年9月版】](/tech/details/15367/)
- [Agent Skillsとは？SKILL.md仕様とAAIF寄贈後も移植性を保つ実装手順](/tech/details/17685/)

---

出典: [MEKIKIとは｜NTTデータ社員有志のAI技術リサーチと公開記事16本の読み方](<https://www.issoh.co.jp/tech/details/9889/>)（株式会社一創）
