Anthropicに学ぶAIエージェント構築ガイド、シンプルさが複雑さに勝つ

Anthropicの公式ブログで公開された、AIエージェント構築に関する最も有名な記事を紹介します。最大の教訓は、最も成功した実装はシンプルで組み合わせ可能なパターンに基づいており、複雑なフレームワークではないということです。

ワークフローとエージェントの違い

Anthropicはエージェント的システムを2種類に分類しています。

ワークフロー：LLMがあらかじめコーディングされた経路に沿って、順序だてて予測可能に動作します。明確で繰り返しの多いタスクに向いています。

エージェント：LLM自身がプロセスを決定し、使うツールを選び、処理の流れを自分でコントロールします。柔軟性やモデル主導の意思決定が必要な場合に向いています。

エージェントを作る前に、まず単一のLLM呼び出しを最適化しましょう。エージェント的システムはレイテンシとコストをパフォーマンスと引き換えにするものなので、このトレードオフはよく考える必要があります。

5つの基本ワークフローパターン

パターン1、プロンプトチェイニング：タスクを順番のステップに分割し、各ステップの間でプログラム的にチェックを行います。例えばマーケティングコピーを作成してから複数言語に翻訳する場合です。

パターン2、ルーティング：入力を分類してから適切なプロセスに振り分けます。例えば単純な質問は軽量モデルに、複雑な質問は強力なモデルに回します。

パターン3、並列化：セクショニング(独立したタスクへの分割)やボーティング(複数の視点を集める)によって、複数のタスクを同時に実行します。例えば一つのインスタンスが回答を作り、別のインスタンスが不適切な内容をチェックします。

パターン4、オーケストレーターとワーカー：中心となるLLMが動的にタスクを分配し、複数のワーカーLLMに委任します。例えば複数ファイルにまたがるコード修正では、オーケストレーターが入力に基づいてどのファイルを直すべきか判断します。

パターン5、評価者と最適化者：一つのLLMが生成し、別のLLMがフィードバックします。十分な品質になるまでこれを繰り返します。開発者とレビュアーのコードレビューに似た仕組みです。

プロンプトよりもツール設計が重要

Anthropicは、SWE-benchエージェントを構築する際、全体のプロンプトよりもツールの最適化に多くの労力を注いだと明かしています。

ツールの仕様書は本格的なプロンプトエンジニアリングに値します。実例として、相対パスではなく絶対ファイルパスを要求するように変更しただけで、ディレクトリ移動後のエラーが完全になくなり、SWE-benchエージェントの成績が大きく改善しました。

「ポカヨケ」の原則、つまりエージェントがミスをしにくいようにツールを設計するという考え方です。USB-Cが一方向にしか挿せないように、ツールもエージェントが誤った使い方をしないよう防ぐべきです。

実装の3原則

シンプルさ：できる限りシンプルなエージェント設計にすること。シンプルで組み合わせ可能なパターンは、複雑なフレームワークに勝ります。

透明性：プランニングのステップを明確に示し、ユーザーがエージェントの動きを理解できるようにすること。

ドキュメント化：ツールの定義を丁寧に文書化し、テストすること。優れたツールの説明文はシステムプロンプトと同じくらい重要です。

おすすめの進め方

ステップ1、検索(リトリーバル)とインコンテキストの例を使って単一のLLM呼び出しを最適化する。

ステップ2、予測可能なプロセスにはワークフローを実装する。

ステップ3、シンプルな解決策で不十分な場合に限りエージェントを導入する。

複雑さを追いかけないでください。成功とは、本当に必要な場面に適したシステムを作ることです。パフォーマンスを継続的に測定し、少しずつ改善していきましょう。この記事は、AIエージェントを作る前に最初に読むべき資料と言えます。