追加①
自社のシステムとつなぐ
自社のエンジニアがプログラムを書いて、AIを社内システムに直接つなぎます。
エンジニアがいない会社は不要です。ステップ7までは、プログラムを書きません。ここだけがコードを書く話になります。
できたと言える状態:だれが直し続けるか、安全の基準は何かまで含めた計画にOKが出ている。
公式の学習サイトで学ぶこと
英語の名前は、あとで公式サイトを探すとき用です。読み飛ばして大丈夫です。
Claude Platform 101/Introduction to Model Context Protocol/Model Context Protocol: Advanced Topics/Building with the Claude API
- AIが自分で回る仕組み The agent loop
- 道具の決め方 Tool use / tool schemas
- 考える時間を長くする Extended thinking
- はじめから使える道具 Built-in tools
- Anthropic側で動かすAI Managed agents
- つなぎ口を作る側と、使う側 MCP servers / MCP clients
- つなぎ口の中身 Resources / Prompts / Sampling / Roots
- 通信のやり方 STDIO transport / StreamableHTTP transport
- 同じ指示の使い回し Prompt caching
- 社内の文書を探す RAG and Agentic Search
- 指示のよしあしを採点する Prompt evaluation
追加②
AIを増やして手分けさせる
1体ではなく、何体かのAIに分けて仕事をさせます。
第3章が終わっていないと進めません。合格の線と手順書が固まっていないと、手分けさせても出来がそろわないからです。
できたと言える状態:それぞれが何を受け取り何を返すか、最後にだれが確かめるかが書いてある。
公式の学習サイトで学ぶこと
英語の名前は、あとで公式サイトを探すとき用です。読み飛ばして大丈夫です。
Introduction to subagents/Building with the Claude API
- うまくいく作り方 Designing effective subagents
- うまくいく使い方 Using subagents effectively
- 担当へ渡す Delegating the task
- 詰まったことを報告させる Obstacle reporting
- 決まった形で返させる Structured output
- 同時にやる・順に渡す・振り分ける Agent architectures: parallelization / chaining / routing