AIエージェントエンジニアリング入門

はじめに#

記事①では、プロンプト単体の設計技術を扱いました。6つの構成要素を使って指示を構造化し、Zero-shot / Few-shot / Chain-of-Thoughtを使い分けることで、AIの出力品質を高める方法を学びました。

しかし、1回のプロンプトでは完結しない業務も多くあります。たとえば、サーバーのログを確認し、異常があれば設定を修正し、反映結果を確認する。この一連のタスクをプロンプト単体で処理しようとすると、人間が「ログを見せて」「次はこのファイルを編集して」「構文チェックして」と1ステップずつ手動で指示を送る必要があります。

ここで登場するのがAIエージェントです。エージェントとは「LLM（大規模言語モデル）がツールを使いながら、ループでタスクを自律的に進める仕組み」です。人間が最初の指示を出すだけで、エージェントは自分で「次に何をすべきか」を判断し、ツールを実行し、結果を確認し、必要なら修正を繰り返します。

この記事では、以下の3つを扱います。

1. AIエージェントの構成要素（LLM + ツール + ループ）とその分類
2. Claude Codeのインストールと基本操作
3. CLAUDE.mdによるエージェント制御の実践

プロンプト設計の基礎用語（6構成要素、Zero-shot / Few-shot / Chain-of-Thought等）は記事①で解説済みのため、この記事では再説明しません。未読の方は先に①を読むことを推奨します。

前提条件#

この記事は、以下の前提知識を持つ方を対象としています。

• コマンドライン操作（Linux / Windows）ができる
• 記事①の内容（プロンプトの6構成要素、基本テクニック）を理解している

必要な環境#

AIエージェントとは何か ― LLM + ツール + ループ#

従来のLLM利用とエージェントの違い#

従来のLLM利用は、以下のような流れです。

1. 人間がプロンプトを送信する
2. LLMが回答を返す
3. 人間が結果を判断し、次のアクションを決める
4. 再び人間がプロンプトを送信する

これは「手動運転」に近い形です。LLMが優秀でも、各ステップで人間が介入し、次の指示を出す必要があります。

エージェントは、これを「自動運転」に変えます。

1. 人間がタスクを依頼する
2. LLMが「次に何をすべきか」を自ら判断する
3. ツール（コマンド実行、ファイル操作等）を実行する
4. 実行結果を確認する
5. タスクが完了するまで、2〜4を自律的に繰り返す
6. 完了したら、結果を人間に返す

人間が介入するのは最初の依頼と最後の結果確認だけです。途中の判断・実行・検証はエージェントが自律的に行います。

エージェントの3つの構成要素#

Anthropicは2024年12月公開のブログ記事「Building effective agents」において、エージェントを以下のように定義しています。

エージェント = LLMがツールを自律的にループで使用するシステム
（”LLMs autonomously using tools in a loop”）

この定義をもとに、本記事ではエージェントの構成要素を以下の3つに整理します（Anthropic公式の分類とは異なる、本記事独自の整理です）。

ツールを持たないLLMはただのチャットボットです。ループしないLLMはただの1回限りのAPI呼び出しです。3要素すべてが揃って初めてエージェントとして機能します。

ワークフローとエージェントの違い（Anthropic公式分類）#

Anthropicはエージェントシステムを、以下の2つに分類しています。

ワークフローは「手順書通りに実行するスクリプト」、エージェントは「状況に応じて判断する担当者」と考えると分かりやすいです。

5つの構成パターン#

Anthropicは、ワークフローの構成パターンとして以下の5つを提示しています。エージェントはこれらとは別に、LLMが処理を動的に制御する独立した概念として定義されています。

出典: Building Effective AI Agents – Anthropic

エージェントの分類#

エージェントは規模に応じて、以下の2つに分類できます。

• 単一エージェント: 1つのLLMが1つのループでタスクを処理する。本記事の実践例はこの形式
• マルチエージェント（Agent Team）: 複数のエージェントが役割分担して協調動作する。本ブログの執筆フローが実例（後述）

