付録B　別のLLMで動かす（OpenAI・ローカルへの書き換え）＝ポータビリティ

📖 このページのゴール：エージェントの“頭脳（LLM）”を Anthropic から OpenAI やローカルLLMに1か所差し替えるだけで動かせる、と体感する。仕組み（道具・ループ・確認）は頭脳を替えても変わらない。 ← 目次・はじめにへもどる

本編はずっと Anthropic（Claude） を頭脳に使ってきました。でも「こっちのモデルが安い」「会社の都合で OpenAI（GPT）を使う」「ネットに出さず自分のPCの中（ローカル）で動かしたい」——そんな日が来ます。

うれしいことに、ここまで作ってきたエージェントの“仕組み”——🔁 考える→道具を使う→結果を返して、また考える（ループ） と、🛡 危ない操作の前に確認する——は、頭脳が誰でも変わりません。料理にたとえると、電話の向こうのシェフ（LLM）を別の人に替えても、厨房の段取り（あなたのコード）はそのままでいい、ということです。

変わるのは 「シェフへの電話のかけ方」だけ。このページでは、その電話のかけ方を 1つの小さな窓口 callLLM() にまとめておけば、差し替えが1か所で済む ことを実演します。

🟢 まず設計：LLM呼び出しを「窓口」1つにまとめる

本編のループ（4章で作った runAgent）は、中で何度も anthropic.messages.create(...) を直接呼んでいました。ここをそのままにすると、頭脳を替えるときあちこち書き換えになって大変です。

そこで、「LLMに電話する場所」をたった1つの関数 callLLM() に閉じ込めます。考え方はこうです。

本編のループは callLLM(messages) だけを呼ぶ。OpenAIを使うか・Claudeを使うか・ローカルを使うかは、この関数の中だけで切り替える。

こうすると、ループ本体は 1文字も触らず、callLLM() の中身を差し替えるだけで頭脳が丸ごと入れ替わります。これを 抽象化（ちゅうしょうか＝違いを隠して共通の窓口にまとめること） と呼びます。

まずは本編（Anthropic）を、この窓口の形に整理してみます。

// llm.ts ── LLMに電話する「共通の窓口」。本編のループは callLLM だけを呼ぶ
import Anthropic from "@anthropic-ai/sdk";

const anthropic = new Anthropic(); // ANTHROPIC_API_KEY を自動で読む
const MODEL = "claude-opus-4-8";

async function callLLM(
  messages: Anthropic.MessageParam[],
  tools: Anthropic.Tool[],
  system: string,
) {
  return await anthropic.messages.create({
    model: MODEL,
    max_tokens: 1024,
    system,
    messages,
    tools,
  });
}

1行ずつ読むと：

import Anthropic from "@anthropic-ai/sdk"：Anthropic を呼ぶための 道具箱（SDK） を読み込む。
const anthropic = new Anthropic()：電話機を用意。鍵（ANTHROPIC_API_KEY）は .env から自動で読む（付録A・第2章と同じ）。
const MODEL = "claude-opus-4-8"：頭脳の名前（モデルID）。ここを1か所変えるだけで別のClaudeにも替えられる（コストは付録F）。
async function callLLM(messages, tools, system)：唯一の窓口。会話・道具メニュー・性格（システムプロンプト）を受け取る。
anthropic.messages.create({...})：実際の電話。返事（res）をそのまま返す。本編のループは、この返事の stop_reason や content を今まで通り見ればよい。

💡 ポイントは、本編のループが「callLLM に投げて返事をもらう」としか知らないこと。中で誰に電話しているかは気にしません。だから次に窓口の中身を OpenAI に差し替えても、ループは無傷です。

🤔 同じ「会話→道具→返事」でも、OpenAIはここが違う

頭脳を OpenAI に替えるとき、やること（会話を送り、道具を使わせ、結果を返す）は同じなのに、書き方（電話のかけ方）が少しずつ違います。本編のエージェントで効いてくる違いは、大きく 3つです。レストランでたとえると、注文用紙の様式・呼び出しベルの押し方・料理の受け取り口が、お店ごとに違う、という感じです。

