ツール使用を伴うマルチターン会話を構築するには、Claudeからのさまざまな応答タイプを処理する必要があります。Claudeが応答する際、ツールを使用する必要がある場合もあれば、直接回答を提供する場合もあります。コードはこの両方のシナリオを適切に処理する必要があります。
シンプルなツール統合の問題点
すべての会話にツールの結果を追加するだけでは、問題が発生します。「1+1は?」のような単純な質問にClaudeが答える場合、ツールは一切必要ありません。しかし、コードが常にツールの結果を処理しようとすると、会話履歴に空のメッセージが追加されてしまいます。
解決策は、Claudeの各応答とともに返される stop_reason を確認することです。これにより、Claudeが生成を停止した理由(自然に完了したのか、ツールを使用したいためなのか)がわかります。
停止理由

Claudeが停止する理由にはいくつかあります。
"tool_use"- モデルがツールを呼び出したい"end_turn"- モデルが応答の生成を完了した"max_tokens"- 出力の上限に達した"stop_sequence"- 指定した停止シーケンスに遭遇した
チャット関数の改善
まず、より多くの情報を返すようにチャット関数を更新します。テキストとパーツを別々に返すだけでなく、必要なすべての情報を含む辞書を返すようにします。
def chat(messages, tools=None, system=None, **kwargs):
# ... 既存のコード ...
return {
"parts": parts,
"stop_reason": response["stopReason"],
"text": "\n".join([p["text"] for p in parts if "text" in p])
}このアプローチは、応答パーツからすべてのテキストコンテンツを抽出するもので、最初のパーツが常にテキストであると仮定するよりも堅牢です。
会話ループの構築
会話全体の流れを処理する関数を作成します。
def run_conversation(messages):
while True:
result = chat(messages, tools=[get_current_datetime_schema])
add_assistant_message(messages, result["parts"])
print(result["text"])
if result["stop_reason"] != "tool_use":
break
tool_result_parts = run_tools(result["parts"])
add_user_message(messages, tool_result_parts)
return messagesこのループは、Claudeがツール使用以外の理由で停止するまで続きます。各反復では以下を行います。
- 現在のメッセージをClaudeに送信する
- Claudeの応答をメッセージ履歴に追加する
- Claudeがツールを使用したいかどうかを確認する
- もしそうであれば、ツールを実行し、結果を会話に戻して追加する
- そうでなければ、ループを終了する
実装のテスト
このアプローチは、ツールを必要とする質問と単純な質問の両方を処理します。
# ツール使用が必要な質問
messages = []
add_user_message(messages, "What time is it?")
run_conversation(messages)
# 簡単な質問
messages = []
add_user_message(messages, "What is 1+1?")
run_conversation(messages)時間に関する質問については、Claudeはdatetimeツールを使用します。数学の質問については、ツール呼び出しを一切行わずに直接応答します。会話ループは、Claudeの停止理由に基づいて自動的に適応します。
このパターンは、ツールを追加していく際にうまくスケールします。同じループがツール使用と直接応答のあらゆる組み合わせを処理するため、会話型AIがより堅牢で自然なものになります。