🔄 AIが一人で働く秘密

これまで私たちはAIエージェントの核心部品をひとつずつ学んできましたね。第2話では頭脳（LLM）、第3話では手（Tool Use）、第4話では記憶（コンテキストとメモリ）を学びました。

でも、これらの部品があるだけでエージェントになれるでしょうか？違います！この三つをつなぎ合わせて、自ら繰り返す構造が必要なんですよ。それが今日学ぶAgent Loop（エージェントループ）です。

例を挙げてみましょう。Claude Codeに「このバグを直して」と言うと、こんなことが起きます：

1. コードを読んで問題を分析する（考える）
2. ファイルを修正する（行動する）
3. テストを実行して結果を確認する（観察する）
4. テストが失敗したら？ → 再び1番へ！

このプロセスが平均21.2回のツール呼び出しを人間の介入なしに実行するそうです（Anthropic公式ドキュメント）。一回聞いて終わりのチャットボットとは完全に次元が違いますね！

🧠 Think → Act → Observe — 三段階のサイクル

エージェントループは三つの段階で構成されています。

1. Think（考える） — LLMが現在の状況を分析し、次に何をするかを決めます。「このコードにnullチェックが抜けている。修正しなければ」というようにね。

2. Act（行動する） — 決定に従ってツールを呼び出します。ファイルを読んだり、コードを修正したり、検索したり。第3話で学んだTool Useがここで輝きますよ！

3. Observe（観察する） — 行動の結果を確認します。ツールが返した結果を見て「成功した？まだやることがある？」を判断します。

📜 ReActパターン — 学術的な起源

この「考えて行動する」パターンには公式な名前がありますよ。それがReActです。

2022年10月、プリンストン大学とGoogleの研究チームが「ReAct: Synergizing Reasoning and Acting in Language Models」という論文を発表しました。この論文はICLR 2023に掲載され、AIエージェント研究の基礎となりましたよ。

ReActの核心アイデアはシンプルです：

• 推論（Thought）が行動計画を立て、例外を処理します
• 行動（Action）が外部の情報源とやりとりします
• この二つを交互に行うことで、単独よりずっと強力になります

実際の実験では、ReActはWikipedia検索タスク（HotpotQA）でhallucination（幻覚）とエラーの伝播を大幅に削減し、ゲーム環境（ALFWorld）では従来の方法と比べて34%高い成功率を記録しましたよ。

⚙️ ClaudeのAgent Loop — 実際の実装

Claude Agent SDKのエージェントループはこのように動作します：

1. プロンプト受信 — ユーザーのリクエスト + システムプロンプト + ツール定義 + 会話履歴
2. 評価／応答 — Claudeがテキスト、ツール呼び出し、またはその両方を返す
3. ツール実行 — SDKがツールを実行して結果を収集
4. フィードバック — 結果を再びClaudeに渡す
5. 繰り返し — 2〜4のステップを繰り返し、ツール呼び出しがなければ終了

コードで見ると驚くほどシンプルです。核心はwhileループですよ：

# Claude Agent Loopの核心構造（擬似コード）
while True:
    # 1. LLMに現在の状況を渡す
    response = claude.send(messages)

    # 2. ツール呼び出しがあるか確認
    if not response.has_tool_calls():
        # ツール呼び出しなし → 最終回答！
        print(response.text)
        break

    # 3. ツール実行 & 結果収集
    for tool_call in response.tool_calls:
        result = execute_tool(
            tool_call.name,
            tool_call.arguments
        )
        # 4. 結果を会話に追加
        messages.append(
            tool_result(result)
        )

このシンプルな構造がClaude Codeのすべての魔法の源です。max_turnsやmax_budget_usdといった安全装置があるので、無限に回り続けることはありませんよ。

💻 自分で作ってみよう！ — ミニエージェントループ

それでは私たちも直接エージェントループを作ってみましょう！簡単な「天気照会エージェント」ですよ。

import anthropic, json

client = anthropic.Anthropic()
MAX_TURNS = 10  # 無限ループ防止！

# ツール定義
tools = [{
    "name": "get_weather",
    "description": "都市の現在の天気を照会",
    "input_schema": {
        "type": "object",
        "properties": {
            "city": {
                "type": "string",
                "description": "都市名"
            }
        },
        "required": ["city"]
    }
}]

# ツール実行関数
def run_tool(name, args):
    if name == "get_weather":
        city = args["city"]
        return f"{city}: 晴れ、22°C"
    return "不明なツール"

# 🔄 エージェントループ！
messages = [{"role": "user",
  "content": "東京とソウルの天気を比較して"}]

for turn in range(MAX_TURNS):
    resp = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1024,
        tools=tools,
        messages=messages
    )

