Anthropic社が「インテリジェントエージェントのためのライティングツール」に関する公式チュートリアルを公開

人間知的体「ライティングツール」では主に、以下の方法を探求します。知的体効果的なツールを開発する。この記事では、ツールは決定論的なシステム（APIなど）と非決定論的なシステムを結びつけるものだと指摘している。AIプロキシのための架け橋。ツール開発における3つの重要なステップ（プロトタイピング、ランタイム評価、および…）の詳細な紹介。知的体協調型最適化ツール。本稿では、効果的なツールを作成するための重要な原則をいくつかまとめ、正確性、名前空間、豊富なコンテキスト、トークン効率、明確な記述という5つの主要原則を解説します。これらの方法に従うことで、ツールのパフォーマンスを向上させることができます。知的体現実世界の課題を解決する能力が高い高効率。

"のために知的体「ライティングツール」の核心的な内容

知的体その有効性は、私たちが提供するツールに完全に依存します。高品質なツールと評価方法の作成方法、そしてそれらの使用方法について解説します。Claude自己最適化ツールはパフォーマンスを向上させる。

モデルコンテキストプロトコル（MCP）できるLLM知的体現実世界の課題を解決するための数百ものツールを備えています。これらのツールの効果を最大限に引き出すにはどうすればよいでしょうか？

この記事では、さまざまなタイプを紹介します。知的AIシステム性能を向上させるための最も効果的な手法。

まず、以下の点について説明します。

構築およびテストツールのプロトタイプ
作成して実行する知的体ツールの包括的な評価
そしてClaude コードなど知的体協力、自動ツールのパフォーマンスを向上させる
最後に、このプロセスで明らかになった、高品質なツールを作成するための重要な原則をまとめます。

実装に適したツール（および実装すべきでないツール）を選択する：

名前空間を通して、明確な機能境界を定義する。
ツールから意味のあるコンテキストを返します。知的体
トークン効率を向上させるためにツールの応答を最適化します
エンジニアリング最適化ツールの説明と仕様を提供してください。

ツールとは何ですか？

計算分野において、決定論的システムは、同じ入力が与えられた場合、毎回同じ出力を生成するが、非決定論的システム、例えば...知的体同じ初期条件下であっても、異なる反応が生じる可能性がある。

従来、ソフトウェアを開発する際には、決定論的なシステム間で契約を締結します。例えば、getWeather(“NYC”) のような関数呼び出しは、呼び出されるたびに必ず同じ方法でニューヨーク市の天気情報を取得します。

このツールは、決定論的システムと非決定論的システムの違いを反映した、新しいタイプのソフトウェアです。知的体両者間の契約。ユーザーが「今日は傘を持って行った方がいいですか？」と尋ねると、知的体彼らは気象観測機器を使用したり、一般的な知識に基づいて質問に答えたり、さらにはまず場所について確認のための質問をしたりするだろう。知的体幻覚が生じる可能性があり、使用者はツールの使用方法を制御できなくなる可能性があります。

するために知的体ソフトウェアを開発する際には、アプローチを根本的に見直す必要があります。つまり、...知的体デザインツールとMCPサーバーこれらは、他の開発者やシステム向けの関数やAPIのように記述されているわけではありません。

私たちの目標は、ツールを活用して様々な成功戦略を追求し、…知的体幅広いタスクを効果的に解決できます。

ツールの書き方

このセクションでは、以下の方法について説明します。知的体彼らに提供されるツールを共同で開発し、改善する。まず速いツールのプロトタイプを作成し、ローカル環境でテストする。その後、包括的な評価を実施して、変更点を測定する。知的体共同作業により、ツールの評価と改善を繰り返し行うことが可能になり、最終的に...知的体実際の業務において、安定したパフォーマンスを実現します。