① 道具メニューの“様式”が違う 🟢

道具（tools）をAIに渡すときの形が違います。

Anthropic：道具そのものをべたっと並べる。

{ name, description, input_schema: { type: "object", properties, required } }

OpenAI：道具を { type: "function", function: { ... } } で1枚包む。中の鍵の名前も少し違う（input_schema ではなく parameters）。
```
{ type: "function", function: { name, description, parameters: { type: "object", properties, required } } }
```

中身（name / description / JSON Schema 本体）はほぼ同じで、包み紙と一部の鍵名が違うだけです。

② 「道具を呼びたい」の伝わり方が違う 🟢（ここが最大のつまずき）

AIが「この道具を使って」と言ってくるときの入れ物と、引数の渡され方が違います。

Anthropic：res.content の中の block.type === "tool_use" ブロックに { id, name, input }。input は最初からオブジェクト（例：{ path: "memo.txt" }）。そのまま使える。
OpenAI：message.tool_calls という配列に入ってくる。各要素は { id, function: { name, arguments } }。そして——arguments は“文字列”（例：'{"path":"memo.txt"}'）。つまり JSON.parse() で自分でオブジェクトに戻す必要があります。

⚠️ これがいちばん多いハマりどころです。Anthropic の感覚（input はもう物）のまま OpenAI の arguments を executeTool に渡すと、ただの文字列が来て道具が壊れます。OpenAI では 必ず JSON.parse(arguments) してから道具に渡します。

③ 道具の結果の“返し方”が違う 🟢

道具を実行した結果を、次の往復でAIに返すときの役割名が違います。

Anthropic：role: "user" のメッセージに { type: "tool_result", tool_use_id, content } を入れて返す（本編4章のやり方）。
OpenAI：role: "tool" という専用の役割で、{ role: "tool", tool_call_id, content } として返す。

🔁 Anthropic ↔ OpenAI 対応表

ひと目で見比べられるようにまとめます。左がAnthropic（本編）、右がOpenAIです。やることは全部同じで、名前と形だけが違うのが分かります。

項目	Anthropic（Claude／本編）	OpenAI（GPT）
SDK（道具箱）	`@anthropic-ai/sdk`	`openai`
電話機を作る	`new Anthropic()`	`new OpenAI()`
呼び出すメソッド	`anthropic.messages.create`	`openai.chat.completions.create`
systemの置き場所	`system` パラメータ（別枠）	`messages` の先頭に `role: "system"` で入れる
`max_tokens`	必須	任意（省略可）
道具メニューの形	`{ name, description, input_schema }`	`{ type: "function", function: { name, description, parameters } }`
「道具を使って」の入れ物	`res.content` の `type:"tool_use"` ブロック	`message.tool_calls` 配列
道具の引数	`block.input`（もうオブジェクト）	`call.function.arguments`（JSON文字列→`JSON.parse`が要る）
道具の結果の返し方	`role:"user"` に `tool_result` ブロック	`role:"tool"` に `tool_call_id`＋`content`
「道具を呼びたい」の合図	`res.stop_reason === "tool_use"`	`message.tool_calls` が存在するか
返事の本文の取り出し	`res.content` の `text` ブロック	`choices[0].message.content`
APIキー	`.env`（`ANTHROPIC_API_KEY`）	`.env`（`OPENAI_API_KEY`）

💡 表の右と左を見比べると、「道具を渡して、呼びたいと言われたら実行して、結果を返す」という流れ（＝エージェントの仕組み）はまったく同じで、包み紙と鍵の名前が違うだけだと分かります。だから次の「OpenAI版の窓口」も、形は本編とそっくりになります。

🛠 OpenAIへの差し替え：窓口の中身を書き換える

では callLLM() を OpenAI 版に書き換えます。本編のループ（runAgent）は触りません。違い①②③を、この窓口の中で吸収します。

🔧 本編のループは Anthropic の返事の形（res.content のブロック）を前提に書かれています。頭脳を OpenAI に替えるなら、返事の形を本編が期待する形に“通訳”するか、ループ側も OpenAI の形で読むかのどちらかが要ります。ここでは分かりやすさ優先で、OpenAI版のループ部分も合わせて示します（仕組みは4章と同じ、名前だけ違う）。

