本文へ移動
← 目次 AIエージェント0→1 DAY 08

第2章|エージェントを動かす部品を確かめる。

DAY 08 ・ 約15〜20分

ツール・API・Function Calling

モデルの判断を、外部の情報取得や現実の操作へ安全につなぐ。

今日できるようになること

ツール呼び出しの流れを説明し、入力検証・権限・承認・実行証拠を備えた最小設計を作れる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

ツール

モデルの外側にある検索、計算、データ取得、保存などの機能。使える機能と入力形式をモデルへ説明します。

API

異なるプログラム同士が、決められた要求と応答の形式で機能やデータをやり取りする接点。

Function Calling

モデルが、用意された関数の中から使う候補と引数を構造化して返す仕組み。実行そのものはアプリ側が行います。

JSON Schema

入力項目の名前、型、必須項目、許可する値などを機械が検査できる形で表す規則。

冪等性

同じ要求を複数回受けても、意図しない二重送信や二重決済を起こさない性質。

引数検証

第三に、必要なら関数名と引数を含むツール呼び出しを返します。

副作用

ツールの説明と実際の副作用を一致させると、モデルだけでなく人の監査もしやすくなります。

02|仕組みを理解する

仕組みを理解する

モデルだけでは外の世界を確認できない

言語モデルは入力から出力を作りますが、学習済み知識だけで今日の天気、在庫、注文状況を確認できず、メール送信や予定登録の権限も持ちません。外部情報や操作へつなぐ部品がツールです。 「東京の今の天気を調べ、雨なら傘を勧める」場合、モデルは天気取得ツールと引数を提案し、ツールが外部サービスからデータを取得します。モデルは返された情報から説明を作ります。 ツール付きエージェントは情報取得を一連の仕事へ組み込めますが、接続だけで正確・安全にはなりません。使用ツール、権限、入力、結果の確認を周囲のプログラムが管理します。

APIは外部機能と話すための約束

APIはApplication Programming Interfaceの略で、別のプログラムの機能やデータを利用するための接点です。レストランで注文を受ける窓口のように、何を頼めるか、どの項目が必要か、成功時と失敗時に何が返るかが決められています。天気APIなら地域、日時、単位を受け取り、気温や降水確率を返します。注文APIなら注文番号を受け取り、配送状態を返します。 APIを使えば、モデルが直接データベースの内部構造を知る必要はありません。アプリ側が「注文状態を調べる」という限定された機能を用意し、必要な情報だけを返せます。内部システムを丸ごと公開せず、利用者認証、回数制限、監査ログもAPI側で管理できます。この境界があることで、モデルの判断と業務システムの責任を分けられます。 一方、APIがあることは、モデルが自由に使ってよいことを意味しません。認証情報が必要で、利用者ごとの権限もあります。利用料金、通信失敗、速度制限、仕様変更も考慮します。モデルへ秘密鍵を文章として渡すのではなく、実行基盤が安全に保持し、許可された呼び出しだけへ付与します。応答が返っても、対象利用者、日時、状態コード、必要項目を確認してから次へ進みます。

Function Callingは実行命令ではなく構造化された提案

OpenAIの公式資料では、Function CallingはTool Callingとも呼ばれ、モデルを外部の機能やデータへ接続する方法として説明されています。アプリは利用可能な関数の名前、目的、引数の形式をモデルへ渡します。モデルは依頼を読み、必要なら「この関数を、この引数で使いたい」というツール呼び出しを返します。 重要なのは、モデルが関数を直接実行するのではないことです。ツール呼び出しはアプリへの提案です。アプリは関数名が許可されているか、引数が形式に合うか、利用者に権限があるか、承認が必要かを検査します。合格した時だけ実際のAPIやプログラムを実行し、その結果を呼び出しIDと結び付けてモデルへ戻します。モデルは結果を読んで最終回答を作るか、次のツールを選びます。 この分離を理解すると、「AIがメールを送った」という言葉の意味を正しく確認できます。モデルが送信ツールを選んだだけなのか、アプリが実行したのか、外部サービスが受理したのかは別の段階です。送信完了は、モデルの文章ではなく、送信APIの成功結果や送信済み履歴で確かめます。

