最近、Anthropicの公式ブログでは、「Writing effective tools for LLM agents—using LLM agents」というタイトルの詳細なガイドが公開されました。このガイドは、開発者がModel Context Protocol（MCP）を活用してLLMエージェントに効率的なツールを設計するのを支援することを目的としています。本文では、「プロトタイプ - 評価 - コラボレーション」の3段階の反復プロセスが提示され、ツールの効果性と使いやすさを確保するための5つの設計原則がまとめられています。

image.png

まず、ガイドではツールの選択において注意深く考える必要があると強調しています。開発者は、ツールがLLMエージェントのニーズを効果的に満たすことを確保するために、ツールの選定を慎重に行う必要があります。次に、明確な名前空間を維持することが提案されています。これにより、異なるツールや機能の名前が混乱しないようにし、開発者が迅速かつ簡単に理解・使用できるようにします。

また、ツールのコンテキスト戻り値もより意味のあるものにする必要があります。ガイドでは、開発者がツールから返される情報を最適化し、情報量が多く、コンテキストに関連性のあるものにすることを推奨しています。これにより、LLMエージェントの作業効率が向上します。さらに、返される情報のトークン効率も重要であり、データ転送コストを低減し、処理速度を向上させる必要があります。最後に、ガイドではプロンプトエンジニアリングを通じてツール説明の質を向上させることを提案しており、ユーザーがツールの機能と使い方をより明確に理解できるようにしています。

また、本文では多くの結論がClaude Codeによってスクリプトの繰り返し分析、ツールの説明およびパターンの再構築を通して自動的に導き出されたものであることが述べられており、分析の科学的かつ正確性が保証されています。過学習を防ぐために、Anthropicはテストセットを保持して評価を行っています。さらに、Anthropicはツール評価のCookbookをオープンソース化しており、今後のMCPプロトコルと下位のLLMのアップグレードに伴って、ツールの能力も進化していく予定であると述べています。

ガイド：https://www.anthropic.com/engineering/writing-tools-for-agents