まず道具メニューを OpenAI の様式に包む

// OpenAIの道具メニュー：本編の tools を {type:"function", function:{...}} で包む
import OpenAI from "openai";
const openai = new OpenAI(); // OPENAI_API_KEY を自動で読む

const openaiTools = [{
  type: "function" as const,
  function: {
    name: "read_file",
    description: "ファイルの中身を読んで返す。",
    parameters: {
      type: "object",
      properties: { path: { type: "string", description: "読むファイルのパス" } },
      required: ["path"],
    },
  },
}];

1行ずつ読むと：

import OpenAI from "openai"：OpenAI の 道具箱（SDK） を読み込む（Anthropic とは別物＝違いの一部）。
const openai = new OpenAI()：OpenAI の電話機。鍵は .env の OPENAI_API_KEY から自動で読む（鍵を .env に隠す鉄則は両社共通）。
type: "function" as const：OpenAI 様式の包み紙。「これは関数（道具）です」の宣言。
function: { name, description, parameters }：中身は本編とほぼ同じ。ただし JSON Schema 本体の鍵は input_schema ではなく parameters（違い①）。
properties / required：道具の引数の形。ここは Anthropic とまったく同じ書き方（JSON Schema の書き方は付録C）。

窓口とループを OpenAI 版にする

const OPENAI_MODEL = "gpt-4o";

// OpenAI版の窓口：会話を送り、返事（message）を返す
async function callLLM(messages: any[]) {
  const res = await openai.chat.completions.create({
    model: OPENAI_MODEL,
    messages,
    tools: openaiTools,
  });
  return res.choices[0].message; // content と tool_calls が入っている
}

// OpenAI版のループ：仕組みは本編4章と同じ。名前と引数の扱いだけ違う
async function runAgent(userInput: string) {
  messages.push({ role: "system", content: SYSTEM_PROMPT }); // systemは messages の中へ（違い）
  messages.push({ role: "user", content: userInput });

  for (let step = 0; step < 10; step++) { // ループ上限＝暴走防止は同じ
    const message = await callLLM(messages);
    messages.push(message); // AIの発言を履歴に積む

    if (!message.tool_calls) {       // 道具を使わないなら最終回答
      console.log(message.content);
      return;
    }

    for (const call of message.tool_calls) {
      const args = JSON.parse(call.function.arguments); // ★文字列→オブジェクト（違い②）
      const result = await executeTool(call.function.name, args); // 道具の実装は本編と同じ
      messages.push({
        role: "tool",                 // 結果は role:"tool" で返す（違い③）
        tool_call_id: call.id,
        content: result,
      });
    }
  }
}

1行ずつ読むと：

const OPENAI_MODEL = "gpt-4o"：OpenAI の頭脳の名前。claude-opus-4-8 は OpenAI には通じない（モデル名は各社別物）。
openai.chat.completions.create({...})：OpenAI への電話。メソッド名が messages.create ではなく chat.completions.create（違い）。
res.choices[0].message：返事の本体。中に content（文章）と tool_calls（道具のお願い）が入る。ここから取り出すのが OpenAI 流。
messages.push({ role: "system", content: SYSTEM_PROMPT })：OpenAI は system を messages の中（先頭）に入れる（Anthropic は別パラメータ）。
for (let step = 0; step < 10; step++)：ループ上限10回。無限ループ防止は頭脳が替わっても必須（背骨🛡）。
if (!message.tool_calls)：道具のお願いが無ければ最終回答。Anthropic の stop_reason === "tool_use" 判定に当たる（違い）。
JSON.parse(call.function.arguments)：ここが OpenAI 最大の山場。arguments は文字列なので、JSON.parse でオブジェクトに戻してから道具へ渡す（違い②）。Anthropic の block.input は最初から物なので、この行が要らなかった。
executeTool(call.function.name, args)：道具の実装（read_file 等）は本編とまったく同じ。頭脳を替えても、手（道具）は使い回せる。
messages.push({ role: "tool", tool_call_id: call.id, content: result })：結果を role:"tool" で返す（違い③）。tool_call_id で「どのお願いへの返事か」を結びつける。

