はじめに
「AIエージェント」という言葉を最近よく聞きませんか？
ChatGPTやClaudeに質問して回答をもらう——これはAIアシスタントです。
AIエージェントは一歩進んで、自分で考え、自分でツールを使い、自分で問題を解決するAIです。
本記事では、AIエージェントの仕組みを解説し、PythonとClaude APIで動くエージェントを実装します。
AIアシスタントとAIエージェントの違い
AIアシスタント（従来）:
ユーザー → 質問 → AI → 回答 → ユーザー
（1往復で終わり）
AIエージェント:
ユーザー → 目標 → AI → 計画
↓
ツール実行（検索・計算・API呼び出し）
↓
結果を評価・次のアクションを決定
↓
目標達成まで繰り返す → ユーザーに報告
AIエージェントの4つのコンポーネント
┌────────────────────────────────────────┐
│ AIエージェント │
│ │
│ ┌──────────┐ ┌──────────────┐ │
│ │ Brain │────▶│ Tool Calling │ │
│ │ (LLM) │◀────│ (行動実行) │ │
│ └──────────┘ └──────────────┘ │
│ ↕ ↕ │
│ ┌──────────┐ ┌──────────────┐ │
│ │ Memory │ │ Planning │ │
│ │(記憶保持)│ │ (計画立案) │ │
│ └──────────┘ └──────────────┘ │
└────────────────────────────────────────┘
| コンポーネント | 役割 | 実装例 |
|---|---|---|
| Brain（LLM） | 推論・判断 | Claude / GPT-4 |
| Memory（記憶） | 過去の情報を保持 | 会話履歴・ベクトルDB |
| Planning（計画） | タスクを分解・順序付け | ReAct・Chain of Thought |
| Tool Calling（行動） | 外部システムを操作 | 検索・計算・DB・API |
ReActパターン：エージェントの思考サイクル
最も広く使われるエージェントの思考パターンが**ReAct（Reasoning + Acting）**です。
Thought（考える）:
"ユーザーは最新のPD試験情報を知りたい。まずWebを検索しよう"
Action（行動する）:
web_search("PD試験 2026 最新情報")
Observation（観察する）:
"検索結果: シラバスVer.0.2が2026年7月に公開された..."
Thought（また考える）:
"情報が得られた。次は試験スケジュールも調べよう"
Action（再度行動）:
web_search("PD試験 開始時期 2027")
...（目標達成まで繰り返す）
Final Answer（最終回答）:
"PD試験は2027年度夏秋に正式開始予定です。シラバムVer.0.2は..."
Pythonで実装：シンプルなエージェント
import anthropic
import json
from datetime import datetime
client = anthropic.Anthropic()
# ── ツールの定義 ──────────────────────────────────
tools = [
{
"name": "web_search",
"description": "インターネットで情報を検索します（デモ用）",
"input_schema": {
"type": "object",
"properties": {
"query": {"type": "string", "description": "検索クエリ"}
},
"required": ["query"]
}
},
{
"name": "get_datetime",
"description": "現在の日時を取得します",
"input_schema": {
"type": "object",
"properties": {},
"required": []
}
},
{
"name": "calculate",
"description": "数式を計算します",
"input_schema": {
"type": "object",
"properties": {
"expression": {"type": "string", "description": "計算式（例: 2 + 3 * 4）"}
},
"required": ["expression"]
}
}
]
# ── ツールの実行 ──────────────────────────────────
def execute_tool(name: str, inputs: dict) -> str:
if name == "web_search":
query = inputs["query"]
# 実際の実装ではBrave Search APIなどを使用
return f"[検索結果（デモ）] '{query}' の検索結果: PD試験は2027年度夏秋開始予定。シラバスVer.0.2は2026年7月公開済み。"
elif name == "get_datetime":
return datetime.now().strftime("%Y年%m月%d日 %H:%M")
elif name == "calculate":
expr = inputs["expression"]
try:
result = eval(expr, {"__builtins__": {}})
return f"{expr} = {result}"
except Exception as e:
return f"計算エラー: {e}"
return f"未知のツール: {name}"
# ── エージェントのメインループ ─────────────────────
class SimpleAgent:
def __init__(self, system_prompt: str = ""):
self.system = system_prompt or "あなたは役立つアシスタントです。必要に応じてツールを使って正確な情報を提供してください。"
self.messages = []
self.max_iterations = 10
def run(self, user_input: str) -> str:
self.messages.append({"role": "user", "content": user_input})
iterations = 0
while iterations < self.max_iterations:
iterations += 1
response = client.messages.create(
model="claude-sonnet-5",
max_tokens=2048,
system=self.system,
tools=tools,
messages=self.messages
)
# ツール呼び出しなし → 最終回答
if response.stop_reason == "end_turn":
answer = next(
(b.text for b in response.content if hasattr(b, "text")), ""
)
return answer
# ツール呼び出しあり → 実行して続行
self.messages.append({"role": "assistant", "content": response.content})
tool_results = []
for block in response.content:
if block.type == "tool_use":
print(f" [Tool] {block.name}({json.dumps(block.input, ensure_ascii=False)})")
result = execute_tool(block.name, block.input)
print(f" [Result] {result[:80]}...")
