configs-create

Config の作成

あなたは、LaunchDarkly で Config を作成する手順を案内するスキルを使用しています。あなたの役割は、ユースケースを理解し、適切なモードを選択し、Config とそのバリエーションを作成し、すべてが正しく設定されていることを検証することです。

⚠️ このスキルは Config を作成しますが、それを配信可能にするわけではありません。 作成直後の Config は、フォールスルーが自動生成された無効なバリエーションを指しており、あなたが今作成したバリエーションを指していません。ターゲティングを有効にしてフォールスルーを新しいバリエーションに向けるまで、SDK は評価のたびに ai_config.enabled=False を返します。これはバグではなく、デフォルトの状態です。SDK に対して検証を行う前に /configs-targeting（またはステップ 5 に示す同等の REST / CLI 呼び出し）を実行する必要があります。そうしないと、LD から配信される経路が壊れているわけではないのに、壊れているように見えてしまいます。このスキルでユーザーが遭遇する最も一般的な失敗パターンは、ターゲティングのステップを飛ばし、アプリケーションコードで enabled=False をデバッグする時間を費やしてしまうことです。

前提条件

このスキルを使用するには、リモートでホストされている LaunchDarkly MCP サーバーが環境内で設定されている必要があります。

主要な MCP ツール:

• setup-ai-config -- Config とその最初のバリエーションを 1 ステップで作成します（推奨）

代替の MCP ツール（より細かい制御が必要な場合）:

• create-ai-config -- Config のシェルのみを作成します（キー、名前、モード）
• create-ai-config-variation -- モデル、プロンプト、パラメーターを含むバリエーションを追加します
• get-ai-config -- Config が正しく作成されたことを検証します

オプションの MCP ツール（ワークフローを強化）:

• list-ai-configs -- 既存の Config を参照して命名規則を把握します
• create-project -- プロジェクトがまだ存在しない場合に作成します

重要: 行動を優先する

ユーザーが十分なコンテキスト（ユースケース、モデル、モード）を提供した場合、推測できる詳細を尋ねるために停止することなく、ワークフロー全体を進めてください。指定されていないフィールドには妥当なデフォルトを使用します。バリエーションキーには default、instructions/messages の基礎にはユースケース、Config キーには kebab-case を使用します。すべてのステップ（作成 + 検証）を 1 回のパスで完了してください。

ワークフロー

ステップ 1: ユースケースを理解する

作成する前に、何を構築するのかを明確にします:

• どのフレームワークですか? LangGraph、LangChain、CrewAI、Strands、OpenAI SDK、Anthropic SDK、カスタム
• エージェントに必要なものは何ですか? テキスト生成だけですか、それともツール／関数呼び出しですか?
• エージェントですか、それとも完了ですか? 以下の判断マトリックスを参照してください

ステップ 2: エージェントモードと完了モードの選択

この選択は、実行時の動作ではなく、入力スキーマとフレームワークの互換性に関するものです。エージェントモードは instructions 文字列を返し、完了モードは messages 配列を返します。どちらもプロバイダーの抽象化、A/B テスト、メトリクスの追跡を提供します。

あなたのニーズ	モード	理由
LangGraph、CrewAI、Strands、AutoGen フレームワーク	エージェント	フレームワークは goal/instruction 入力を期待します
やり取りをまたいで持続する instructions	エージェント	単一の instructions 文字列、SDK メソッド: agent_config()（Python）/ agentConfig()（Node）
直接の OpenAI/Anthropic API 呼び出し	完了	messages 配列がプロバイダー API に直接対応します
メッセージ構造の完全な制御	完了	system/user/assistant のロールベースのメッセージ
単発のテキスト生成	完了	標準的なチャット形式
オンライン評価（LLM-as-judge）が必要	完了	オンライン評価は完了モードでのみ利用可能です

どちらのモードもツールをサポートします。 すべてのモデルがエージェントモードをサポートしているわけではありません。エージェントモードを使用する場合はモデルの互換性を確認してください。不明な場合は、完了モードから始めてください（API のデフォルトであり、より柔軟です）。

ステップ 3: 設定を作成する（推奨: 1 ステップ）

setup-ai-config を使用すると、設定とその最初のバリエーションを 1 回の呼び出しで作成できます。これが推奨されるアプローチです。作成、バリエーションの設定、検証を自動的に処理します。

設定フィールド:

• key -- 一意の識別子（小文字、ハイフン）
• name -- 人間が読める名前
• mode -- "agent" または "completion"
• 任意: description、tags

バリエーションフィールド:

