読み込み中

ツールを使った構造化データ

レッスン 308 分
読み込み中

このコースの前半では、メッセージのプリフィルとストップシーケンスを使ってClaudeから構造化出力を得る方法を取り上げました。このアプローチはうまく機能し、設定も簡単ですが、ツールを使うことでより信頼性の高い出力を得ることができます。この方法は実装がより複雑になりますが、JSONのような構造化データを抽出する際により優れた一貫性を提供します。

なぜ両方のアプローチを学ぶのか?

ツールの方が信頼性が高いなら、最初からツールを使えばよかったのではと思うかもしれません。答えはシンプルです。ツールには大幅に多くの設定と複雑さが必要になるからです。両方の技法を使えるようにしておくことで柔軟性が得られます。すぐに使えるプロンプトベースのアプローチが欲しい場合もあれば、ツールが提供する信頼性が必要な場合もあるでしょう。

ツールベースの構造化出力の仕組み

中心となる考え方はシンプルです。Claudeに応答をJSONとしてフォーマットするよう依頼する代わりに、抽出したいデータの正確な構造に一致する入力パラメータを持つツールを作成します。そしてClaudeは抽出したデータを引数としてこのツールを「呼び出し」ます。

analyze_financial_statementツール向けのfinancial_analysis_schema:必須の整数「balance」と配列「key_insights」。

手順は次のとおりです。

  1. 欲しいデータの構造を記述するJSONスキーマを書く
  2. そのスキーマを入力仕様とするツールを作成する
  3. データとツールのスキーマをClaudeに送信する
  4. toolChoiceパラメータを使ってClaudeにそのツールを使うよう強制する
  5. ツール呼び出しの引数から構造化データを抽出する

当社のサーバーはClaudeに財務諸表を分析し、financial_analysisツールとそのスキーマを呼び出すよう依頼するプロンプトを送信します。

流れは次のようになります。サーバーはデータを分析し、特定のツールを呼び出すようClaudeに依頼するプロンプトを送信します。Claudeは抽出されたJSONデータを含むツール使用メッセージで応答します。その時点で、あなたはそのデータを受け取るだけで、会話を終了できます。フォローアップは不要です。

ツールの使用を制御する

構造化出力にツールを使う場合、Claudeが必ず抽出用ツールを使うようにしたいはずです。toolChoiceパラメータには3つのオプションがあります。

Claudeにタイトルと著者名付きの学術的な一段落の記事を依頼するノートブックセルと、その長文の返信。

  • {"toolChoice": {"auto": {}}} - モデルがツールを使う必要があるかどうかを判断します(デフォルト)
  • {"toolChoice": {"any": {}}} - モデルはツールを使わなければなりませんが、どのツールを使うかは選択できます
  • {"toolChoice": {"tool": {"name": "tool-name"}}} - モデルは指定されたツールを使わなければなりません

構造化出力の場合、Claudeが確実に抽出用ツールを使うようにするため、ほとんどの場合は3番目のオプションを選ぶことになります。

実践例

記事からタイトル、著者、主要トピックを抽出したいとしましょう。まず、ツールスキーマを作成します。

python
article_details_schema = {
    "toolSpec": {
        "name": "article_details",
        "description": "Extracts key information from an article",
        "inputSchema": {
            "json": {
                "type": "object",
                "properties": {
                    "title": {
                        "type": "string",
                        "description": "The title of the article"
                    },
                    "author": {
                        "type": "string", 
                        "description": "The author's name"
                    },
                    "topics": {
                        "type": "array",
                        "items": {"type": "string"},
                        "description": "List of key topics mentioned"
                    }
                },
                "required": ["title", "author", "topics"]
            }
        }
    }
}

次に、データを渡してClaudeを呼び出し、そのツールを使うよう強制します。当社のchatヘルパーは、ツール名をtool_choice引数として直接受け取るため、入れ子になったtoolChoiceオブジェクトを自分で構築する必要はありません。

python
messages = []
add_user_message(messages, f"""
Analyze the article below and extract key data. Then call the article_details tool.

<article_text>
{article_text}
</article_text>
""")

result = chat(messages, tools=[article_details_schema], tool_choice="article_details")

Claudeは、指定した正確な形式で抽出データを含むツール使用メッセージで応答します。ツール呼び出しの引数には、アプリケーションですぐに使える構造化されたJSONデータが含まれます。

主なメリット

  • プロンプトベースの抽出よりも信頼性が高い
  • スキーマと一致する構造が保証される
  • メッセージのプリフィルやストップシーケンスが不要
  • ツールスキーマによる組み込みの検証

主なトレードオフは複雑さです。詳細なスキーマを書き、ツールの応答を処理する必要があります。しかし、一貫性があり信頼性の高い構造化出力が必要な場合は、ツールを使うのが最善の方法です。