「AIエージェントの作り方」を扱う記事の多くは、手元のPCで一度動いたデモで終わります。しかし実際のプロジェクトが失敗するのは別の場所です。対象業務が広すぎた、エージェントに必要以上のアクセス権を与えた、何をしたのか誰にも見えなかった、といった点です。
このガイドは順序を逆にします。まず小さな業務を一つ選び、1時間以内に「読み取り専用」の初版を作り、その後でツール、書き込み権限、自動化を足していきます。すでにソフトウェアを納品している開発者・技術リーダーが、最初の1か月を無理なく進めるための内容です。
AIエージェントとは何か
チャットボットは「答える」ものですが、エージェントは「行動する」ものです。違いはループにあります。
- モデルが目標と現在の状態を読む
- 呼び出すツールを選ぶ(検索、ファイル読み込み、データベース照会、リクエスト送信など)
- 自社のコードがツールを実行し、結果を返す
- モデルが結果を読み、次のツールを呼ぶか、終了するかを判断する
本質はこれだけです。目にするフレームワークはどれも、このループとツール、記憶、安全確認をどう包むかの違いにすぎません。
flowchart TD
A["担当者からの目標"] --> B["モデルが次の手を判断"]
B --> C["ツールを呼び出す"]
C --> D["自社コードがツールを実行"]
D --> E["結果をモデルに返す"]
E --> B
B --> F["完了または人の承認待ち"]
実務上の結論は、エージェントの安全性はツールの安全性で決まるということです。判断するのはモデルですが、何が可能かを決めるのはツールと権限です。
ステップ1:狭くて地味な業務を一つ選ぶ
最初のエージェントは、手順書があれば新人が担当できる程度の業務にします。適した例:
- サポートメールを分類し、人が送信する前提で返信案を作る
- 発注書(PDF)を読み、ERPの記録と照合して不一致を報告する
- 既知の指摘項目に沿ってプルリクエストをレビューし、コメントする
- 前日の監視アラートを要約し、優先順位を付ける
コードを書く前に、次の三点を書き出してください。入力、正しい出力の定義、結果の責任者です。正しい出力を言えなければテストできず、第2版が第1版より良いかも判断できません。
最初から「会社を丸ごと動かすエージェント」を目指すのは避けましょう。焦点の絞られたエージェントを一つ作り、業務が本当に必要とするときだけ増やします。これは特定ベンダーに偏らないSDK比較記事でも共通する助言です。
ステップ2:出発点を選ぶ
現実的な選択肢は三つです。
A. 自前コード+モデルAPI。 約100行のループを自作します。学習に最適で、手順が固定の業務にも向きます。手順の順序が毎回同じなら、そもそもエージェントは不要かもしれません。モデル呼び出しを一か所に含む通常のワークフローのほうが、安く、速く、テストしやすいからです。
B. エージェントSDK。 ループ、ツールの仕組み、セッション、トレーシングを提供します。2026年に広く使われる三つを挙げます。
| SDK | インストール | 特徴 | 向いている用途 |
|---|---|---|---|
| OpenAI Agents SDK | pip install openai-agents |
少数の部品:agent、tool、handoff、guardrail、session | 素早く始めたい、連携が単純、OpenAIモデル利用 |
| Google ADK | pip install google-adk |
フレームワーク側のワークフロー:逐次・並列・ループ・グラフ。エージェント間連携にネイティブ対応 | 監査可能な多段処理、Google Cloud、幅広いモデル選択 |
| Claude Agent SDK | pip install claude-agent-sdk |
Claude Codeと同じ実行基盤:ファイル・シェル・検索を内蔵、権限、フック、サブエージェント | ファイルやリポジトリ、コマンドの中で働くエージェント |
これらのSDK自体は通常無料です。実際の費用は、モデル利用料、ホスティング、保存領域、監視、そしてエンジニアの工数です。
C. ビジュアル/ノーコードのビルダー。 試作や非開発者に便利で、半日でアイデアを検証できます。ただし重要なシステムに触れさせる前に、権限とログの扱いを必ず確認してください。
迷ったらBから始め、社内で利用承認済みのモデルに合うSDKを選びます。後で変更しても、学んだことは活かせます。
ステップ3:読み取り専用の初版を作る
重要な習慣は、初版は「見るだけで触れない」ことです。読み取り専用のツールだけを渡し、実データで動かし、すべてのステップを読みます。
Claude Agent SDKで書いた、読み取り専用のコードレビュー用エージェントの例です(オプション名はSDKの更新で変わるため、最新のドキュメントをご確認ください)。
import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions
async def main():
options = ClaudeAgentOptions(
