登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 ツール利用
ツール利用 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
ツール利用 を含む検索結果
🔧 ツール利用エージェントの学習データ、実は「答えを先に作る」方が効率的だったという発見です。 タイトル: ToolGrad: Efficient tool-use dataset generation with textual "gradients" URL: Google Researchが提案したToolGradは、従来のツール利用データセット生成の順序をひっくり返す手法です。注目ポイントを3つ紹介します。 🔄 アンサーファーストという逆転の発想 ユーザー指示を先に作って解決策を深さ優先探索で見つける従来手法とは逆に、検証済みのAPIワークフローを先に構築し、そこからユーザープロンプトを逆算します。試行錯誤が要らないため生成が効率的です。 📝 テキストで表現する「勾配」 数値の勾配の代わりに、API実行レポートから得た自然言語のフィードバックを「テキスト勾配」として使い、Proposer・Executors・Selector・Updaterという4モジュールでワークフローを段階的に構築していきます。 🏆 商用トップモデルに匹敵する性能 小規模データセットでファインチューニングしたToolGrad-12Bは、Berkeley Function Calling LeaderboardでGemini 2.5 ProやClaude 4.5 Opusに匹敵する83.1点を記録し、GPT-5を上回りました。 低コストなデータ生成が、そのまま実用レベルのエージェント性能に直結するのが印象的です。 #AIエージェント# #ツール利用#
もっと見る
🛠️ 「成功した軌跡」を集めるだけでは、ツール利用エージェントは強くならないかもしれません。 タイトル: Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents URL: 成功軌跡ではなく「学習できる経験」を意図的に作ってSFTする、ツール利用エージェントの学習データ合成手法です。注目ポイントは3つです。 🧩 注目ポイント1: 依存関係を狙って合成する 検索・エラー・リトライ・確認・更新といった依存連鎖が、データに繰り返し含まれているかを重視します。足りないパスを次の合成ラウンドで補います。実際、既存の候補プールでは、本物のエラーの後の意思決定を含む軌跡は10.0%しかありませんでした。 🎯 注目ポイント2: エージェントに見える根拠のある行動だけを学習 教師ポリシーしか知らないIDのような「見えない情報」に頼った行動は学習から外します。失敗した呼び出しやエラーはコンテキストに残しつつ、模倣はしません。 ⚖️ 注目ポイント3: 軌跡単位で重みを揃えるSFT 長い軌跡ほど学習例が増えて重みが偏るのを避けるため、軌跡内で平均してから軌跡間で平均します。アブレーションでは+8.04ポイントと最大の単独効果でした。 📊 Qwen3の5規模で、Tau1・Tau2・BFCLの平均が16.9〜29.8ポイント向上しました。学習後の4BがTau2で69.17と、30B-A3B初期モデルの28.33を上回っています。 💡 データの量より、依存関係と根拠の質を管理する発想が重要だと示しています。 #AIエージェント# #LLM#
もっと見る
【ニュース】ゲームエンジンUnity、いきなり規約改訂で「サードパーティー製AIツール」利用を制限か。ただし公式は“データ収集対策”と説明
もっと見る
# Claude Agent SDKの便利で実践的な使い方 🔐 ツールアクセスを段階的に制御して、安全と生産性のバランスを取りましょう。 パーミッションの設定は、`allowed_tools` / `disallowed_tools` / `permission_mode` でエージェントのツール利用を多段階に制御し、安全な運用を実現する機能です。 📌 タイトル:パーミッションの設定 🔗 URL: 🧩 概要 評価順序は「フック→拒否ルール→パーミッションモード→許可ルール→canUseTool」です。`disallowed_tools` はスコープ付き拒否(例: `Bash(rm *)`)に対応し、`bypassPermissions` でもブロックされる最終防衛線です。 🛠 使い方 `allowed_tools` で自動承認するツールを、`disallowed_tools` でブロックするツール(スコープ付き拒否も可:`"Bash(rm *)"`)を、`permission_mode` で全体のモード(`default` / `acceptEdits` / `dontAsk` / `plan` / `bypassPermissions`)を設定します。 🏗 実践的な使い方 ・`allowedTools: ["Read","Glob","Grep"]` + `permissionMode: "dontAsk"` で許可ツール以外は即拒否する読み取り専用ロックダウンを構築します。 ・`default` で開始し、初期アプローチをレビュー後に `acceptEdits` へ動的切替。プロトタイピングの反復を高速化します。 ・`plan` モードで読み取り専用ツールのみ実行し、Claude にソース変更なしで計画だけ立てさせます。コードレビューや変更前承認フローに最適です。 ・CI/隔離環境では `bypassPermissions` を使用しつつ、`disallowed_tools=["Bash(rm -rf /)"]` で最終防衛線を設けます。 💡 ユースケース 🔒 読み取り専用のコード分析エージェント 📋 plan モードによる変更前承認フロー 🚀 段階的信頼レベルの動的切替 ⚠️ 注意点 `allowed_tools` は `bypassPermissions` を制限しません。危険操作のブロックには必ず `disallowed_tools` を使用してください。サブエージェントは親のパーミッションモードを継承し、上書きできません。 #ClaudeAgentSDK# #AI#
もっと見る
# Claude Agent SDKの便利で実践的な使い方 🔐 ツールアクセスを段階的に制御して、安全と生産性のバランスを取りましょう。 パーミッションの設定は、`allowed_tools` / `disallowed_tools` / `permission_mode` でエージェントのツール利用を多段階に制御し、安全な運用を実現する機能です。 📌 タイトル:パーミッションの設定 🔗 URL: 🧩 概要 評価順序は「フック→拒否ルール→パーミッションモード→許可ルール→canUseTool」です。`disallowed_tools` はスコープ付き拒否(例: `Bash(rm *)`)に対応し、`bypassPermissions` でもブロックされる最終防衛線です。 🛠 使い方 `allowed_tools` で自動承認するツールを、`disallowed_tools` でブロックするツール(スコープ付き拒否も可:`"Bash(rm *)"`)を、`permission_mode` で全体のモード(`default` / `acceptEdits` / `dontAsk` / `plan` / `bypassPermissions`)を設定します。 🏗 実践的な使い方 ・`allowedTools: ["Read","Glob","Grep"]` + `permissionMode: "dontAsk"` で許可ツール以外は即拒否する読み取り専用ロックダウンを構築します。 ・`default` で開始し、初期アプローチをレビュー後に `acceptEdits` へ動的切替。プロトタイピングの反復を高速化します。 ・`plan` モードで読み取り専用ツールのみ実行し、Claude にソース変更なしで計画だけ立てさせます。コードレビューや変更前承認フローに最適です。 ・CI/隔離環境では `bypassPermissions` を使用しつつ、`disallowed_tools=["Bash(rm -rf /)"]` で最終防衛線を設けます。 💡 ユースケース 🔒 読み取り専用のコード分析エージェント 📋 plan モードによる変更前承認フロー 🚀 段階的信頼レベルの動的切替 ⚠️ 注意点 `allowed_tools` は `bypassPermissions` を制限しません。危険操作のブロックには必ず `disallowed_tools` を使用してください。サブエージェントは親のパーミッションモードを継承し、上書きできません。 #ClaudeAgentSDK# #AI#
もっと見る
【ブログ】金融特化型の小規模言語モデルPLaMo 3.0 Finをリリースし、モデル重みをHugging Faceで公開しました。日本語でreasoningを行って回答する金融特化モデルで、ツール利用にも対応しています。 動作例や開発に関する技術ブログ: Hugging Face:
もっと見る
# OpenAI Agent SDKの便利だけど知られていない機能 🌍 MCPサーバーが大量のツールを公開しているとき、エージェントに全部見せていませんか? ツールフィルタリングを使えば、静的・動的にツールの公開範囲を制御し、エージェントの精度とセキュリティを向上できます。 📌 タイトル:ツールフィルタリング (静的 / 動的) 🔗 URL: 🧩 概要 MCPサーバーが多数のツールを提供する場合、すべてをエージェントに公開するとモデルが混乱したり、意図しないツールを呼んでしまうリスクがあります。`tool_filter` パラメータを使えば、静的フィルタ(`create_static_tool_filter`)で許可リスト/ブロックリストを指定するか、動的フィルタ(同期または非同期の関数)で実行時コンテキストに応じてツールの可否を判定できます。`allowed_tool_names` と `blocked_tool_names` を両方指定した場合は、許可リストを適用した後にブロックリストを差し引きます。 