プロトタイプの構築

実際に体験してみないと予測するのは難しい。知的体どのツールが人間工学的に優れていると思いますか？また、どのツールがそうでないと思いますか？速いツールのプロトタイプを作成します。使用する場合は...Claude コード作成ツール（一度に完成する場合もある）には、理想的には、ツールが依存するソフトウェアライブラリ、API、SDK（以下を含む）がすべて含まれているべきです。MCP SDKドキュメントが提供されています。適切なドキュメントは、公式ドキュメントウェブサイトで入手できます。LLMフラット化されたllms.txtファイル（これは弊社のものです）APIドキュメント）。

道具を詰めるローカルMCPサーバーまたはデスクトップ拡張機能（DXT）では、Claude コードまたはClaudeデスクトップアプリケーションにおける接続およびテストツール。

ローカルMCPサーバーに接続するにはClaude コードについては、`claude mcp add <name> <command> [parameters...]` を実行してください。

ローカルのMCPサーバーまたはDXTをClaudeデスクトップアプリケーションに接続するには、それぞれ「設定」>「開発者」または「設定」>「拡張機能」に移動します。

ツールは直接渡すことができますAnthropic API通話中にプログラムによるテストを実行する。

ツールを実際に試用して、その欠点を特定してください。ユーザーからのフィードバックを集め、ツールがサポートすることを期待する使用例やプロンプトについて、直感的な理解を深めてください。

運用評価

次に、運用評価を通じて測定する必要がある。Claudeツールの有効性。実際の使用事例に基づいて多数の評価タスクが生成されます。推奨事項と…知的体コラボレーションは結果の分析とツールの改善方法の決定に役立ちます。詳しくは、当社のウェブサイトをご覧ください。ツール評価ガイドこのエンドツーエンドのプロセスを[コンテキスト]でご覧ください。

1. 評価課題を生成する

初期プロトタイプを使用する。Claude コードは速いツールを活用して、ヒントとレスポンスのペアを多数作成してください。ヒントは、実際のユースケースを参考に、実際のデータソースやサービス（社内ナレッジベースやマイクロサービスなど）に基づいて作成する必要があります。過度に複雑なヒントは避けることをお勧めします。単純あるいは、十分な複雑さでツールに負荷テストを行うことができない、表面的な「サンドボックス」環境である。強力評価タスクでは、複数のツール呼び出しが必要となり、場合によっては数十回に及ぶこともある。

いくつか例を挙げます強力タスクの例：

来週、ジェーンと会って話し合う予定です。最新のアクメ社プロジェクトについて。前回のプロジェクト計画会議の議事録と予約済みの会議室を添付いたします。
顧客ID 9182から、1回の購入試行中に3回請求されたとの報告がありました。関連するログエントリをすべて特定し、他の顧客も同様の問題に見舞われているかどうかを確認してください。
顧客のサラ・チェン様から解約リクエストが送信されました。弊社では、お客様へのオファーを継続する準備を進めております。以下の点について確認する必要があります。（1）解約理由、（2）最も魅力的な継続オファー、（3）オファーを提示する前に留意すべきリスク要因。

以下は、比較的簡単なタスクの例です。

来週、jane@acme.corp とミーティングの予定を立ててください。
支払いログから「purchase_complete」と「customer_id=9182」を検索してください。
顧客ID 45892のキャンセル依頼を検索してください。

各評価項目には、検証可能な回答または結果が伴うべきである。検証者は…単純実際の回答とサンプリングされた応答との間で正確な文字列比較を行うことから、さらに複雑なタスクまで…Claude回答を評価してください。書式、句読点、有効な代替表現など、些細な違いによって正解が拒否される可能性があるため、過度に厳格な検証ツールは使用しないでください。

各設問と回答の組み合わせについて、希望する結果を選択してください。知的体課題を解決する際に使用するツールと測定知的体評価の際には、各ツールの目的が適切に理解されているかどうかを評価してください。課題を正しく解決するための有効な方法は複数存在する可能性があるため、戦略を過度に詳細化したり、過度に適合させたりすることは避けてください。