この記事では単一エージェントの基礎を学びます。マルチエージェントの概念は後半で紹介しますが、詳細な設計手法は記事③で扱います。

Claude Codeの導入と基本操作#

Claude Codeとは#

Claude Codeは、Anthropicが提供するCLI（コマンドラインインタフェース）型のAIエージェントです。ターミナル上で動作し、ファイル操作・コマンド実行・コード編集・Web検索などのツールを組み込みで備えています。

つまり、前章で説明した「LLM + ツール + ループ」がすでに統合されたエージェント環境です。インストールした時点で、エージェントとして動作する準備が整います。

VS Code拡張としても利用可能ですが、本記事ではCLI版を使用します。

インストール手順#

推奨はネイティブインストーラーです。依存関係が不要で、自動更新にも対応しています。

macOS / Linux:

curl -fsSL https://claude.ai/install.sh | bash

Windows（PowerShell）:

irm https://claude.ai/install.ps1 | iex

インストール後の確認:

claude doctor    # インストールの検証（環境チェック）
claude --version # バージョン確認

初回起動と認証:

claude

初回実行時にAnthropicアカウントでの認証が求められます。ブラウザが開き、認証が完了するとターミナルに戻ります。

出典: Set up Claude Code – Anthropic

基本操作#

Claude Codeには3つの実行モードがあります。

対話モード中は、スラッシュコマンドで各種操作が可能です。

パーミッションモデル（承認フロー）:

Claude Codeはファイル操作やコマンド実行の前に、ユーザーの承認を求めます。たとえば、rm コマンドを実行しようとすると「このコマンドを実行しますか？」と確認が表示されます。安全性を確保しつつ、許可リストに登録したツールは自動で承認することも可能です。

Claude Codeが持つツール一覧#

Claude Codeには以下のツールが組み込まれています。

これらのツールが揃っているため、Claude Codeはインストール直後からエージェントとして機能します。人間が「ログを分析して」と指示を出すだけで、Claude Codeは自律的にRead（ログ読み取り）→ Grep（パターン検索）→ Bash（追加調査）→ Write（レポート出力）とツールを組み合わせて作業を進めます。

CLAUDE.mdによるエージェントの制御#

CLAUDE.mdとは#

CLAUDE.mdは、Claude Codeの動作を制御するMarkdown形式の設定ファイルです。プロジェクトのディレクトリに配置すると、Claude Codeが会話開始時に自動で読み込みます。

記事①で学んだプロンプト設計を思い出してください。「役割」「制約」「出力形式」などを毎回プロンプトに書いていたのは手間でした。CLAUDE.mdは、こうした指示をファイルとして永続化・体系化したものです。毎回プロンプトに書かなくても、CLAUDE.mdに記載しておけば自動で適用されます。

CLAUDE.mdの階層構造#

CLAUDE.mdは4つのレベルで設定を管理できます。

優先順位は「マネージド > サブディレクトリ > プロジェクト > ユーザー」です。下位の設定が上位の設定を上書きし、マネージドポリシーは常に最優先で適用されます。

この階層構造は、インフラエンジニアに馴染みのある設定管理の考え方と共通しています。たとえばAnsibleのvariable precedence（変数の優先順位）や、nginxの設定ファイルの継承構造と似た概念です。グローバルなデフォルト値を定義しつつ、個別のプロジェクトやディレクトリで上書きできる仕組みです。

また、CLAUDE.mdに加えて.claude/rules/ディレクトリにルールファイルを分割配置することも可能です。

CLAUDE.mdの基本的な書き方#

インフラ業務向けのシンプルなCLAUDE.mdの例を示します。

# CLAUDE.md

## プロジェクト情報
- サーバーOS: AlmaLinux 10
- 管理対象: nginx 1.26 / PHP-FPM 8.3 / MariaDB 10.11

## 基本ルール
- コマンドは必ずsudo付きで出力する
- 設定変更前にバックアップコマンドを含める
- SELinuxが有効であることを前提とする

## 出力形式
- シェルスクリプト形式で出力する
- 各コマンドにコメントを付記する

このCLAUDE.mdがあるディレクトリでClaude Codeを起動すると、上記ルールが自動で適用されます。たとえば「nginxの設定を変更して」と指示すると、sudoコマンド付きで、バックアップ処理を含めた手順が出力されます。CLAUDE.mdがなければ、これらの条件を毎回プロンプトに書く必要があります。