allowed_tools=["Read", "Glob", "Grep"], # 見るだけ、変更しない
system_prompt="You are a careful reviewer. Report problems; do not edit.",
)
async for message in query(
prompt="Review utils.py and list anything that could crash.",
options=options,
):
print(message)
asyncio.run(main())
含まれていないものに注目してください。編集ツールも、シェルも、ネットワークもありません。作業フォルダ内のファイルを読めるだけです。回答が悪くても、最悪の結果は「悪い回答」にとどまります。
仮想環境にインストールし、APIキーを環境変数に設定して実行します。公式のクイックスタートはバグ修正の例で同じ流れを説明しており、Python 3.10以上またはNode.js 18以上が必要とされています。
どのSDKを選んでも、初日から次の三つを行ってください。
- すべてのツール呼び出しと結果を表示または保存する。ログを読むのが、モデルの考え方を知る最短の方法です
- 実例を10〜20件、期待する答えと一緒にファイルへ入れる。これが最初の評価セットです
- プロンプトはチャット画面ではなく、バージョン管理で保管する
ステップ4:ツールを追加し、適する場面ではMCPを使う
ツールは、エージェントが自社システムに触れる手段です。自作する場合は、明確な名前、正確な説明、厳格な入力検証を備えた小さな関数にします。モデルは説明文を読んで使うかどうかを判断するため、曖昧な説明は誤った呼び出しの原因になります。
既存システムとの接続には、Model Context Protocol(MCP)を学んでおきましょう。AIアプリケーションにツールやデータを公開するためのオープン標準です。2025年12月、AnthropicはMCPを、Linux Foundation傘下のAgentic AI Foundationに寄贈しました。同財団はAnthropic、Block、OpenAIが共同設立したもので、その時点で公開済みのMCPサーバーは1万を超えていました。実務上の意味は、MCPサーバーとして一度作ったツールを、異なるSDKや製品のエージェントから使えることです。
注意点が二つあります。
- MCPサーバーはサードパーティ製コードとして扱う。 接続前に、何を読み、何を実行できるかを確認し、自作または検証できるものを優先します
- 外部コンテンツは命令ではなくデータとして扱う。 エージェントが読むウェブページやメールには、指示を装った文章が含まれることがあります。安全性はプロンプト(モデルへの依頼)だけでなく、ツール層(ツールが許可する内容)で強制してください
ステップ5:アクセスを広げる前にガードレールを入れる
多くのチュートリアルが飛ばす部分であり、実際の事故が起きる場所です。エージェントに書き込み、削除、送信、支払いの権限を与える前に、次を整えます。
- 専用のIDと認証情報を持たせる。共有の管理者トークンは使わない
- 最小権限にする。既定は読み取り専用とし、書き込みや削除は一つずつ追加する
- 元に戻せない操作には人の承認を必須にする。データ削除、大量書き込み、支払い、デプロイ、社外へのメールなどが該当し、誰が何をいつ承認したかを記録する
- 上限を設ける。最大ステップ数、費用の上限、呼び出し頻度の制限により、暴走したループが自動で止まるようにする
- すべての行動をログに残す。保存先はエージェントが変更できない場所にする
- バックアップはエージェントの手の届かない場所に置き、復元テストを行う
- 緊急停止の手段を持つ。エージェントを止めて権限を取り消す操作を一つ用意する
現在の主要SDKの多くは、権限モード、承認フロー、フックといった、まさにこのための機能を備えています。最初から使いましょう。管理策を体系的に自己点検したい場合は、当社のAIエージェント導入準備チェックリスト(責任者、権限、承認、監査証跡を問う20項目)をご活用ください。
ステップ6:ソフトウェアとしてテストする(実際にソフトウェアだから)
エージェントは出力が一定でないため、テストの考え方を変える必要があります。テストを減らす理由にはなりません。
- プロンプト、モデル、ツールを変えるたびに評価セットを実行し、合格率を追う
- 失敗経路を意図的に試す。 エラーを返すツール、空の結果、悪意ある文章を含む文書など
- 正確さが必要な手順には通常のコードを使う。 計算や検証が該当します。判断と言語はモデルに、算術とルールはコードに任せます
- 再試行を安全に設計する。 各操作に固定の操作IDを付け、再試行で同じメールが二通届かないようにする
- ワークフローの状態と会話履歴を分ける。 長いチャットがデータベース代わりになってはいけません
ステップ7:人を介在させてパイロット運用する
