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