Claude APIで自律型AIエージェントを実装する — Tool Use × Fetch APIの実践ガイド

タロット・おみくじ・手相の3つのClaude API連携アプリを通じて、個人開発で一貫して守ってきた設計パターンを整理。決定的ロジックとAI解釈の分離、プロンプトの役割・文章量・形式の明示、APIキーのセキュアストレージ管理といった共通アーキテクチャから、テキスト入力から画像入力への拡張まで、段階的な型の応用方法を事例で解説。

Berkeley SkyLab の PixelRAG 論文の実装である pixelshot を試したところ、Wikipedia の Comparison_of_programming_languages ページでスクリーンショット分割に失敗し、18609px のページを 1553px と誤認識して 1 tile のみ返した。他の複数サイトで実測した結果、長尺サイト対応では既存のヘッドレスブラウザに scrollTo + screenshot の反復機能を足すだけで十分であることが判明。

Google Gemini + Drive APIで構築した複雑な外部脳システム（数ファイル、認証・同期処理多数）を、Claude + ローカルファイル書き込みの190行スクリプト1本に置き換えた。「公式性の罠」に陥らず、核心（SSOT設計）と周辺インフラを分離していたため、保存先変更時に周辺を丸ごと捨てられた。

個人開発ツール OTOHA で、音声ファイルから X・Instagram・note など5フォーマットの SNS 原稿を自動生成する際の設計を共有。文字起こし全文を前処理で一度だけ構造化抽出し、話者の口調プロファイル（一人称・語尾・熱量など）を確定させてから、各フォーマットの並列生成に共通制約として配ることで、複数媒体でも「同じ人格」を保証する仕組みを実装。