LLM アプリ開発 #10 AI エージェントを作る

tools = [
    {
        "name": "search_docs",
        "description": "社内文書から質問に関連する内容を検索する。",
        "input_schema": {
            "type": "object",
            "properties": {"query": {"type": "string"}},
            "required": ["query"],
        },
    },
    {
        "name": "calculate",
        "description": "数式を計算する。例: '1200 * 0.1'",
        "input_schema": {
            "type": "object",
            "properties": {"expression": {"type": "string"}},
            "required": ["expression"],
        },
    },
]

def run_tool(name: str, args: dict) -> str:
    if name == "search_docs":
        return search_docs(args["query"])   # 第8回の検索を再利用
    if name == "calculate":
        return str(eval(args["expression"]))  # 例。実際には安全な計算機を使う
    return "不明なツールです。"

import anthropic

client = anthropic.Anthropic()

def run_agent(goal: str, max_steps: int = 10) -> str:
    messages = [{"role": "user", "content": goal}]

    for _ in range(max_steps):
        response = client.messages.create(
            model="claude-sonnet-4-6",
            max_tokens=1024,
            tools=tools,
            messages=messages,
        )

        if response.stop_reason == "end_turn":
            return next(b.text for b in response.content if b.type == "text")

        messages.append({"role": "assistant", "content": response.content})

        tool_results = []
        for block in response.content:
            if block.type == "tool_use":
                result = run_tool(block.name, block.input)
                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": result,
                })
        messages.append({"role": "user", "content": tool_results})

    return "最大ステップ数に達しました。"

print(run_agent("返金手数料の規定を探し、5万ウォンの注文の手数料を計算してください。"))