✅ こうして見ると、変わったのは callLLM の中身と、引数を JSON.parse する1行、役割名（tool）だけ。「道具を渡す→呼びたいと言われたら実行→結果を返す→また考える」というループの骨格は、本編4章と1ミリも変わっていません。これが「頭脳を差し替えても仕組みは同じ＝ポータビリティ（持ち運びやすさ）」の正体です。

🔧 環境変数で切り替える：.env に LLM_PROVIDER=openai（または anthropic）と書いておき、callLLM の入口で process.env.LLM_PROVIDER を見て分岐すれば、コードを書き換えずに設定だけで頭脳を交換できます。

🛠 ローカルLLMで動かす（Ollama / LM Studio）— `baseURL` を差し替えるだけ

「鍵も要らない・無料で・ネットに出さず自分のPCの中だけで動かしたい」——そんなときは ローカルLLM を使います。Ollama や LM Studio といった道具は、自分のPCでモデルを動かしつつ、OpenAIと“同じ電話のかけ方”ができる窓口（OpenAI互換API） を用意してくれます。

うれしいのは、OpenAI互換なので、さっきの OpenAI 版コードがほぼそのまま使えること。違いは基本、電話のかけ先（baseURL）を自分のPC内に向けることだけです。

import OpenAI from "openai";

// 電話のかけ先を「自分のPCの中」に向けるだけ。中身は OpenAI 版コードのまま
const openai = new OpenAI({
  baseURL: "http://localhost:11434/v1", // Ollama の既定。LM Studio は :1234/v1 など
  apiKey: "ollama",                     // ローカルは鍵不要。形だけ何か入れておく
});

const LOCAL_MODEL = "llama3.1"; // 自分のPCに入れたモデル名（例）

1行ずつ読むと：

import OpenAI from "openai"：OpenAI の道具箱をそのまま使う。ローカルLLMが「OpenAIのふり」をしてくれるので、専用SDKは要らない。
baseURL: "http://localhost:11434/v1"：電話のかけ先。localhost（自分のPC）の中で動いている Ollama に向ける。ここを差し替えるだけで、クラウドの OpenAI ではなく手元のモデルに繋がる（LM Studio など他のツールは番号が違う＝そのツールの説明で確認）。
apiKey: "ollama"：ローカルは鍵が要らない。でも SDK が空だと怒るので、形だけ何か入れておく。
const LOCAL_MODEL = "llama3.1"：自分のPCに入れたモデルの名前。あとは OpenAI 版の callLLM の model をこれに替えるだけ。

💡 つまりローカルLLMは、「OpenAI版コードの baseURL を自分のPCに向け、鍵をダミーにする」だけ。ループも道具も JSON.parse も、OpenAIのときと同じです。

⚠️ ローカルLLMの落とし穴（正直に）：鍵不要・無料・データが外に出ない、と良いことずくめに見えますが、非力なモデルは“道具呼び出し”が下手なことがあります。具体的には——

道具を呼ぶべき場面で呼ばない（自分で適当に答えてしまう）／呼ばなくていい場面で呼ぶ

arguments（引数）の JSONが壊れて返る（JSON.parse が失敗する）→ try/catch で受け止め、エラーを文字列で道具結果として返す設計（本編の流儀）が効く

そもそも tool_calls の様式に対応していない小さなモデルもある

なので「練習・オフライン・機密データ用」には最高ですが、複雑なエージェント挙動は、まだクラウドの大きいモデル（Claude / GPT）の方が安定です。まず Claude で仕組みを完成させ、ローカルは“替えてみる” くらいの順がおすすめです。

🤖 AIに頼むなら（書き換えそのものをAIに任せる）

ここがいちばん言いたいことです。この付録の書き換え作業すら、手元のAIに頼める。エージェントの本質は特定のSDKでなく“考え方（ループと安全）”なので、コードは別の頭脳・別の言語へ翻訳が効きます。

