コンテンツにスキップ

3. SDKでエージェントを作成

PythonとClaude SDK(anthropicパッケージ)を使ってエージェントを作成します。Pythonの実行環境はuvで統一します。

  1. uvをインストールします。

    PowerShellで以下のコマンドを実行します。

    Terminal window
    powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
  2. ターミナル(またはPowerShell)を開き直してから、インストールを確認します。

    Terminal window
    uv --version

    uv 0.11.6のようにバージョンが表示されればOKです。

  1. プロジェクトを作成し、そのフォルダーに移動します。

    Terminal window
    uv init quiz-agent
    cd quiz-agent
  2. Claude SDKをインストールします。

    Terminal window
    uv add anthropic

環境・エージェントは「一度作れば使い回す」リソースなので、作成用のスクリプトにまとめます。内容は1. コンソールでエージェントを作成で画面から作ったものと同じで、名前には「-sdk」を付けています。認証不要のMCPサーバーなので、認証情報ボールトの作成はありません。

  1. プロジェクトのフォルダーにsetup.pyを作成し、以下の内容を保存します。

    setup.py
    import json
    from anthropic import Anthropic
    client = Anthropic()
    ###############################
    # 1. 環境を作成(MCPサーバーへのネットワークアクセスを許可)
    ###############################
    environment = client.beta.environments.create(
    name="Quiz-environment-sdk",
    config={
    "type": "cloud",
    "networking": {"type": "limited", "allow_mcp_servers": True},
    },
    )
    print(f"environment: {environment.id}")
    ###############################
    # 2. エージェントを作成
    ###############################
    SYSTEM_PROMPT = """あなたはMicrosoft Learn MCPサーバーを使ってAZ-900(Azure Fundamentals)の練習問題を作成する学習アシスタントです。Microsoft Learnの最新の公式ドキュメントを参照し、選択式の問題を1問ずつ出題してください。
    ルール:
    - 問題文と選択肢を提示したら、ユーザーが回答するまで正解を明かさない。
    - ユーザーの回答後、正誤を伝え、各選択肢について正誤のポイントを1行ずつで説明する。
    - 学習の参考になるMicrosoft Learnドキュメントの実在するURLを3つ提示する。
    - 会話内でユーザーの過去の回答(正解・不正解、出題分野)を記憶し、間違えた分野・苦手なトピックを優先的に次の問題として出題する。
    - 一度に1問だけ出題し、テンポよく進める。"""
    agent = client.beta.agents.create(
    name="AZ-900 Quiz Agent SDK",
    model={"id": "claude-haiku-4-5", "speed": "standard"},
    description="Microsoft Learn MCPサーバーの最新情報を使ってAZ-900(Azure Fundamentals)の練習問題を出題する学習アシスタント。",
    system=SYSTEM_PROMPT,
    mcp_servers=[
    {
    "name": "microsoft-learn",
    "type": "url",
    "url": "https://learn.microsoft.com/api/mcp",
    }
    ],
    tools=[
    {
    "type": "mcp_toolset",
    "mcp_server_name": "microsoft-learn",
    "default_config": {
    "enabled": True,
    "permission_policy": {"type": "always_allow"},
    },
    }
    ],
    )
    print(f"agent: {agent.id}")
    ###############################
    # 作成したIDをファイルに保存(run.py / chat.pyで使う)
    ###############################
    with open("ids.json", "w") as f:
    json.dump(
    {
    "environment_id": environment.id,
    "agent_id": agent.id,
    },
    f,
    indent=2,
    )
    print("IDをids.jsonに保存しました")
  2. スクリプトを実行します。

    Terminal window
    uv run setup.py

    次のように、作成されたリソースのIDが表示されます。

    environment: env_018fgtuvYobdrA98ty299UpD
    agent: agent_018ZmPdCappkAQ5g3nc444To
    IDをids.jsonに保存しました

セッションの作成とエージェントとの対話は、実行のたびに使うスクリプトにまとめます。

  1. プロジェクトのフォルダーにrun.pyを作成し、以下の内容を保存します。

    run.py
    import json
    from anthropic import Anthropic
    client = Anthropic()
    ###############################
    # setup.pyで保存したIDを読み込む
    ###############################
    with open("ids.json") as f:
    ids = json.load(f)
    ###############################
    # 1. セッションを作成(エージェントと環境を組み合わせる。ボールトは不要)
    ###############################
    session = client.beta.sessions.create(
    agent=ids["agent_id"],
    environment_id=ids["environment_id"],
    )
    print(f"session: {session.id}")
    ###############################
    # 2. 先にイベントのストリームを開く(イベントを取りこぼさないため)
    ###############################
    stream = client.beta.sessions.events.stream(session_id=session.id)
    ###############################
    # 3. メッセージを送信
    ###############################
    client.beta.sessions.events.send(
    session.id,
    events=[
    {
    "type": "user.message",
    "content": [{"type": "text", "text": "AZ-900の練習問題を1問出題してください"}],
    }
    ],
    )
    print("メッセージを送信しました。応答を待っています...\n")
    ###############################
    # 4. イベントを受信しながら表示する
    ###############################
    for event in stream:
    if event.type == "agent.mcp_tool_use":
    print(f"[ツール呼び出し: {event.name}]")
    elif event.type == "agent.message":
    for block in event.content:
    if block.type == "text":
    print(block.text)
    elif event.type == "session.status_idle":
    if event.stop_reason.type != "requires_action":
    break
    elif event.type == "session.status_terminated":
    break
    stream.close()
    print("\n完了しました")
  2. スクリプトを実行します。