2. 運用評価

直接的なアプローチを取ることをお勧めします。LLM API呼び出しは、評価をプログラム的に実行するために使用されます。単純の知的体流通（交互包装）LLM （APIおよびツール呼び出し用のwhileループ）：評価タスクごとに1つのループ。各評価...知的体彼らには個別の課題指示とツールが与えられる。

評価において知的体システムプロンプトは提案/指示します知的体検証用の構造化応答ブロック、推論ブロック、およびフィードバックブロックを出力します。手順知的体ツール呼び出しと応答ブロックの前にこのコンテンツを出力することで、思考連鎖（CoT）の動作がトリガーされ、パフォーマンスが向上します。LLM効果的知的。

使用する場合Claude運用評価、有効化絡み合った思考同様の「すぐに使える」機能を得ることは、探索に役立ちます。知的体特定のツールを使用すべき理由と使用すべきでない理由を説明し、ツールの説明と仕様における改善すべき具体的な点を指摘してください。

最高レベルの精度に加えて、個々のツール呼び出しとタスクの合計実行時間、ツール呼び出しの総数、トークンの総消費量、ツールエラーなどの他のメトリクスを収集することをお勧めします。ツール呼び出しを追跡することで、次のことが明らかになります。知的体共通のワークフローを追求することで、ツール統合の機会が生まれる。

3．分析結果

知的体これは、問題点の特定とフィードバックの提供において非常に役立つパートナーであり、矛盾するツールの説明から、非効率的なツールの実装、紛らわしいツールのパターンまで、あらゆる問題を網羅しています。知的体フィードバックや回答において省略された内容は、含まれている内容よりも重要な場合が多い。LLMそれらは必ずしも真の意味を正確に表現しているとは限らない。

観察する知的体どこでつまずいたり、混乱したりしていますか？評価シートをよく読んでみてください。知的体推論とフィードバック（または思考の流れ）は、欠点を特定するために使用されます。元の記録（ツール呼び出しとツール応答を含む）を確認することで、...知的体思考過程において明示的に記述されていない行動。行間にある意味を理解し、評価を記憶しておくこと。知的体彼らは正しい答えや戦略を知らないかもしれない。

ツール呼び出しのメトリクスを分析します。冗長なツール呼び出しが多数発生している場合は、ページネーションまたはトークン制限のパラメータを調整する必要がある可能性があります。無効なパラメータによるツールエラーが多数発生している場合は、ツールの説明をより明確にするか、より良い例を追加する必要がある可能性があります。ツールを起動すると…Claudeウェブ検索ツールその時、私たちは発見しましたClaudeツールのクエリパラメータに不必要に2025を追加すると、検索結果が歪んだり、パフォーマンスが低下したりします（この問題はツールの説明を改善することで対処します）。Claude（彼らを正しい方向に導く。）

4.知的体協力

あなたも知的体結果を分析し、ツールを改善しましょう。評価を送信するだけで完了です。知的体レコードを接続して貼り付けますClaude コードの中に。Claude彼らは記録を分析し、多数のツールを一度にリファクタリングする専門家です。例えば、新しい変更が加えられた際に、ツールの実装と説明の一貫性が維持されるようにします。

実際、この記事で紹介されている提案のほとんどは、以下の方法を用いることから得られたものです。Claude コードを繰り返し最適化することで、社内ツールの実装を改善します。評価は、実際のプロジェクト、ドキュメント、メッセージングなど、社内ワークフローの複雑さを反映した社内ワークスペースに基づいて行われます。

保持されたテストセットは、「トレーニング」評価が過学習しないようにするために利用されます。このテストセットは、ツールが当社の研究者によって手動で作成されたか、他の組織によって作成されたかに関わらず、「エキスパート」ツールによって達成されたパフォーマンスを超えて、さらなるパフォーマンス向上を引き出すことができることを示しています。Claude自己生成。