本ブログの実例 ― 多層CLAUDE.md構成#

本ブログ（インフラエンジニアの羅針盤）では、実際にCLAUDE.mdの階層構造を活用して記事を執筆しています。

C:\ClaudeWorkspaces\
├── CLAUDE.md                  ← プロジェクト設定（言語・文体・チーム定義）
└── series\generative-ai\
    └── CLAUDE.md              ← サブディレクトリ設定（記事構成・キーワード）

グローバルCLAUDE.md（上位）に定義している内容:

• 言語設定（日本語で出力）
• 文体ルール（です・ます調、禁止表現の一覧）
• Agent Team構成（6つのInstanceの役割定義）
• HTML納品ルール（WordPress / PersonalNote向け）

シリーズCLAUDE.md（下位）に定義している内容:

• 記事ごとの詳細設定（カバーする内容、含めないもの）
• キーワード戦略（メインキーワード、サブキーワード）
• 各Instanceへの追加指示（シリーズ固有の注意事項）

この構成のメリットは、グローバルなルール（文体・品質基準）を1箇所で管理しつつ、シリーズ固有の設定を分離できる点です。グローバルCLAUDE.mdを変更すれば、全シリーズに反映されます。

実践 ― インフラ業務でのエージェント活用#

ここからは、Claude Codeを使って実際にエージェントを動かします。3つの実践例を難易度順に配置しています。

実践1: 5分ハンズオン ― サーバーログ分析（入門）#

最初の実践は、コピー&ペーストで即再現できる最小構成です。エージェントの動作を最短で体験します。

ステップ1: CLAUDE.mdを作成する

作業ディレクトリに以下の内容でCLAUDE.mdを作成します。

# CLAUDE.md
- 対象OS: AlmaLinux 10
- ログ分析時は ERROR / CRITICAL / OOM を重点的に確認する
- 分析結果は「検出項目・重要度・推奨対応」の表形式で出力する

ステップ2: Claude Codeで1行の指示を実行する

claude "直近の /var/log/messages を分析して異常がないか確認してください"

ステップ3: エージェントの動作を観察する

Claude Codeは以下のようにツールを組み合わせて自律的に作業を進めます。

1. Read でログファイルを読み取る
2. Grep でERROR / CRITICAL / OOMパターンを検索する
3. LLMが検出結果を分析し、重要度を判定する
4. CLAUDE.mdで指定した表形式で結果を出力する

たった1行の指示で、Claude Codeは「どのツールを使うか」「どの順番で処理するか」を自分で判断し、ループで作業を進めます。これがエージェントの基本動作です。

実践2: Before/After比較 ― プロンプト単体 vs エージェント（中級）#

記事①で扱ったnginx設定生成のタスクを題材に、「プロンプト単体」と「エージェント」の違いを具体的に比較します。

Before: プロンプト単体のアプローチ（記事①の方法）

After: エージェントのアプローチ（この記事の方法）

app.example.com のリバースプロキシ設定を作成して、構文チェックまで実行してください。
バックエンドは localhost:8080 です。HTTPS必須で、HTTP/2を有効にしてください。

プロンプト単体では「生成」で止まります。エージェントは「生成→検証→修正」のループを回します。この差がエージェントを使う利点です。

実践3: 構築手順の自動生成 + 実行検証エージェント（上級）#

エージェントのループが最も効果を発揮するのは、「生成→実行→検証→修正」のフルサイクルです。

タスク: AlmaLinux 10にnginx + PHP-FPM環境を構築する手順書を生成し、各コマンドの実行可否を検証する。

ステップ1: CLAUDE.mdに環境と出力形式を定義する

# CLAUDE.md

## 環境
- OS: AlmaLinux 10 minimal
- SELinux: 有効

## 手順書フォーマット
各ステップは以下の3点を必ず含めること:
1. 実行コマンド（sudo付き・コピー&ペースト可能）
2. 期待結果（コマンド実行後に確認すべき出力）
3. 補足（注意点や背景情報）

ステップ2: Claude Codeに手順書の生成と検証を指示する

claude "nginx + PHP-FPM環境の構築手順書を作成してください。各コマンドは実際に実行して動作確認し、エラーがあれば手順を修正してください。"