    Terminal window
    uv run run.py

    ツールの呼び出しに続いて、問題がリアルタイムに表示されます。

    session: sesn_01CCczZDALAHspEXUqx9rhFQ
    メッセージを送信しました。応答を待っています...
    [ツール呼び出し: microsoft_docs_search]
    AZ-900の練習問題です(分野:クラウドの概念 - 責任共有モデル)
    問題
    ある会社が、オンプレミスの業務アプリケーションをAzureに移行しようとしています。...
    A. ...
    B. ...
    C. ...
    D. ...
    A〜Dから1つ選んで回答してください。
    完了しました
  3. run.pyをもう一度実行すると、同じエージェントで新しいセッションが始まります。作成したリソースやセッションのやり取りは、コンソールの各メニューからも確認できます。

run.pyは1往復で終了するので、問題が出題されたところで終わってしまいます。セッションはステートフルなので、同じセッションにメッセージを送り続けると会話がつながります。出題 → 回答 → 正誤判定 → 次の問題、と続けられる対話型のバージョンを作ってみましょう。

  1. プロジェクトのフォルダーにchat.pyを作成し、以下の内容を保存します。

    chat.py
    import json
    from anthropic import Anthropic
    client = Anthropic()
    ###############################
    # setup.pyで保存したIDを読み込む
    ###############################
    with open("ids.json") as f:
    ids = json.load(f)
    ###############################
    # セッションは最初に1つだけ作る(同じセッションに送り続けると会話がつながる)
    ###############################
    session = client.beta.sessions.create(
    agent=ids["agent_id"],
    environment_id=ids["environment_id"],
    )
    print(f"session: {session.id}")
    print("エージェントと対話します。exit と入力すると終了します。\n")
    while True:
    user_input = input("あなた> ").strip()
    if user_input == "exit":
    break
    if not user_input:
    continue
    ###############################
    # ストリームを開いてからメッセージを送信
    ###############################
    stream = client.beta.sessions.events.stream(session_id=session.id)
    client.beta.sessions.events.send(
    session.id,
    events=[
    {
    "type": "user.message",
    "content": [{"type": "text", "text": user_input}],
    }
    ],
    )
    ###############################
    # エージェントが入力待ちになるまでイベントを表示
    ###############################
    for event in stream:
    if event.type == "agent.mcp_tool_use":
    print(f"[ツール呼び出し: {event.name}]")
    elif event.type == "agent.message":
    for block in event.content:
    if block.type == "text":
    print(block.text)
    elif event.type == "session.status_idle":
    if event.stop_reason.type != "requires_action":
    break
    elif event.type == "session.status_terminated":
    break
    stream.close()
    print()
  2. スクリプトを実行し、問題に答えてみます。正誤判定のあと「次」と送ると、次の問題が出題されます。

    Terminal window
    uv run chat.py
    session: sesn_01UDB8UgiKxoFr1myDyGfjf2
    エージェントと対話します。exit と入力すると終了します。
    あなた> AZ-900の練習問題を1問出題してください
    [ツール呼び出し: microsoft_docs_search]
    AZ-900の練習問題です(分野:クラウドの概念 - 責任共有モデル)
    ...
    A〜Dから1つ選んで回答してください。
    あなた> C
    正解です! 答えは C です。
    ...
    これまでの成績:1問中1問正解
    あなた> 次
    [ツール呼び出し: microsoft_docs_search]
    問題2 ...
    あなた> exit
  • コンソール・CLIと同じ構成を、Python SDKで構築しました。認証不要のMCPサーバーなら、ボールトの作成もセッションへの紐付けも不要です。
  • リソースの作成(setup.py)と実行(run.py)をスクリプトとして分け、IDをids.jsonで受け渡すのが基本パターンです。
  • イベントはストリームを先に開いてから送信し、session.status_idleで受信を終えます。
  • セッションはステートフルなので、同じセッションに送り続けるだけで「出題 → 回答 → 正誤判定」の会話がつながります(chat.py)。履歴の管理はクライアント側では不要です。

おつかれさまでした!ここまでの感想を、ぜひXにポストしてください。

感想をXにポストする