    # テキストのみが来たら → ループ終了
    if resp.stop_reason == "end_turn":
        for block in resp.content:
            if hasattr(block, "text"):
                print(block.text)
        break

    # ツール呼び出し処理
    messages.append(
        {"role": "assistant",
         "content": resp.content})

    for block in resp.content:
        if block.type == "tool_use":
            result = run_tool(
                block.name,
                block.input
            )
            messages.append({
                "role": "user",
                "content": [{
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": result
                }]
            })
            print(f"[Turn {turn+1}]"
                  f" {block.name}"
                  f"({block.input})"
                  f" → {result}")
else:
    print("⚠️ 最大ターン数超過！")

1. for turn in range(MAX_TURNS) — 安全に最大回数を制限
2. LLMがツールを呼び出したら → 実行して結果を返す
3. LLMがテキストのみを返したら → 最終回答、ループ終了！

「東京とソウルの天気を比較して」と言うと、エージェントはget_weather("東京") → get_weather("ソウル")を順に呼び出した後、結果を比較して最終回答を作ります。Think → Act → Observeが自動的に起きるんですよ！

全体のコードはGitHubリポジトリで確認できますよ。

⚔️ ReAct vs Plan-and-Execute

エージェントループには二つの代表的な戦略がありますよ。

ReAct（反応型） — 毎ステップで考えてすぐに行動します。柔軟ですが、全体的な大きな絵を見失うことがあります。

Plan-and-Execute（戦略型） — まず全体の計画を立てて、順番に実行します。より正確ですが、計画段階でトークンをたくさん使います。

⚠️ エージェントループが失敗するとき

エージェントループは強力ですが、失敗することもあります。2025年の研究によると、マルチエージェントシステムの失敗率は41〜86.7%にも達するそうです（arXiv:2503.13657）。

代表的な失敗モードを見てみましょう：

失敗を防ぐためにはこういった安全装置が必須ですよ：

• 繰り返し回数制限 — max_turnsでハードキャップを設定
• コスト制限 — max_budget_usdで支出上限を設定
• 進捗追跡 — 毎ターンの進行状況を記録
• 結果検証 — ユニットテストだけでなくend-to-end検証も実施

💰 隠れたコスト — トークン消費

エージェントループには隠れたコストがあります。毎ターン、システムプロンプト + ツール定義 + 会話履歴全体 + ツールの入出力が累積されるからです。

OpenReviewの研究によると、同じコーディングタスクでもエージェントによってトークン消費が10倍違うこともあるそうです。実行前にコストを予測するのはほぼ不可能です（相関係数 r < 0.15）。

そのためClaude Agent SDKはこのような最適化を行っていますよ：

• 自動圧縮（Compaction） — コンテキストが長くなると以前の内容を要約
• プロンプトキャッシング — 繰り返されるシステムプロンプトをキャッシング
• サブエージェント — 独立したタスクを別のエージェントに分離してコンテキスト爆発を防止

📝 今日の核心まとめ

• Agent Loop（エージェントループ）は「Think → Act → Observe」を繰り返す構造ですよ。これがチャットボットとエージェントを区別する核心です。
• ReActパターンは推論（Reasoning）と行動（Acting）を交互に行う方式で、2022年のプリンストン大学＋Googleの論文で提案されましたよ。
• Claude Codeの核心はwhileループ一つですよ — ツール呼び出しがあれば続行、なければ終了！
• エージェントループには無限ループ、再帰的失敗などのリスクがあるため、max_turnsのような安全装置が必須ですよ。
• トークンコストが毎ターン累積されるため、自動圧縮とサブエージェントで最適化する必要がありますよ。
• 次の話では、このエージェントループに「個性」を与えるシステムプロンプト設計を学びますよ！

📚 References

• ReAct: Synergizing Reasoning and Acting in Language Models (Yao et al., 2022)
• Anthropic — How Claude Code Works
• Claude Agent SDK — How the Agent Loop Works
• Hugging Face — Agents Course: Thought-Action-Observation
• IBM — What is a ReAct Agent?
• Why Do Multi-Agent LLM Systems Fail? (2025)
• ReAct vs Plan-and-Execute: A Practical Comparison
• Anthropic — Effective Harnesses for Long-Running Agents
• How Do Coding Agents Spend Your Money? (OpenReview, 2025)
• Google Research — ReAct Blog Post
• クロディのAgentic AI教室 第2話 — LLMって何？
• クロディのAgentic AI教室 第3話 — Tool Useの世界
• クロディのAgentic AI教室 第4話 — コンテキストとメモリ