Agentic AIを学びたい(Step1：OpenRouter経由でLLMをコールする)

はじめに

Agentic AIを作ってみたく、実装を開始していきます。今回は初回なのでOpenRouter経由でAIを呼び、その結果を元にjsonに構造化するまでを実施してみます。

予定・天気・移動時間は、こちらで文章にして渡しています。AIが自分で取りにいくところまでは、まだやっていません。呼び出しは2回ですが、1回目の回答を2回目には渡していません。それぞれ1往復で終わっています。

実装したいこと

予定や天気、移動の情報と質問を渡し、その結果を元に傘と出発時刻を判断させる。

今日の予定: 19:00 梅田で食事
天気: 18:00から雨
自宅から梅田: 電車で30分

質問: 傘が必要か、何時に家を出ればいいか

同じ内容を2回送ります。1回目は文章、2回目は次のJSONです。

needUmbrella  傘が必要か
leaveAt       出発時刻
reason        理由

成果物

シーケンス図

POST https://openrouter.ai/api/v1/chat/completions

1回目
  messages[0] system  日本語で短く提案する
  messages[1] user    予定・天気・移動・質問

2回目
  messages[0] system  傘と出発時刻を判断する
  messages[1] user    1回目と同じ
  response_format     needUmbrella / leaveAt / reason

回答はどちらも choices[0].message.content に入っています。2回目だけ、その文字列をJSONとして読んでいます。

ディレクトリ構成

agentic_ai_study/
├─ src/
│  └─ index.ts       問い合わせと表示
├─ .env              OPENROUTER_API_KEY と MODEL_NAME
├─ .env.example
├─ package.json      npm start
└─ tsconfig.json

npm start
  └─ tsx src/index.ts

実際のコード

.env

OPENROUTER_API_KEY=xxx
MODEL_NAME=openai/gpt-4o-mini

src/index.ts

import "dotenv/config";

const OPENROUTER_URL = "https://openrouter.ai/api/v1/chat/completions";

const USER_PROMPT = `今日の予定:
19:00 梅田で食事

天気:
18:00から雨

自宅から梅田:
電車で30分

質問:
傘が必要か、何時に家を出ればいいか教えて。`;

const TEXT_SYSTEM_PROMPT = `あなたは外出前の準備を短く提案するアシスタントです。
渡された予定、天気、移動時間だけを根拠に、傘が必要かと家を出る時刻を日本語で答えてください。
2文程度で、理由が分かるように書いてください。`;

const JSON_SYSTEM_PROMPT = `あなたは外出前の準備を判断するアシスタントです。
渡された予定、天気、移動時間だけを根拠に、傘の要否と家を出る時刻を判断してください。`;

const adviceResponseFormat = {
  type: "json_schema",
  json_schema: {
    name: "departure_advice",
    strict: true,
    schema: {
      type: "object",
      properties: {
        needUmbrella: {
          type: "boolean",
          description: "傘が必要なら true",
        },
        leaveAt: {
          type: "string",
          description: "家を出る時刻の目安。例: 18:20",
        },
        reason: {
          type: "string",
          description: "そう判断した理由",
        },
      },
      required: ["needUmbrella", "leaveAt", "reason"],
      additionalProperties: false,
    },
  },
} as const;

type Advice = {
  needUmbrella: boolean;
  leaveAt: string;
  reason: string;
};

type ChatMessage = {
  role: "system" | "user";
  content: string;
};

type ChatResponse = {
  choices?: Array<{
    message?: {
      role?: string;
      content?: string | null;
    };
  }>;
};

function requireEnv(name: string): string {
  const value = process.env[name];
  if (!value) {
    throw new Error(`${name} を .env に設定してください`);
  }
  return value;
}

async function callOpenRouter(
  messages: ChatMessage[],
  responseFormat?: typeof adviceResponseFormat,
): Promise<ChatResponse> {
  const response = await fetch(OPENROUTER_URL, {
    method: "POST",
    headers: {
      Authorization: `Bearer ${requireEnv("OPENROUTER_API_KEY")}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      model: requireEnv("MODEL_NAME"),
      messages,
      ...(responseFormat
        ? {
            response_format: responseFormat,
            provider: { require_parameters: true },
          }
        : {}),
    }),
  });

  if (!response.ok) {
    const body = await response.text();
    throw new Error(`OpenRouter API error ${response.status}: ${body}`);
  }

  return (await response.json()) as ChatResponse;
}

function readAnswer(response: ChatResponse): string {
  const content = response.choices?.[0]?.message?.content;
  if (!content) {
    throw new Error("応答に choices[0].message.content がありません");
  }
  return content;
}

function parseAdvice(content: string): Advice {
  const parsed: unknown = JSON.parse(content);
  if (
    typeof parsed !== "object" ||
    parsed === null ||
    typeof (parsed as Advice).needUmbrella !== "boolean" ||
    typeof (parsed as Advice).leaveAt !== "string" ||
    typeof (parsed as Advice).reason !== "string"
  ) {
    throw new Error(`Structured Output の形が想定と違います: ${content}`);
  }
  return parsed as Advice;
}

async function main(): Promise<void> {
  console.log("モデル:", requireEnv("MODEL_NAME"));
  console.log("\n--- User Prompt ---\n");
  console.log(USER_PROMPT);

  const textResponse = await callOpenRouter([
    { role: "system", content: TEXT_SYSTEM_PROMPT },
    { role: "user", content: USER_PROMPT },
  ]);

  console.log("\n--- 自由文の回答 ---");
  console.log("取り出し元: choices[0].message.content\n");
  console.log(readAnswer(textResponse));

  const jsonResponse = await callOpenRouter(
    [
      { role: "system", content: JSON_SYSTEM_PROMPT },
      { role: "user", content: USER_PROMPT },
    ],
    adviceResponseFormat,
  );

  const advice = parseAdvice(readAnswer(jsonResponse));

  console.log("\n--- Structured Output ---");
  console.log("取り出し元: choices[0].message.content を JSON として解釈\n");
  console.log(JSON.stringify(advice, null, 2));
}

main().catch((error: unknown) => {
  const message = error instanceof Error ? error.message : String(error);
  console.error(message);
  process.exitCode = 1;
});

次回やる事

天気を Prompt に書くのをやめ、getWeather() として Tool にします。

ユーザーは「今日19時に梅田へ行くんだけど、傘いる？」とだけ入力します。LLM が天気を確認する必要があると判断し、getWeather() を呼びます。

User
  ↓
LLM
  ↓
getWeather()
  ↓
結果
  ↓
LLM
  ↓
回答