ツール呼び出しは六つの段階で進む

基本の流れは六段階です。第一に、アプリが利用者の依頼と利用可能なツール定義をモデルへ渡します。第二に、モデルが文章で答えるか、ツールが必要かを判断します。第三に、必要なら関数名と引数を含むツール呼び出しを返します。第四に、アプリが形式、権限、業務規則、承認状態を検査して実行します。第五に、実行結果またはエラーを元の呼び出しと対応させてモデルへ戻します。第六に、モデルが結果を説明するか、追加の行動を選びます。 注文状況の問い合わせなら、モデルは注文番号を抽出して状態取得関数を提案します。アプリはログイン中の利用者がその注文を閲覧できるか照合し、注文APIを呼びます。返った「発送済み」と配送日時をモデルへ渡し、モデルが自然な文章で説明します。注文番号の形式が違う、他人の注文である、APIが停止中なら、実行せず適切なエラーとして扱います。 途中の各段階をログへ残すと、誤りの場所を特定できます。モデルが誤った関数を選んだのか、引数が不足したのか、権限検査で止まったのか、外部APIが失敗したのか、最終説明が結果を読み違えたのかを分けます。すべてを「AIが失敗した」でまとめると、修正すべき部品が分かりません。

良いツール定義はできることと境界を具体的に書く

モデルへ渡すツール定義には、短く明確な名前、用途、入力項目、型、必須項目、許可する値を書きます。「data」という曖昧な引数より、「order_idは注文画面に表示される英数字」「include_historyは履歴を含める真偽値」のように意味を説明します。状態が「未処理、発送済み、取消済み」の三種類だけなら、自由な文字列ではなく列挙値へ絞ります。 一つのツールへ検索、更新、削除を詰め込むと、必要以上の権限を与えます。「注文を読む」と「注文を取り消す」は別のツールにします。読むだけの関数名に見えて内部で更新する設計も避けます。ツールの説明と実際の副作用を一致させると、モデルだけでなく人の監査もしやすくなります。 説明が詳しくても、モデルが常に正しいツールを選ぶ保証はありません。似た名前のツールが多い、用途が重なる、入力項目が巨大だと選択を誤りやすくなります。必要なツールだけをその工程へ提示し、代表的な依頼、曖昧な依頼、使ってはいけない依頼で試験します。定義はプロンプトの飾りではなく、アプリとモデルの契約です。

JSON Schemaは形を保証しても内容の正しさは保証しない

JSON Schemaを使うと、引数が文字列か数値か、どの項目が必須か、余分な項目を許すかを機械的に表せます。OpenAIのStructured Outputsでは、関数定義でstrictを有効にすると、対応するモデルの出力を指定したスキーマへ一致させられます。これにより、必須項目が欠ける、数値欄へ自由文が入るといった形式上の失敗を減らせます。 しかし、形式が正しいことと業務上正しいことは別です。order_idが文字列という条件を満たしても、存在しない番号や別利用者の番号かもしれません。送信先がメール形式でも、本当に意図した相手とは限りません。金額が数値でも、上限を超えている可能性があります。スキーマ検証のあとに、存在確認、所有者照合、範囲検査、業務規則、承認を行います。 構造化出力にも拒否、出力途中の終了、対応範囲などの例外があります。エラー時に自由文を成功データとして解析せず、拒否や停止理由を区別します。「JSONになったから安全」「strictだから事実も正しい」と考えないことが重要です。形はスキーマ、意味は業務検証、現実の結果は外部証拠でそれぞれ確かめます。

読み取り・書き込み・破壊的操作を分ける

ツールの危険度は、現実へ与える影響で変わります。検索や一覧取得のような読み取りは、通常は戻す操作が不要ですが、個人情報や機密情報を読み過ぎる危険があります。下書き保存のような書き込みは変更を残しますが、隔離された場所なら確認して消せます。送信、公開、予約、決済、削除、権限変更は、第三者や本番環境へ影響し、取り消しにくい操作です。 最初の導入では、必要最小限の読み取りと下書きから始めます。高リスク操作は別ツールへ分離し、対象、内容、影響を人へ表示して承認を得ます。承認は「何でも一回許可」ではなく、対象のメール一通、公開する版一つ、決済額一件のように具体化します。内容が承認後に変わったら、以前の承認を再利用しません。 外部から取得したWebページやメール本文には、ツールを使わせようとする命令が含まれることがあります。それらは資料であり、権限や承認を変更する指示ではありません。データと命令を分け、外部文書から読み取った宛先やURLをそのまま高リスク操作へ渡さず、許可リストや利用者確認を通します。