まずシャドーモードで動かします。エージェントが下書きを作り、人が判断します。ステップ1で決めた業務責任者が重視する指標を測ります。節約できた時間、誤りの割合、人が下書きを直した頻度などです。数週間数値が安定したら、権限を一つずつ広げ、広げるたびに評価セットを再実行します。
現実的な最初の1か月
| 週 | 目標 |
|---|---|
| 1 | 業務を決め、実例10〜20件を用意し、読み取り専用の初版を作る |
| 2 | ツールを1〜2個追加し、全呼び出しをログに残し、最大の失敗を直す |
| 3 | ガードレール:ID、上限、承認、監査ログ |
| 4 | 実ユーザー1人でシャドーモード運用、計測、次の判断 |
よくある失敗
- いきなりマルチエージェントにする。 エージェントを増やすとコストと失敗の形も増えます。当初は、優れたツールを持つ一つのエージェントが勝ちます
- 「テストだけ」の名目で広い認証情報を渡す。 テスト用の認証情報は本番に届きがちです
- 一度の良いデモで判断する。 判断基準は評価セットの合格率です
- ルールをプロンプトにしか書かない。 プロンプトは無視・上書きされ得ますが、ツールの権限はそうはなりません
- 責任者がいない。 業務責任者のいないエージェントには、成功の定義がありません
Simplicoにできること
当社は、エージェントのアクセスが通る層、すなわちIDとシングルサインオン、セキュリティ監視、ERPや工場システムとの連携を、日本、タイ、中国をはじめとするお客様向けに構築しています。最初のエージェントを作る際に、スコープ、権限、監査設計について第三者の目で確認したい場合は、hello@simplico.netまで、件名を「First agent」として、想定している業務を簡単にお知らせください。どこから始めるべきか、率直な見解をお返しします。本記事は情報提供を目的としており、特定の成果を保証するものではありません。
FAQ
AIエージェントの開発に機械学習の知識は必要ですか。
不要です。学習済みモデルをAPI経由で呼び出すため、必要なのは関数、HTTP、データ処理、テストといった一般的なソフトウェアの技能です。誤った回答に気づくために、ML理論よりも業務知識のほうが重要です。
最初にどのSDKを選ぶべきですか。
組織で利用承認済みのモデルに合うものです。OpenAI Agents SDKは最も軽く始められ、Google ADKは構造化され監査しやすいワークフローに向き、Claude Agent SDKはファイルやコマンドの中で働くエージェントに向きます。比較記事も、万能の勝者はいないと強調しています。
そもそもエージェントは必要ですか。
手順が毎回同じなら、モデル呼び出しを含む通常のワークフローで十分です。途中でモデルが見つけた内容によって経路が変わる場合に、エージェントを選びます。
費用はどれくらいかかりますか。
SDK自体は通常無料です。モデル利用料、ホスティング、監視、出力を確認する人の時間を見込み、パイロット前に試算してください。
社内システムへのアクセスを与えても安全ですか。
アクセスが狭く、元に戻せない操作に人の承認があり、すべての行動が記録されていれば、安全に運用できます。読み取り専用から始め、少しずつ広げてください。
MCPとは何で、使う必要はありますか。
エージェントをツールやデータにつなぐオープン標準です。必須ではありませんが、ツールを異なるエージェント製品で使い回したい場合に手戻りを減らせます。
参考資料
- Quickstart, Claude Agent SDK ドキュメント
- AI Agent SDK Comparison: OpenAI vs Google ADK vs Claude, Instinctools
- Claude Agents SDK vs. OpenAI Agents SDK vs. Google ADK, Composio
- Donating the Model Context Protocol and establishing the Agentic AI Foundation, Anthropic, 2025年12月9日
- Linux Foundation unveils Agentic AI standards group, IT Brief UK, 2025年12月
最新の記事
- つながった工場、開いたままの扉:製造・物流・OTが抱える6つのセキュリティの悩みと対策 November 16, 2026
- 測って、書いて、また入力する:精密加工工場が抱える6つのデータの悩みと解決策 November 16, 2026
- バックエンドが止まったら、充電器は全台止まるのか? 充電器オーナーが「OCPPエンドポイントのフォールバック」で本当に求めていること November 13, 2026
- 冷凍庫ハッキングは世界へ:各国政府の注意喚起と、制御装置を遠隔管理する全拠点向けリモートアクセス点検リスト November 11, 2026
- タイでのDC急速充電器の選び方:Sungrow 5機種を例に、設置後に必要なソフトウェアの仕事 November 4, 2026
- スーパーの冷蔵庫が50℃に——欧州コールドチェーン攻撃から、タイ拠点の食品・物流現場が学ぶべきこと November 4, 2026