Libe City / Staff Handbook
CLAUDE ACADEMY · 2026.08.22
教材 08 / 任意
「このレッスンで学ぶこと」と「リベシティでの活かし方」を読んでから公式レッスンを開き、学習を終えたら「このレッスンを完了した」にチェックを入れてください。
Claude Platform 101の13レッスンを公式の順番で確認し、要約と実務での活かし方を分けて掲載しています。
Learning progress / 08
ログインは任意です。ログインしなくても、このサイトのチェックはこのブラウザに保存されます。Googleでログインすると、パソコンやスマートフォンでもチェックを同期できます。
0 / 13 完了
この端末に保存中
Overview / 08
学ぶ前に、教材の対象者・前提条件・翻訳の状態を確認しましょう。
この教材で目指すこと
Claude API（ほかのツールからClaudeを呼び出す仕組み）を使い、既存の業務ツールへAI機能を組み込む方法を学ぶ任意教材です。API連携を実装・運用する担当者や、仕組みを理解したい人向けです。未受講でも必修未完了にはなりません。
This course teaches developers to build on the Claude Platform from the ground up, whether you've made a few API calls or have only used Claude through a chat window.
翻訳について： 公式ページは英語表示（確認日: 2026-08-22）
Lesson list / 08
公式レッスンへのリンクから、公式の詳しい内容や学習アクティビティも確認できます。
Lesson 01
Claude Platformは、REST API・SDK・CLI・コンソールを通じて、Claudeをプログラムから組み込むためのAnthropicの基盤です。Messages APIやツールなどの基本機能、エージェントを拡張するインフラ、ダッシュボードや評価機能などの制御という3層で構成され、既存の製品にClaudeを組み込む入口になります。
既存の業務画面に文章の下書きや情報整理を組み込む際は、まずMessages APIで入力・役割・出力長を定義し、運用拡大後に監視や評価へ段階的につなげる設計を考えられる。
Lesson 02
最初のAPI呼び出しは、モデル、応答の最大トークン数、ユーザーやアシスタントのメッセージを指定してmessages.createを実行する形です。APIキーをコードへ直書きせず、実行時に環境変数として渡し、systemプロンプトで振る舞いを整え、返る複数のコンテンツブロックを種類ごとに確認します。
APIを使う試作は、対象データと指示を渡し、返答を画面に表示する小さな機能から始める。APIキーはコード・Git・Dropboxへ書かず、1Passwordを正本としてSecret Reference（`op://…`）で参照する。会議記録や問い合わせなど業務データを扱う前に、保存先・閲覧者・削除方法を担当者と確認する。
Lesson 03
Anthropicのモデルには、最高性能を狙うFable、難しい課題向けのOpus、速度と能力の均衡を取るSonnet、大量処理向けのHaikuという4つの層があります。実際の業務に近い20〜30例で評価し、Haikuから上位へ品質を比べて、出荷できる最も低コストのモデルを選び、仕事ごとに使い分けます。
実際の業務例20〜30件で、まず低コストのモデルから評価する。品質が足りなければ上位モデルへ進み、用途名だけで決め打ちしない。
Lesson 04
エージェントは、Claudeにツール付きのメッセージを送り、要求されたツールを実行して結果を返す流れを、完了理由がend_turnになるまで繰り返します。ループとツールは開発側が持ち、Claudeが推論を担う形で、必要なら同じループをmanaged agentsに任せられます。
データ取得や処理をClaudeに任せる場合は、操作の実行結果を返し、完了条件で止めるループとして設計できる。まずは小さな業務フローで試し、ループの管理を自分たちで行うかmanaged agentsに任せるかを判断する。
Lesson 05
ツールは、Claudeが利用できる機能を関数として公開する仕組みで、名前・説明・入力スキーマを持つJSONとしてtools配列に渡します。Claudeが呼び出しを選び、実行結果を返して処理を続けるため、説明は具体的にし、複数ツールは名前ごとに振り分けます。SDKのtool runnerにループを任せる方法と、自分で実装する方法があります。
データを取得したり処理したりするときは、Claudeに許す操作を名前・説明・入力形式つきのToolとして限定し、具体的な説明で誤作動を減らす設計を考える。複数操作は名前ごとに処理を分け、SDKのtool runnerを使うかループを自前管理するかを選ぶ。
Lesson 06