tool_results.append({
"type": "tool_result",
"tool_use_id": block.id,
"content": result
})
self.messages.append({"role": "user", "content": tool_results})
return "最大ループ回数に達しました。"
# ── 実行例 ───────────────────────────────────────
if __name__ == "__main__":
agent = SimpleAgent()
questions = [
"今日の日付と、3756 * 48 の計算結果を教えてください",
"PD試験の最新情報を調べて、開始時期を教えてください",
]
for q in questions:
print(f"
質問: {q}")
print("-" * 50)
answer = agent.run(q)
print(f"回答: {answer}")
マルチエージェント：エージェントが協力する
複雑なタスクでは、複数のエージェントが役割分担して協力します。
class OrchestratorAgent:
def run(self, task: str) -> str:
# タスクを分解して専門エージェントに振り分ける
plan = self.make_plan(task)
results = []
for subtask in plan:
if subtask["type"] == "research":
result = ResearchAgent().run(subtask["query"])
elif subtask["type"] == "write":
result = WritingAgent().run(subtask["topic"], results)
results.append(result)
return self.synthesize(results)
Orchestrator（指揮者）
├── Research Agent（情報収集専門）
├── Analysis Agent（分析専門）
└── Writing Agent（文章生成専門）
ビジネス活用事例
| 業界 | 活用例 |
|---|---|
| ITコンサル | 提案書の自動作成・競合調査・議事録生成 |
| 金融 | レポート作成・規制確認・リスク分析 |
| 医療 | 患者記録の整理・診断補助情報収集 |
| 製造 | 設備異常の検知・メンテナンス手配 |
| 採用 | 求人票作成・候補者スクリーニング |
2027年PD試験との関連
PD試験のシラバス（Ver.0.2）では、以下の概念が出題範囲に含まれています：
- AIエージェントの基礎概念（自律的な判断・行動）
- Tool Use / Function Calling（AIのツール活用）
- マルチエージェントシステム（エージェント間連携）
- AIガバナンス（エージェントの監視・制御）
実装レベルの理解は不要ですが、「エージェントが何をするものか」「どんなリスクがあるか」は問われる可能性があります。
まとめ
| 概念 | ポイント |
|---|---|
| AIアシスタントとの違い | エージェントは自律的にツールを使い目標を達成する |
| 主要コンポーネント | Brain・Memory・Planning・Tool Calling |
| 思考パターン | ReAct（考える→行動する→観察する）を繰り返す |
| 実装の入口 | Claude APIのTool Useが最初の一歩 |
AIエージェントは「AIに仕事をさせる」次世代の活用形態です。概念を理解しておくことが、実務でもPD試験対策でも重要になってきています。
Qiitaでは他にもPD試験・生成AI関連の技術記事を発信しています。
- @pds_siken
- PD試験専門情報サイト: pds-siken.com