🗣 プロンプト例 「この Anthropic（@anthropic-ai/sdk）版のCLIエージェントを、OpenAI（openai）版に書き換えて。守ってほしい点： ① LLM呼び出しは callLLM() という1つの関数にまとめる（差し替えが1か所で済むように） ② 道具メニューは {type:'function', function:{name, description, parameters}} の形にする ③ 道具のお願いは message.tool_calls から読み、arguments は JSON.parse してから道具に渡す ④ 道具の結果は role:'tool' で返す ⑤ ループ上限（暴走防止）と、危険な道具の前の確認はそのまま残す」

🗣 言語ごと替えたいとき 「この TypeScript 版エージェントを Python で書き直して。OpenAI の Python SDK（openai）を使い、上の①〜⑤の設計はそのまま守って」

AIが書き換えてくれたら、鵜呑みにせず、下のチェックリストで自分の目で確かめます（このチェックこそ、本編を通して身につけた“安全の目”です）。

出力チェックリスト

窓口は1つになっているか（callLLM() 等にLLM呼び出しが集約され、ループ本体に create が散らばっていない）
OpenAI版で arguments を JSON.parse しているか（文字列のまま道具に渡していない＝違い②の最頻バグ）
道具の結果を role:"tool"（＋tool_call_id） で返しているか（違い③）
道具メニューが {type:"function", function:{…, parameters}} の形か（input_schema のままになっていない＝違い①）
ループ上限（例：10回）が残っているか（頭脳を替えても暴走防止は必須）
危険な道具（書き込み・コマンド）の前の確認（第8章）が消えていないか
引数を鵜呑みにせず検証しているか（型・必須・作業フォルダ外へ出さない＝第9章）。ローカルLLMは特に壊れたJSONを返しがちなので try/catch で受け止めているか
鍵を .env に隠し、コードに直書きしていないか（ローカルはダミー鍵でOK／クラウドは本物を .env に）

📝 ことばメモ

プロバイダ：LLM（頭脳）を提供する会社・サービス。ここでは Anthropic / OpenAI と、手元で動かすローカルLLM
ポータビリティ（持ち運びやすさ）：中身（頭脳）を替えても、外側の仕組み（ループ・道具・確認）がそのまま使えること。窓口 callLLM() がそれを支える
抽象化（ちゅうしょうか）：違いを隠して共通の窓口にまとめること。ここでは LLM 呼び出しを callLLM() に集約すること
OpenAI互換API：OpenAI と同じ電話のかけ方ができる窓口。Ollama / LM Studio などのローカルLLMが用意してくれる。だから OpenAI 版コードが baseURL 差し替えでほぼ動く
baseURL（ベースユーアールエル）：電話のかけ先。クラウド（OpenAI）か、自分のPCの中（localhost）かを切り替える設定
tool_calls / arguments：OpenAI が「この道具を使って」と返す入れ物（tool_calls）と、その引数（arguments）。arguments は文字列なので JSON.parse が要る（Anthropic の input はオブジェクト＝そのまま使える）

← 目次・はじめにへもどる

付録B 別のLLMで動かす（OpenAI・ローカルへの書き換え）＝ポータビリティ

🟢 まず設計：LLM呼び出しを「窓口」1つにまとめる

🤔 同じ「会話→道具→返事」でも、OpenAIはここが違う

① 道具メニューの“様式”が違う 🟢

② 「道具を呼びたい」の伝わり方が違う 🟢（ここが最大のつまずき）

③ 道具の結果の“返し方”が違う 🟢

🔁 Anthropic ↔ OpenAI 対応表

🛠 OpenAIへの差し替え：窓口の中身を書き換える

まず道具メニューを OpenAI の様式に包む

窓口とループを OpenAI 版にする

🛠 ローカルLLMで動かす（Ollama / LM Studio）— baseURL を差し替えるだけ

🤖 AIに頼むなら（書き換えそのものをAIに任せる）

📝 ことばメモ

付録B　別のLLMで動かす（OpenAI・ローカルへの書き換え）＝ポータビリティ

🛠 ローカルLLMで動かす（Ollama / LM Studio）— `baseURL` を差し替えるだけ