Extended thinkingは、Claudeが回答前に推論する時間を取り、その推論を応答で確認できる機能です。effortで低・中・高など深さを調整できるため、難しくトレードオフの多い課題に使い、単純な課題では遅延とトークン消費を避けて使わない判断をします。
複数条件の比較や判断材料の整理など、難しくトレードオフの多い作業ではthinkingの深さを調整する使い方を検討する。単純な分類や短い回答には使わず、待ち時間とトークン消費を抑える。
Lesson 07
Web検索・コード実行・Web取得などのserver toolsはtools配列に宣言するとAnthropic側で実行され、エージェントループなしで同じ応答に結果が返ります。memoryやbashのようなclient toolsは自分の実行環境で動き、SDKがスキーマとrunnerを提供します。
最新情報の検索やコード計算などを組み込みたいときは、server toolsの結果ブロックと通常の文章を受け取る構成を検討する。社内データや記憶を扱う処理はclient toolsとして分け、どこで実行されるかを意識して設計する。
Lesson 08
Skillsは、SKILL.mdとスクリプトやリソースをまとめて、Claudeに手順を教えるパッケージです。ツールができることを定めるのに対しSkillは方法を定め、名前と説明だけを最初に読み、必要になった時に本文を読み込むため、コード実行と組み合わせて手順を実行できます。
業務手順をSKILL.mdと必要なスクリプト・資料にまとめ、Claude Codeが必要な場面だけ読み込む形を検討する。操作を担うToolと手順を担うSkillを分け、やり方の一貫性が品質に関わる業務へ適用する。
Lesson 09
MCPは、第三者サービスの提供者が連携を保守することで、既存の統合を自分で作り続けなくてよくする仕組みです。自分のデータにはtools、手順にはSkills、外部サービスにはMCPを使い分け、接続先と認証を宣言して必要なツールだけを有効化できます。
外部サービス連携を加える際は、データ操作はTool、手順はSkill、第三者サービス接続はMCPという役割分担で候補を整理する。まず必要なツールだけを有効にし、読み取り専用に絞った構成から検証する。
Lesson 10
コンテキストは1回の応答でClaudeが見るすべての情報で、容量にも費用にも限りがあります。必要な情報をツールで都度取得する方式、古い履歴を自動要約するserver-side compaction、安定部分を再利用するprompt caching、セッションをまたぐmemory toolの4パターンで管理します。
長い社内資料や過去のやり取りを扱うツールでは、必要な情報だけをその都度読み込み、残す情報を絞る。セッションをまたいで情報を保存する前に、正本・保存期間・閲覧できる人・入れてはいけない情報・削除方法を決める。
Lesson 11
Claude Managed Agentsは、Anthropicの基盤上でエージェントを大規模に構築・配備するAPI群です。隔離コンテナ内でツール呼び出しを繰り返し、設定した環境でセッションを並列実行してイベントを配信し、ルーブリックや評価役、メモリ、MCP、権限、複数エージェント連携で完了条件まで進めます。
長時間・複数ツール・中断からの再開が必要な業務では、managed agentsにループや実行環境を預け、進行イベントを画面に流す構成を検討する。完了条件や権限を設定し、重要な操作は担当者が確認できる段階を残す。
Lesson 12
Managed agentは、agent、environment、session、eventsの順に用意し、イベントを送りながらストリームで実行状況を受け取ります。イベントストリームを開始してから起動メッセージを送り、agent.message、agent.tool_use、session.status_idleを確認し、長時間処理にはmanaged、完全な制御が必要なら手動ループを選びます。
agentを役割、environmentを実行場所、sessionを1回の依頼として分け、イベントを画面で確認できる導線を作る。長時間処理や一時的な通信障害への耐性が必要ならmanaged agents、細かな制御が必要なら手動ループを選ぶ。
Lesson 13
Claude Codeは、ターミナル内でファイルを編集し、コマンドを実行するエージェントです。変更対象のファイル、参考にする実装パターン、期待する完成状態を伝えると、コードを書いて実行し、エラーを修正します。実行後は差分の確認が必要です。Claude APIの基本形は、ツールを定義し、runnerに渡して結果を返す流れです。
作りたい業務ツールの対象ファイル・使う場面・完成の見え方をClaude Codeに伝え、小さな変更から試す。実行後は、AIの完了報告だけで終えず、変更されたファイルと動作確認結果を見る。読めない変更や外部への送信がある場合は、担当者のレビューを受けてから採用する。