🛠 使い方 ```python from agents.mcp import MCPServerStreamableHttp, create_static_tool_filter # 静的フィルタ:許可するツール名を明示 server = MCPServerStreamableHttp( params={"url": ""}, tool_filter=create_static_tool_filter( allowed_tool_names=["search", "summarize"] ), ) # 動的フィルタ:実行時にコンテキストで判定 async def my_filter(context, tool) -> bool: # context.agent, context.server_name が利用可能 if == "admin": return True # 管理者は全ツール利用可 return in ["search", "read"] server_dynamic = MCPServerStreamableHttp( params={"url": ""}, tool_filter=my_filter, ) ``` 🏗 本番システムへの組み込み方 ・ユーザーの権限レベルに応じて利用可能なツールを動的に切り替える ・静的フィルタで不要なツールを除外し、モデルのツール選択精度を高める ・` にテナント情報を渡し、マルチテナント環境でツールを分離する ・動的フィルタのログを残して、アクセス制御の監査証跡とする 💡 ユースケース 🔒 ロールベースのツールアクセス制御 🎯 タスク特化型エージェントへのツール絞り込み 🏢 マルチテナント環境でのツール分離 🛡 セキュリティポリシーに基づくツール制限 ⚠️ 注意点 動的フィルタはツール一覧取得のたびに呼ばれるため、重い処理(DB参照など)を入れるとレイテンシに影響します。フィルタのロジックはシンプルに保ち、必要ならキャッシュを活用してください。また、フィルタで除外したツールがエージェントの動作に必須でないか、事前に確認しましょう。 ✨ ツールフィルタリングで、エージェントに「必要なツールだけ」を渡す洗練された設計を実現しましょう。 #OpenAIAgentSDK# #AIAgent#
もっと見る
# Claude Agent SDKの便利だけど知られていない機能 🌍 エージェントがファイルを勝手に削除しようとしたら?実行時承認で安全にコントロールできます! `canUseTool` コールバックを使えば、ツール実行前にリアルタイムで承認・拒否・入力変更が可能です。 📌 タイトル:canUseTool コールバックによる実行時承認 🔗 URL: 🧩 概要 `canUseTool` はクエリオプションに渡すコールバック関数で、権限評価フローの最終ステップ(6番目)で呼び出されます。先行するステップ(allow ルールや `acceptEdits`・`bypassPermissions` モードなど)で自動承認されたツール呼び出しではコールバックは呼ばれないため、すべてのツール呼び出しに適用したいチェックは `PreToolUse` フックを使ってください。コールバックはツール名と入力パラメータを受け取り、`allow`(許可)または `deny`(拒否)を返します。許可時には入力を変更することも可能で、例えばパスをサンドボックス内に書き換えたり、危険なコマンドをブロックしたりできます。`dontAsk` モードでは呼び出されません。 🛠 使い方 ```python # Python - ツール実行の承認コールバック from claude_agent_sdk import ClaudeAgentOptions, query from claude_agent_sdk.types import PermissionResultAllow, PermissionResultDeny, HookMatcher async def can_use_tool(tool_name, input_data, context): print(f"\nツール: {tool_name}") if tool_name == "Bash": print(f"コマンド: {input_data.get('command')}") # rm コマンドをブロックしてアーカイブを提案 if "rm" in input_data.get("command", ""): return PermissionResultDeny( message="削除の代わりにアーカイブしてください" ) response = input("許可しますか? (y/n): ") if response.lower() == "y": return PermissionResultAllow(updated_input=input_data) return PermissionResultDeny(message="ユーザーが拒否しました") # ダミーフック(Python のストリーミングモードで必要) async def dummy_hook(input_data, tool_use_id, context): return {"continue_": True} ``` ```typescript // TypeScript - 入力を変更して許可する例 import { query } from "@anthropic-ai/claude-agent-sdk"; for await (const message of query({ prompt: "Clean up temporary files", options: { canUseTool: async (toolName, input) => { if (toolName === "Bash") { // パスをサンドボックス内に書き換え const sandboxed = { ...input, command: input.command.replace("/tmp", "/tmp/sandbox") }; return { behavior: "allow", updatedInput: sandboxed }; } return { behavior: "allow", updatedInput: input }; } } })) { /* ... */ } ``` 🏗 本番システムへの組み込み方 ・Web UIでツール実行の承認ダイアログを表示し、ユーザーの判断を返します ・`context.suggestions` から `PermissionUpdate` を取得し、「今後も許可」の永続化ルールを設定できます ・危険な操作(`rm`、`DROP TABLE` など)は自動的にブロックし、安全な代替案をメッセージで提案します ・入力のサニタイズ(パスの制限、パラメータの上書き)で、エージェントの行動範囲を動的に制御します 💡 ユースケース 🔒 本番データベースへの書き込みコマンドを承認制にする 📁 ファイル操作を特定のディレクトリに制限する(パスの動的書き換え) 👥 マルチユーザー環境で、ユーザーの権限レベルに応じてツール利用を制御する ⚠️ 注意点 ・Python では `canUseTool` を使うにはストリーミングモードと `PreToolUse` フックの設定が必要です ・`dontAsk` モードではコールバックがスキップされるため、セキュリティ上の制限にはフックを使用してください ・コールバックは回答まで無期限に実行を一時停止します。長時間のケースには `defer` フック決定を利用してください ✨ 「全部おまかせ」か「全部手動」かの二択ではなく、canUseTool で「要所だけ人間が判断する」スマートな運用を実現しましょう! #ClaudeAgentSDK# #AIAgent#
もっと見る
🧩 エージェントの訓練環境は、実はかなり「理想化」されています。ツールは常に正常に応答し、ユーザーは混乱なく指示を出す——そんな前提で育ったエージェントが、本番環境のタイムアウトやエラー、ユーザーからの突然の訂正にどこまで耐えられるでしょうか。 著者らはここに着目し、実際のMCPサーバー557個から収集した2万4千件超のツール失敗を分析し、8つの失敗パターンと1,170件の「回復スキル」を抽出しました。これを元に、失敗直後からの立て直し、最初からの再計画、ユーザーからの自然言語での訂正という3つの角度でエージェントに反省のやり方を教え込み、さらにノイズ入りとクリーンな経験を混ぜた強化学習でその能力を磨き上げます。これがAgent-Reflexという手法です。 結果は明確で、長時間のツール利用ベンチマーク5種の平均でベースモデルの31.6%から58.6%へと大幅に向上し、ノイズを混ぜた評価でも45.9%という高い性能を維持しました。失敗を恐れず回復する力そのものを、プロンプトではなくパラメータに刻み込んだことが効いています。 タイトル: Agent-Reflex: Teaching Language Agents to Act Reflectively URL: #LLMエージェント# #強化学習#
もっと見る
🧩 エージェントの訓練環境は、実はかなり「理想化」されています。ツールは常に正常に応答し、ユーザーは混乱なく指示を出す——そんな前提で育ったエージェントが、本番環境のタイムアウトやエラー、ユーザーからの突然の訂正にどこまで耐えられるでしょうか。 著者らはここに着目し、実際のMCPサーバー557個から収集した2万4千件超のツール失敗を分析し、8つの失敗パターンと1,170件の「回復スキル」を抽出しました。これを元に、失敗直後からの立て直し、最初からの再計画、ユーザーからの自然言語での訂正という3つの角度でエージェントに反省のやり方を教え込み、さらにノイズ入りとクリーンな経験を混ぜた強化学習でその能力を磨き上げます。これがAgent-Reflexという手法です。 結果は明確で、長時間のツール利用ベンチマーク5種の平均でベースモデルの31.6%から58.6%へと大幅に向上し、ノイズを混ぜた評価でも45.9%という高い性能を維持しました。失敗を恐れず回復する力そのものを、プロンプトではなくパラメータに刻み込んだことが効いています。 タイトル: Agent-Reflex: Teaching Language Agents to Act Reflectively URL: #LLMエージェント# #強化学習#
もっと見る