• variationKey、variationName -- 最初のバリエーションの識別子
• modelConfigKey -- Provider.model-id 形式である必要があります（例: OpenAI.gpt-4o、Anthropic.claude-sonnet-4-5）
• modelName -- モデルの識別子（例: gpt-4o）。必ず最初の呼び出しでこれを渡してください — 省略すると、「NO MODEL」と表示されるバリエーションが生成され、設定するために 2 回目の PATCH が必要になります。フィールドは modelName であり、このエンドポイントでは name や model.name ではありません。

エージェントモードの場合、次を指定します:

• instructions -- エージェントのシステム指示を含む文字列

エージェントモードの呼び出し例:

{
  "projectKey": "my-project", "key": "support-agent", "name": "Support Agent",
  "mode": "agent", "variationKey": "default", "variationName": "Default",
  "modelConfigKey": "OpenAI.gpt-4o", "modelName": "gpt-4o",
  "instructions": "You are a customer support agent. Help users resolve their issues."
}

completion モードの場合、次を指定します:

• messages -- {role, content} オブジェクトの配列（system、user、assistant）

completion モードの呼び出し例:

{
  "projectKey": "my-project", "key": "product-descriptions", "name": "Product Descriptions",
  "mode": "completion", "variationKey": "default", "variationName": "Default",
  "modelConfigKey": "Anthropic.claude-sonnet-4-5", "modelName": "claude-sonnet-4-5",
  "messages": [
    {"role": "system", "content": "You are a product copywriter. Write compelling descriptions."},
    {"role": "user", "content": "Write a description for: {{product_name}}"}
  ]
}

任意:

• parameters -- {temperature: 0.7, max_tokens: 2000} のようなモデルパラメーター（UI の snake_case キーに合わせてください）

ツールは、バリエーションが付属した完全な検証済み設定の詳細を返します。

ステップ 3（代替）: 2 ステップでの作成

ユーザーがより細かい制御やステップバイステップのアプローチを求めた場合は、個別のツールを使用します:

1. create-ai-config -- 設定のシェルを作成します
2. create-ai-config-variation -- モデル、プロンプト、パラメーターを含むバリエーションを追加します
3. get-ai-config -- 結果を検証します

詳細を尋ねるために停止することなく、3 つのステップすべてを実行してください。 ユーザーのリクエストのコンテキストから、バリエーションキー（default）、名前（Default）、instructions/messages、およびモデルを推測してください。ユーザーが GPT-4o のエージェントモードを求めたのであれば、フロー全体を完了するのに十分な情報があります。モードまたはモデルが本当に曖昧な場合にのみ、明確化のための質問をしてください。

ステップ 4: 検証

setup-ai-config を使用した場合、検証は自動です。レスポンスにはバリエーションを含む完全な設定が含まれます。次を確認してください:

1. 設定が正しいモードで存在している
2. バリエーションにモデルが割り当てられている（「NO MODEL」ではない）
3. instructions または messages が存在している
4. parameters が設定されている

検証の呼び出しには get-ai-config を使用してください — 生の curl + jq に落とし込まないでください。 MCP ツールは、直接検査できる型付きオブジェクトを返します。REST レスポンスに対して手作業で書いた jq フィルターは頻繁に壊れます。設定詳細エンドポイントは expand に応じて異なるキーの下でバリエーションリストを返し、.variations.items[] のようなフィルターは、レスポンスの形状が素の配列である場合に Cannot index array with string "items" で失敗します。REST API を呼び出す必要がある場合は、掘り下げる前にまず jq -e . を使用して実際の形状を検査してください。

結果を報告する:

• 設定が正しい構造で作成された
• バリエーションにモデルが割り当てられている
• 欠落しているモデルやパラメーターがあれば指摘する
• 設定 URL を提供する: https://app.launchdarkly.com/projects/{projectKey}/ai-configs/{configKey}

ステップ 5: バリエーションを配信可能にする

setup-ai-config と create-ai-config-variation はバリエーションを作成しますが、それをフォールスルーに昇格させません。ターゲティングが更新されるまで、新しい設定はすべてのコンシューマーに対して enabled=False を返します。これは、最もよくある「設定を作成したのに SDK が依然としてフォールバックを受け取る」という失敗です。このステップが完了するまで、ワークフローは完了しません。

ユーザーに伝える内容

ステップ 4 の後、このチェックリストをそのままユーザーに出力し、確認を待ちます。ユーザーがフォールスルーが切り替わったことを確認するまで、スキルが成功したと主張しないでください。

✅ コンフィグとバリエーションが作成されました。

🔴 ターゲティングをオンに切り替えるまで、SDK は enabled=False を返します。 フォールスルーは現在、自動作成された無効なバリエーションを指しており、あなたが作成した {variationKey} を指していません。

次のステップ — /configs-targeting を実行し、以下の入力を指定します:

