mcpField
A
agent-builder

agent-builder

github.com/shareai-labエージェントワークフロー79.4k283 回インストール1 日前に更新
リポジトリ

agent-builder について

Agent Builder は、業務、研究、運用などの AI エージェントを設計・構築するためのガイドです。機能、知識、コンテキストを軸に、シンプルなループから始め、利用状況に応じて拡張する方針を示します。

主な機能

  1. 01エージェントの中核機能の定義
  2. 02必要に応じて提供する専門知識の計画
  3. 03会話コンテキストの管理
  4. 04利用状況に応じた段階的な拡張
  5. 05実装リファレンスと雛形の提供

活用シーン

  1. 01カスタマーサービスや運用エージェントの計画
  2. 02調査・文書分析エージェントの設計
  3. 03基本機能から専門エージェントを構築

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/shareai-lab/learn-claude-code --skill agent-builder

インストール後、Claude Code で/agent-builderを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
agent-philosophy.md
minimal-agent.py
subagent-pattern.py
tool-templates.py
scripts/
init_agent.py

詳細

エージェントビルダー

カスタマーサービス、調査、運用、クリエイティブ業務、専門的なビジネスプロセスなど、あらゆる分野の AI エージェントを構築します。

中核となる考え方

モデルはすでにエージェントとして振る舞う方法を知っています。あなたの仕事は、邪魔をしないことです。

エージェントは複雑なエンジニアリングではありません。モデルが行動できるようにする、シンプルなループです。

LOOP:
  Model sees: context + available capabilities
  Model decides: act or respond
  If act: execute capability, add result, continue
  If respond: return to user

これだけです。 魔法はコードにあるのではなく、モデルにあります。コードは機会を提供するだけです。

3つの要素

1. 能力（何ができますか？）

エージェントが実行できる単一のアクションです。検索、読み取り、作成、送信、照会、変更などがあります。

設計原則：まずは3～5個の能力から始めます。能力が不足しているためにエージェントが繰り返し失敗する場合にのみ、追加します。

2. 知識（何を知っていますか？）

必要に応じて利用できるドメインの専門知識です。ポリシー、ワークフロー、ベストプラクティス、スキーマなどがあります。

設計原則：知識は必須ではなく、利用可能な状態にします。最初から読み込むのではなく、関連する場合に読み込みます。

3. コンテキスト（何が起きましたか？）

会話履歴です。アクションをつなぎ、一貫した振る舞いを生み出します。

設計原則：コンテキストは貴重です。ノイズの多いサブタスクを分離します。冗長な出力を切り詰めます。明確さを保ちます。

エージェント設計の考え方

構築する前に、次の点を把握します。

  • 目的：このエージェントに何を達成させますか？
  • 分野：どのような環境で動作しますか？（カスタマーサービス、調査、運用、クリエイティブ業務など）
  • 能力：不可欠なアクションはどの3～5個ですか？
  • 知識：どのような専門知識を利用できる必要がありますか？
  • 信頼：どのような判断をモデルに任せられますか？

重要：モデルを信頼してください。過度に作り込まないでください。ワークフローを事前に細かく指定しないでください。能力を与え、推論させましょう。

段階的な複雑化

シンプルな形から始めます。実際の利用で必要性が明らかになった場合にのみ、複雑さを加えます。

レベル追加するもの追加するタイミング
基本3～5個の能力常にここから始めます
計画進捗の追跡複数ステップのタスクで一貫性が失われる場合
サブエージェント分離された子エージェント探索によってコンテキストが汚染される場合
スキル必要に応じて利用する知識ドメインの専門知識が必要な場合

ほとんどのエージェントは、レベル2を超える必要はありません。

分野別の例

ビジネス：CRM の照会、メール、カレンダー、承認
調査：データベース検索、ドキュメント分析、引用
運用：監視、チケット、通知、エスカレーション
クリエイティブ：アセットの生成、編集、コラボレーション、レビュー

このパターンは普遍的です。変わるのは能力だけです。

主な原則

  1. モデルがエージェントそのものです - コードはループを実行するだけです
  2. 能力が実行を可能にします - 何ができるか
  3. 知識が実行の参考になります - 何をどのようにすればよいかを知っているか
  4. 制約が焦点を定めます - 制限によって明確さが生まれます
  5. 信頼が可能性を広げます - モデルに推論させましょう
  6. 反復によって必要なものが見えてきます - 最小限から始め、利用状況に応じて進化させます

アンチパターン

パターン問題解決策
過度な作り込み必要になる前に複雑化するシンプルに始める
能力が多すぎるモデルが混乱する最初は3～5個にする
固定的なワークフロー適応できないモデルに判断させる
知識を最初から詰め込むコンテキストが肥大化する必要に応じて読み込む
細かく管理しすぎる知性の力を損なうモデルを信頼する

リソース

考え方と理論：

  • references/agent-philosophy.md - エージェントが機能する理由を詳しく解説

実装：

  • references/minimal-agent.py - 動作する完全なエージェント（約80行）
  • references/tool-templates.py - 能力の定義
  • references/subagent-pattern.py - コンテキストの分離

スキャフォールディング：

  • scripts/init_agent.py - 新しいエージェントプロジェクトを生成

エージェントの考え方

以前：「システムにXを実行させるにはどうすればよいか？」 これから：「モデルがXを実行できるようにするにはどうすればよいか？」

以前：「このタスクのワークフローは何か？」 これから：「達成に役立つ能力は何か？」

最良のエージェントのコードは、ほとんど退屈なほどシンプルです。単純なループ。明確な能力。すっきりとしたコンテキスト。魔法はコードにあるのではありません。

モデルに能力と知識を与え、残りはモデルが判断できると信頼しましょう。

コメント

Markdown 対応