次のセクションでは、このプロセスから得られた教訓をいくつかご紹介します。

書く高効率ツールの原理

このセクションでは、これまでに学んだ知識を文章にまとめていきます。高効率ツールの基本原則。

のために知的体適切なツールを選択してください

ツールが増えれば必ずしも良い結果が得られるとは限りません。よくある間違いとして、ツールが適切かどうかに関わらず、既存のソフトウェア機能やAPIエンドポイントを単にラップするだけのものが挙げられます。知的体これは知的体それらは従来のソフトウェアとは異なる「機能的な可視性」を持っている。つまり、従来のソフトウェアとは全く異なる方法でツールを認識し、使用するのだ。

LLM知的体それらは「コンテキスト」が限られており（つまり、一度に処理できる情報量が限られている）、コンピュータのメモリは安価で豊富です。アドレス帳から連絡先を検索するタスクを例にとってみましょう。従来のソフトウェアプログラムは…高効率連絡先リストを一つずつ保存・処理し、処理を進める前に各連絡先を確認します。

もしLLM知的体すべての連絡先を返すツールを使用すると、各連絡先トークンをトークンごとに読み込む必要があり、限られたコンテキストスペースを無関係な情報に浪費します（アドレス帳のすべてのページを上から下まで読み込んで連絡先を検索することを想像してみてください。これは総当たり検索です）。より優れた、より自然なアプローチ（…）知的体（そして人間も同様に）まずは関連するページに移動することです（おそらくアルファベット順で見つけるでしょう）。

評価タスクに合わせて、価値の高いワークフロー向けに綿密に設計されたツールセットを小規模に構築することから始め、そこから拡張していくことをお勧めします。アドレス帳の場合は、`search_contacts`ツールまたは`message_contact`ツールのいずれかを実装することを選択してください。単純list_contactsツールを提供します。

このツールは統合機能を備えており、基盤レベルで複数の個別の操作（またはAPI呼び出し）を処理できます。例えば、ツールの応答に関連メタデータを追加したり、頻繁にリンクされる複数ステップのタスクを単一のツール呼び出し内で処理したりできます。

以下に例を示します。

list_users、list_events、create_eventツールを実装する代わりに、空き状況を確認してイベントをスケジュールできるschedule_eventツールを実装することを検討してください。
read_logsツールを実装する代わりに、関連するログ行とその周辺のコンテキストのみを返すsearch_logsツールを実装することを検討してください。
get_customer_by_id、list_transactions、list_notesといったツールを実装する代わりに、顧客に関する最近の情報をすべて一度に収集できるget_customer_contextのようなツールを実装する方が良いでしょう。

作成するすべてのツールには、明確で独自の目的があることを確認してください。ツールは…知的体人間が同じ基盤となるリソースにアクセスできる場合と同様の方法でタスクを分解して解決できる一方で、中間出力によって消費されるはずのコンテキストを削減できる。

ツールが多すぎたり、機能が重複するツールがあったりすると、断片化につながる可能性もあります。知的体追求する高効率戦略的な焦点。どのツールを開発するか（あるいは開発しないか）について、慎重かつ選択的に計画を立てることは、確かに大きな成果につながる。

ツールの名前空間を設定する

AI知的体これにより、数十のMCPサーバーと、他の開発者が提供するものを含む数百の異なるツールへのアクセスが可能になる。ツールの機能が重複したり、その目的が曖昧な場合、知的体どのツールを使えば良いのか迷うかもしれません。

名前空間（共通のプレフィックスの下に関連ツールをグループ化すること）は、多数のツール間の境界を定義するのに役立ちます。MCPクライアントは、デフォルトでこれを行う場合があります。たとえば、名前空間をサービス（asana_search、jira_searchなど）とリソース（asana_projects_search、asana_users_searchなど）で分割すると、...知的体適切なツールを適切なタイミングで選択する。

接頭辞と接尾辞に基づく名前空間の選択が、ツール使用評価に大きな影響を与えることが分かりました。LLMただし、命名規則はご自身で判断して選択することをお勧めします。