失敗・再試行・二重実行を設計する

APIは通信切断、時間切れ、回数制限、サービス障害で失敗します。失敗したら何度でも同じ呼び出しを繰り返す設計は危険です。読み取りは再試行しやすい一方、送信や決済は、外部では成功したのに応答だけ届かなかった可能性があります。同じ要求を再実行すると、同じメールを二通送り、二重に課金することがあります。 そこで、各呼び出しへ一意の識別子を付け、外部サービスの実行履歴と対応させます。同じ識別子の要求は一度だけ反映する冪等性を使い、再開時には現在の外部状態を調べます。再試行できるエラー、入力を直すべきエラー、権限が必要なエラー、人へ戻すエラーを分け、回数と待ち時間に上限を設けます。 複数ツールを同時に呼べる仕組みでも、依存関係を確認します。二つの独立した天気取得は並行化できますが、顧客を作成してからその顧客へ請求する処理は順番が必要です。同じデータを更新する操作を並行化すると競合します。速さより、順序、重複防止、途中状態の確認を優先すべき工程があります。

できたかどうかはツールの外側から確認する

ツールのテストは、正常な一例だけでは足りません。必須引数の不足、型の違い、存在しない対象、他人の対象、権限切れ、時間切れ、同じ要求の再送、外部からの悪意ある文章を試します。読み取りツールが書き込みを起こさないか、高リスク操作が承認前に実行されないか、ログへ秘密情報が残らないかも確認します。 評価では、モデルが正しいツールを選んだ割合だけでなく、不要な呼び出し、引数の正確さ、権限拒否、実行成功、最終説明の正確さを段階別に測ります。ツール結果のID、状態コード、更新前後の差分などを証拠として保存します。利用者に「完了」と伝えるのは、定めた完了条件と外部証拠が揃った時だけです。 チャットAIへ「メールを送って」と書いて自然な送信文が返ることと、ツール付きエージェントが実際に送信することは異なります。前者は文章生成の品質を確認します。後者では宛先、権限、承認、送信結果、重複、監査まで確認します。行動できる能力が増えるほど、試験範囲もモデルの回答からシステム全体へ広がります。

小さなツール設計を紙の上で演習する

読者演習では、「自分の注文状況を調べる」ツールを紙の上で設計します。関数名、用途、必要な入力、返す結果を書きます。入力は注文番号だけで十分か、ログイン利用者の識別はアプリ側でどう結び付けるかを考えます。モデルへ利用者IDを自由に作らせず、認証済み情報を実行基盤から受け取る設計にします。 次に、正常、番号不足、存在しない番号、他人の注文、API停止の五例を作り、各段階で何を返すか決めます。取消機能も欲しくなったら、状態取得とは別のツールにし、取消対象と影響を表示する承認を置きます。通信切断後に同じ取消を再試行した場合、履歴と一意識別子で重複を防げるか確認します。 最後に、モデルの文章を使わず合否を判定できる証拠を書きます。APIの状態コード、注文の所有者照合、更新前後の状態、外部サービスの取引IDなどです。この演習で大切なのは、便利な関数名を考えることではありません。モデルの提案、アプリの検査、外部実行、結果の確認を分離し、それぞれの責任を説明できる設計にすることです。

03|実例で理解する

実例で理解する

具体例で考える

問い合わせ対応では、モデルへ「注文状態を読む」「返信を下書きする」の二つだけを提示します。モデルが注文番号を抽出したら、アプリが形式と所有者を照合して注文APIを実行します。結果を基に返信案を隔離保存し、人が確認します。取消や送信は別ツールとし、対象と内容を示した承認がある時だけ実行します。通信が切れた場合は履歴と一意識別子で二重実行を防ぎます。

手を動かして理解する

  1. 注文状況取得ツールの名前、用途、入力、出力を書く
  2. 正常・入力不足・権限外・通信失敗・重複の処理を決める
  3. 読み取り、下書き、送信、削除を別の権限へ分ける
  4. 完了をモデルの文章以外で証明する記録を決める

04|今日の理解度を確認する

DAY 8の理解度を確認する

1 / 5
QUESTION 01

Function Callingでモデルがツール呼び出しを返した直後、アプリが最初に行うこととして最も適切なのはどれですか。

QUESTION 02

JSON Schemaのstrict設定で直接保証できるものはどれですか。

QUESTION 03

注文状態の参照と注文取消をツール化する設計として、最も適切なものはどれですか。

QUESTION 04

送信APIの実行直後に通信が切れた時、二重送信を防ぐ対応として最も適切なのはどれですか。

QUESTION 05

ツール付きエージェントの完了確認として、最も適切なものはどれですか。

05|今日の整理をする

今日の整理をする

ここまで分かれば次へ

  • ✓ モデルはツール呼び出しを提案し、アプリが検査・承認・実行する
  • ✓ スキーマで形を検査し、権限と業務規則で意味を検査する
  • ✓ 高リスク操作を分離し、外部証拠と一意識別子で安全に確認する

講義本文 4,886字

参考資料

公式の一次情報で確かめる

NEXT LESSONDAY 9「MCPとコネクタ」へ次のDAYに進む →