ステップ3: Claude Codeのフルサイクル動作

Claude Codeは以下のサイクルを自律的に実行します。

1. Write で手順書のドラフトを作成する
2. Bash で手順書内の各コマンドを実行する
3. エラーが発生した場合、Edit で手順書を修正する
4. 修正したコマンドを再び Bash で実行する
5. 全コマンドが正常に通るまでループを繰り返す
6. 検証済みの手順書を出力する

記事①の「ドキュメント作成」プロンプト例では、手順書を「生成」するだけでした。エージェントを使うと、生成した手順を実際に実行し、動かない箇所を自動で修正します。手順書の品質がループのたびに上がっていく点が、エージェントの強みです。

エージェントが変えるインフラエンジニアの仕事#

工程別エージェント活用の俯瞰#

インフラエンジニアの担当工程ごとに、エージェント活用で「何が変わるか」を整理します。

この表で重要なのは、すべての工程で「人間が担う役割」が残っている点です。エージェント導入後も、判断・承認・意思決定は人間の仕事です。エージェントが担うのは「ドラフト生成・検証・定型作業の自動化」の部分であり、人間の役割は「作業者」から「判断者・レビュアー」に変わります。

Agent Team ― マルチエージェント構成の紹介#

単一エージェントにすべてを任せると、タスクが複雑になるほど品質が下がります。調査・執筆・検証・レビューを1つのエージェントに同時にやらせると、各作業の専門性が薄れるためです。

この問題を解決するのが、マルチエージェント（Agent Team）です。複数の専門エージェントが役割を分担し、協調動作する構成です。

本ブログの執筆フローを実例として紹介します。

Lead（指揮官）← 全体の進行管理・最終統合
├── Researcher（技術調査）← 公式ドキュメント・最新情報の収集
├── Writer（記事執筆）← draft.md / final.html の執筆
├── Verifier（コード検証）← コマンド・手順の動作検証
├── Reviewer（品質監査）← 文体・AdSense・E-E-A-Tチェック
└── Designer（ビジュアル設計）← アイキャッチ仕様・図解・レイアウト

Agent Teamの利点:

• 専門性の分離: 各エージェントが1つの役割に集中するため、出力品質が高い
• 並列実行による効率化: Verifier・Designer・Reviewerが同時に作業できる
• 品質の多角的チェック: 技術検証・文体チェック・ビジュアル確認を別々のエージェントが担当する

Claude CodeのAgentツールを使うと、メインのエージェント（Lead）からサブエージェントを起動できます。サブエージェントは独立したコンテキストウィンドウで動作し、完了後に結果だけをメインに返します。

まとめ#

この記事で扱った内容を整理します。

• AIエージェントの3要素: LLM（頭脳）+ ツール（手足）+ ループ（行動サイクル）。3要素すべてが揃って初めてエージェントとして機能する
• ワークフローとエージェントの違い: ワークフローは処理の流れが固定。エージェントはタスクの達成方法を自律的に決定する
• Claude Codeの導入: ネイティブインストーラーでインストールし、CLAUDE.mdで動作を制御する
• 実践例: ログ分析（入門）、nginx設定のBefore/After比較（中級）、構築手順の生成+検証（上級）の3つを通じて、エージェントの「生成→検証→修正」ループを体験した
• 工程別俯瞰: インフラエンジニアの全工程でエージェントは「ドラフト生成・検証・定型作業」を担い、人間は「判断・承認・意思決定」に集中する

次にやること#

1. Claude Codeをインストールし、実践1（5分ハンズオン）を自分の環境で実行する
2. 自分の作業ディレクトリにCLAUDE.mdを1つ作成し、普段の業務タスクをエージェントに任せてみる
3. 工程別俯瞰表を見て、自分の担当工程で最もエージェント化の効果が高そうな作業を1つ選ぶ

前の記事・次の記事#

前の記事 → ①プロンプトエンジニアリング

次の記事では、エージェントの品質を決める「コンテキスト（情報設計）」の技術を扱います。エージェントの出力品質は、与えるコンテキスト ― CLAUDE.md・ドキュメント・ツール定義 ― の設計で決まります。この「情報設計」を体系的に学ぶのが記事③（コンテキストエンジニアリング）です。

次の記事 → ③コンテキストエンジニアリング

リンク