知的体誤ったツールを呼び出したり、正しいツールを誤ったパラメータで呼び出したり、ツールの数が少なすぎたり、エラー処理ツールで応答したりする可能性があります。タスクの自然な区分を反映した名前のツールを選択的に実装することで、同時にロードされるデータ量を削減できます。知的体コンテキスト内のツールとツールの説明の数は知的体計算処理はコンテキストからツール呼び出し自体にアンロードされます。（これにより…が削減されます）知的体全体的なミスリスク。

同様に、ツールの実装では、以下の宛先にのみアクセスするようにする必要があります。知的体価値の高い情報を返すようにしてください。柔軟性よりも文脈上の関連性を優先し、低レベルの技術識別子（例：UUID、256px_image_url、MIME_type）は避けてください。name、image_url、file_typeなどのフィールドの方が、より直接的なガイダンスを提供できる可能性が高くなります。知的体下流工程における行動と対応。

知的体自然言語の名称、用語、識別子を処理する際の成功率は、難解な識別子を処理する際の成功率よりも著しく高い。任意の英数字UUIDを、より意味的に意味があり解釈しやすい言語（ゼロインデックスIDスキームであっても）に単純に解決するだけで、錯覚を軽減し、パフォーマンスを大幅に向上させることができることがわかった。Claude検索タスクにおける精度。

場合によっては、知的体下流のツール呼び出しをトリガーするためだけでも（例：search_user(name='jane') → send_message(id=12345)）、自然言語出力と技術識別子出力の両方を柔軟に処理する必要があるかもしれません。これは、ツール内で[特定の識別子]を公開することで実現できます。単純`response_format`列挙パラメータは両方を有効にし、...知的体制御ツールは、「簡潔な」応答または「口頭による」応答のいずれかを返します（下の画像を参照）。

GraphQLと同様に、より多くのフォーマットを追加することで柔軟性を高め、受信したい情報を正確に選択できます。以下は、ツールのレスポンスの詳細レベルを制御するためのResponseFormat列挙型の例です。

enum ResponseFormat { DETAILED = "detailed", CONCISE = "concise" }

以下は、詳細なツール応答の例です（206トークン）。

以下は、簡潔なツール応答の例です（72トークン）。

ツールの応答構造（XML、JSON、Markdownなど）もパフォーマンス評価に影響を与えます。万能な解決策はありません。その理由は…LLM次のトークンを予測することで学習され、学習データに一致するフォーマットでより良いパフォーマンスを発揮する傾向があります。最適な応答構造はタスクによって異なり、...知的体その違いは大きい場合があります。最適な応答構造は、ご自身の評価に基づいて選択することをお勧めします。

ツールの応答におけるトークン効率を最適化する

コンテキスト品質の最適化は重要です。ただし、最適化ツールの応答は…知的体文脈の数も同様に重要です。

コンテキストを多く消費する可能性のあるツール応答には、ページネーション、範囲選択、フィルタリング、および/または切り捨てのいずれかの組み合わせを実装し、適切なデフォルトパラメータ値を設定することをお勧めします。Claude Codeの場合、デフォルトではツールの応答を25,000トークンに制限しています。想定される動作は以下のとおりです。知的体有効なコンテキストの長さは時間とともに増加しますが、コンテキストについては高効率道具の必要性は常に存在するだろう。

回答を省略する場合は、分かりやすい説明を必ず加えてください。知的体直接励ますことができます知的体知識検索タスクにおいては、単一の広範囲な検索ではなく、複数の小規模で的を絞った検索を実行するなど、トークン効率の良い戦略を採用してください。ツール呼び出しでエラーが発生した場合（例えば、入力検証中など）、分かりにくいエラーコードやトレースバック情報を提供するのではなく、設計されたエラー応答を表示することで、具体的で実行可能な改善提案を明確に伝えることができます。

