読み込み中

構造化データのためのツール

レッスン 319 分
読み込み中

Claudeから構造化データを取得する必要がある場合、主に2つのアプローチがあります。メッセージのプリフィルとストップシーケンスを使用するプロンプトベースの手法か、より堅牢な方法であるツールを使用する手法です。プロンプトベースのアプローチはセットアップが簡単ですが、ツールは追加の複雑さと引き換えに、より信頼性の高い出力を提供します。

構造化データのためのツール

ツールベースのアプローチは、抽出したいデータの正確な構造を定義するJSONスキーマを作成することで機能します。Claudeが応答を正しくフォーマットしてくれることを期待する代わりに、実質的にはClaudeに、望む出力構造に一致する特定のパラメータを持つ関数を呼び出させることになります。

整数の「balance」と文字列の配列「key_insights」を持つ、financial_analysis_schemaツール定義。

プロセスの流れは次のとおりです。

  • 求めているデータの構造を記述するスキーマを作成する
  • tool_choice パラメータを使用して、Claudeにツールの使用を強制する
  • ツール使用の応答から構造化データを抽出する
  • フォローアップの応答を提供する必要はありません。データを取得した時点で完了です

たとえば、財務諸表から残高と主要なインサイトを抽出したい場合、スキーマではそれぞれを整数と文字列の配列として定義します。

ツール使用の制御

この手法の重要な部分は、Claudeが実際にあなたのツールを呼び出すようにすることです。この動作は tool_choice パラメータを使用して制御できます。

「auto」、「any」、そしてツール名付きの「tool」という3つのtool_choiceオプションと、それぞれがツール使用に与える効果が以下に一覧表示されている。

  • {"type": "auto"} - モデルがツールを使用する必要があるかどうかを判断する(デフォルト)
  • {"type": "any"} - モデルはツールを使用する必要があるが、どのツールを使うかは選択できる
  • {"type": "tool", "name": "TOOL_NAME"} - モデルは指定されたツールを使用する必要がある

構造化データ抽出の場合、通常はClaudeに特定のスキーマツールを確実に呼び出させるために3番目のオプションを使用したいはずです。

実装例

記事からタイトル、著者、主要なインサイトを抽出したいとします。まず、ツールスキーマを作成します。

python
article_summary_schema = {
    "name": "article_summary",
    "description": "Extracts structured data from articles",
    "input_schema": {
        "type": "object",
        "properties": {
            "title": {"type": "string"},
            "author": {"type": "string"},
            "key_insights": {
                "type": "array",
                "items": {"type": "string"}
            }
        }
    }
}

次に、そのツールを指定してClaudeを呼び出し、使用を強制します。

python
response = chat(
    messages,
    tools=[article_summary_schema],
    tool_choice={"type": "tool", "name": "article_summary"}
)

応答には、input フィールドに構造化データを含むツール使用ブロックが含まれます。これには直接アクセスできます。

python
structured_data = response.content[0].input

どちらのアプローチを使うべきか

素早く簡単なものが必要な場合は、プロンプトベースの構造化出力を選びましょう。確実な信頼性が必要で、追加のセットアップの複雑さにも対応できる場合はツールを使用しましょう。どちらの手法も、具体的なユースケースと要件に応じて価値があります。