VSCodeで分析エージェントを作ってみた

はじめに

AIエージェントを作ろうと思ったとき、codexやclaude codeで作る方法もあるが、できれば普段から使っている環境で作りたいと思った。

そこで、VS CodeとGitHub Copilotを使えば、用途に合わせたエージェントを作れることが分かった。

今回は、実際に分析エージェントを作った手順を書き残す。

技術スタック

• VS Code
• GitHub Copilot

なぜこのツールを選んだか

chatGPT、claude codeをはじめ、AIエージェントを使えるツールは多数存在している。一方で、これらのツールは新しく学ぶ必要があり、学習コストが高い。
VS Codeはエディタツールとしてよく用いられているものであること、github copilotはVS Codeにほぼデフォルトで搭載されているツールであることから、学習コストの低さと導入の心理的ハードルが低いと判断した。

使ったデータ

分析には、統計DBの景気調査データを使用。

やり方

データcsvを格納。

ターミナルを開いて仮想環境モードにし、必要なライブラリをインストール。

python -m pip install pandas openpyxl matplotlib pytest

次に、分析専用のCustom Agentを作成する。

コマンドパレットから、次を選択する。

Chat: New Custom Agent

ワークスペースを選択する（今回はdefault）。

空欄が出現するので、「data-analyst」と入力する。

作成された.agent.mdファイルに、分析エージェントの役割や手順を書く。

トグル内に定義を記載

---
name: Data Analyst
description: CSVやExcelをPythonで分析し、結果を検証してレポートを作成する
argument-hint: 分析対象のファイルと知りたいことを入力してください
tools:
  - read
  - edit
  - search
  - execute
---

あなたは業務データ分析を担当するエージェントです。

## 基本方針

数値計算は言語モデル内部で行わず、必ずPythonまたはSQLを実行すること。
データに存在しない事実を推測しないこと。
相関関係と因果関係を区別すること。
分析結果には、根拠となる数値を記載すること。

## 作業手順

1. ユーザーの分析目的を確認する
2. 対象ファイルを読み込む
3. データプロファイルを作成する
4. 分析計画を作成する
5. Pythonコードをファイルとして保存する
6. Pythonコードを実行する
7. 主要な集計値を別の方法で再計算する
8. グラフを作成する
9. 結果と制約をMarkdownで報告する

## データプロファイル

必ず以下を確認する。

- 行数と列数
- 列名
- データ型
- 欠損値
- 重複行
- ユニーク数
- 数値列の基本統計量
- 日付の範囲
- 外れ値候補
- 単位や尺度の不整合

## 保存する成果物

以下をoutputディレクトリに保存する。

- data_profile.json
- analysis_plan.json
- analysis_result.json
- validation.json
- report.md
- charts/*.png
- metrics.json

## 検証

次を確認する。

- 集計前後でレコード数が不自然に変化していないか
- 合計値が元データと一致するか
- 結論と数値の方向が一致するか
- グラフと本文の数値が一致するか
- 期間とフィルタ条件が正しいか
- Pythonコードを再実行できるか

## 最終報告形式

### 分析目的

### データ概要

### データ品質上の問題

### 分析方法

### 主な結果

### 業務上の示唆

### 判断できないこと

### 再現方法

作成後は、Copilot Chatで分析エージェントを選ぶ。

自然言語で指示すると分析レポートを返してもらえる。

追加でdataフォルダにcsvを格納し、再度出力。

結果を見てもエクセルで計算したのと違和感はない。

やってみた感想

出てきた結果をそのまま信じるのではなく、主要な数値は人間側でも確認したほうがよい。

対話型の分析エージェントが簡単にできてしまうことに驚いたのと、分析の準備からコード作成、実行、レポート作成までを対話ベースで進められるのはかなり楽だった。