以下は、切り捨てツールの応答例です。

以下は、役に立たないエラー応答の例です。

エラー応答の有用な例を以下に示します。

それでは、ツールの改善に最も効果的な方法の一つである、ツール記述と仕様ヒントエンジニアリングについて説明しましょう。このコンテンツは、知的体それぞれの状況において、彼らは協力して導くことができる…知的体効果的なツール呼び出し操作を実行してください。

ツールの説明や仕様書を作成する際は、新しいチームメンバーにツールを説明する際の様子を想像してみてください。暗黙のうちに導入されるコンテキスト（特定のクエリ形式、技術用語の定義、基盤となるリソース間の関係など）を考慮し、それらを明示的に記述しましょう。想定される入力と出力を明確に記述し（厳密なデータモデルによってこれを強制する）、曖昧さを回避してください。特に、入力パラメータ名は曖昧さのないものを使用してください。「user」という名前のパラメータは避け、「user_id」という名前のパラメータを使用するようにしてください。

評価を通じて、ツールチップエンジニアリングの影響をより確実に測定できます。ツールの説明に対する小さな改善でも、大きな効果につながる可能性があります。ツールの説明に正確な改善を加えた後、Claude ソネット3.5SWE-bench Verifiedこの評価手法は最先端の性能を実現し、エラー率を大幅に削減し、タスク完了率を向上させます。

私たちの開発者ガイドツールで定義されているその他のベストプラクティスは、そちらで確認できます。もしあなたが…に取り組んでいるならClaudeビルドツールに関しては、ツールがどのように動的にロードされるかについての解説を読むことをお勧めします。Claudeシステムプロンプト手順はドキュメントに記載されています。MCP サーバー用のツールを作成する場合は、ツールノートこれは、どのツールがオープンワールドへのアクセスや破壊的な変更を必要とするかを明らかにするのに役立ちます。

未来を見据えて

効果的な構築のために知的体ツール：ソフトウェア開発の手法を、予測可能で決定論的なモデルから、非決定論的なモデルへと再構築する必要がある。

本稿で述べた反復的で評価主導型のプロセスを通して、ツールの成功には一貫したパターンが見られることがわかった。すなわち、効果的なツールは明確で十分に定義された機能を持ち、適切に使用できるということである。知的体コンテキストはさまざまなワークフローで組み合わせて使用でき、知的体現実世界の課題を直感的に解決できる。

未来を見据えた予測知的体世界と相互作用するための具体的なメカニズムは、MCPプロトコルのアップデートから基盤となるレイヤーに至るまで、今後も進化し続けるだろう。LLMアップグレードそのもの。体系的かつ評価主導型のアプローチによって改善されました。知的体それを確実にできるツール、知的体彼らの能力が向上するにつれて、彼らが使用するツールもそれに合わせて進化していくでしょう。

"のために知的体「ライティングツール」の公式サイトアドレス

公式サイトアドレス：https://www.anthropic.com/engineering/writing-tools-for-agents

"のために知的体「ライティングツール」のターゲット層は誰ですか？

人工的な知的エンジニアと開発者改善に役立つツールの構築、テスト、最適化のための具体的な方法を提供します。知的体性能と効率。
データサイエンティストと機械学習専門家この記事で紹介されている評価および最適化手法は、モデルとツールを組み合わせることで、システム全体のパフォーマンスを向上させるのに役立ちます。
ソフトウェアアーキテクトこの記事の高度なガイダンスは、ユーザーがより多くのデザインを作成するのに役立ちます...高効率柔軟なシステムアーキテクチャは知的体既存のシステムにツールやテクノロジーを統合する。
プロダクトマネージャーこの記事は、ユーザーがツール開発の重要な側面を理解するのに役立ち、製品機能の計画や技術ソリューションの評価をより適切に行えるようにするものです。
研究者この記事で紹介されているベストプラクティスと事例研究は、ユーザーの研究の参考となり、新たな研究方向を探るのに役立ちます。

すべてのカテゴリ