• プロジェクトキー: {projectKey}
• コンフィグキー: {configKey}
• 環境キー: .env 内に SDK キーがある環境（通常は test または production）
• フォールスルーバリエーション: {variationKey}（このスキルが作成したもの）

ターゲティングの切り替え後、以下で確認します:

1. LD UI でコンフィグを開き、正しい環境に切り替え、「デフォルトルールで提供: {variationName}」がターゲティング オン で表示されることを確認します。
2. 簡単なテストを実行します: ai_config = ai_client.{completion|agent}_config(...) を実行し、ai_config.enabled is True をアサートします。

兄弟スキルを呼び出さずにターゲティングを切り替えたい場合の直接ショートカット

configs-targeting が正規のパスです — パーセンテージロールアウト、ターゲットルール、バリエーション ID の検索を処理します。しかし最も単純なケース（「新しいバリエーションを 1 つの環境のフォールスルーに昇格させる」）では、新しいバリエーションの _id がわかれば、基盤となるセマンティック PATCH を自分で実行できます。

バリエーション ID を取得します（get-ai-config MCP を使用するか、以下を実行）:

curl -s "https://app.launchdarkly.com/api/v2/projects/$PROJECT/ai-configs/$CONFIG_KEY/targeting?env=$ENV" \
  -H "Authorization: {api_token}" -H "LD-API-Version: beta" \
  | jq '.variations[] | {key, _id}'

フォールスルーをそれを指すように切り替えます:

curl -X PATCH "https://app.launchdarkly.com/api/v2/projects/$PROJECT/ai-configs/$CONFIG_KEY/targeting?env=$ENV" \
  -H "Authorization: {api_token}" \
  -H "Content-Type: application/json; domain-model=launchdarkly.semanticpatch" \
  -H "LD-API-Version: beta" \
  -d '{"instructions":[{"kind":"updateFallthroughVariationOrRollout","variationId":"<id-from-step-above>"}]}'

または、LD CLI がローカルにインストールされている場合は同じことを CLI で実行します:

ldcli resources ai-configs update-ai-config-targeting \
  --projectKey $PROJECT --configKey $CONFIG_KEY --envKey $ENV \
  --data '{"instructions":[{"kind":"updateFallthroughVariationOrRollout","variationId":"<id>"}]}'

turnTargetingOn は使用しないでください — そのセマンティックパッチ命令はコンフィグに対しては 機能しません。updateFallthroughVariationOrRollout が実際にフォールスルーを切り替える唯一の命令です。

modelConfigKey の形式

UI でモデルを表示するために必要です。形式: {Provider}.{model-id}

• OpenAI.gpt-4o
• OpenAI.gpt-4o-mini
• Anthropic.claude-sonnet-4-5
• Anthropic.claude-3-5-sonnet

create-ai-config-variation ツールはこの形式を検証し、無効な値を拒否します。

エッジケース

状況	対応
コンフィグがすでに存在する	代わりに更新するかどうかをユーザーに確認します
バリエーションが「NO MODEL」と表示される	update-ai-config-variation を使用して modelConfigKey を設定します
ツールをアタッチする必要がある	まずツールを作成し（tools スキル）、その後でバリエーションを更新します

やってはいけないこと

• ユースケースを理解せずにコンフィグを作成しないでください
• 2 段階のプロセス（コンフィグ、次にバリエーション）を省略しないでください
• 初回作成時にツールをアタッチしようとしないでください -- 後でバリエーションを更新します
• modelConfigKey を忘れないでください（モデルが UI に表示されません）
• 初回のバリエーション呼び出しから modelName を省略しないでください。これは作成時に必須です。フォローアップの PATCH で設定するのはバグの回避策であり、意図されたフローではありません。PATCH のフィールドも name ではなく modelName です。
• 検証のために生の curl + jq に頼らないでください。get-ai-config（MCP）を使用してください — 型付きオブジェクトを返し、レスポンス形状の変動で壊れる脆い jq フィルターを避けられます。
• ユーザーに configs-targeting の実行を伝えるまで、ワークフローが完了したとみなさないでください。フォールスルーに昇格されていない作成済みのバリエーションは、すべてのコンシューマーに enabled=False を返します。

その他のリソース

LaunchDarkly UI でコンフィグを作成する方法の詳細については、コンフィグの作成をお読みください。

SDK の設定方法の詳細については、以下をお読みください:

• .NET AI SDK リファレンス
• Go AI SDK リファレンス
• Node.js（サーバーサイド）SDK AI リファレンス
• Python AI SDK リファレンス
• Ruby AI SDK リファレンス

関連スキル

• tools -- アタッチする前にツールを作成します
• configs-variations -- 実験用にさらにバリエーションを追加します
• configs-update -- 学びに基づいて設定を修正します