LiteLLM と DeepEval で LangGraph エージェントの応答品質を自動評価する

Claude API でツール呼び出しを繰り返すエージェントのコンテキスト溢れに対応する Context Editing 機能を Python で実装する方法を解説。context_management パラメータで古い tool_result を自動削除する一方、プロンプトキャッシュ破壊による追加コスト、重要なツール結果の誤削除、extended thinking との併用時の予期しない挙動という 3 つの実装上の落とし穴と対策（clear_at_least の増大、exclude_tools の活用、thinking ブロックの計測）を実例で紹介。

Anthropic が OAuth トークンのサードパーティAPI利用を禁止したため、Discord 連携の自律AIエージェント「Ruby」が停止。console APIキーへの切り替えとレートリミット超過に対し、Frontmatter ベースの動的プロンプトローディング、Haiuku ディスパッチャーと Claude Code 委任アーキテクチャを導入し、月間トークン消費量を 25% 削減した復旧事例。

Claude Fable 5 はコーディングエージェントの 44 ターン中 11 ターンで途中でツールコール拒否（stop_reason: "refusal"）を返し、引数が途中で切れても有効な JSON としてパースされるため、stop reason チェック無しのエージェントループは不完全なファイル書き込みを実行する。コスト面では glm-5.2 の 15 倍かかり、またレイテンシと安全性のバランスが課題。

Claude Cowork がモバイル・Web 版に対応した背景にある「非同期タスク実行＋どこからでも進捗確認」という設計パターンを、Anthropic API とシンプルなタスクキューで最小構成で再現する方法を解説。タスク投入エンドポイント、バックグラウンド実行ワーカー、ステータス確認エンドポイントの 3 要素に分解し、デスクからもモバイルからも同じ構造でタスク管理できるエージェントの実装例を示す。