AI実践研修 集中コース（生成AIエージェント開発）

開発環境（Python・エディタ・ターミナル）を構築し、Git と GitHub の基本操作（コミット、ブランチ、プルリクエスト）を扱います。

AIコーディングツールの使い方と限界を扱い、何を任せ何を自分で判断するかを整理します。あわせてAIが書いたコードを読むための Python の最低限（変数・関数・辞書・例外）と、動くことと正しいことは違うというレビュー観点を身につけます。

HTTP と Web API の基礎を押さえ、配布するテンプレートを読み解きながらWebアプリを実装します。エンドポイント、リクエストとレスポンス、入力フォームと結果表示までを扱います。

環境変数とAPIキーの扱い（コードに書かない）を扱い、AWS または Azure へデプロイして稼働確認まで行います。ログ出力の基本も扱います。

トークン予測と確率モデルという仕組みから、「理解」の不在とハルシネーションまでを扱います。あわせてLLM APIの呼び出しとレスポンスの構造を確認します。

システムプロンプト設計の基本と会話履歴の管理を扱います。Function Calling は、モデルが返すのは呼びたい関数名と引数だけで、実行するのはアプリ側であること、ツール定義（JSONスキーマ）が橋渡しになることを原理から扱います。

自分のアプリにツール呼び出しを組み込み、失敗したときのふるまいまで実装します。トークン数とコストの計算も扱います。

MCP とは何か、Function Calling との関係と標準化される意味を扱い、既存のMCPサーバーへ接続して動作を確認します。

小規模なMCPサーバーを自分で実装します。認証・権限・スコープの考え方と、責任分界およびログ設計を扱います。

OAuth による認証とスコープ（権限範囲）の設計を扱い、メール検索や予定の取得といった読み取り系ツールを実装します。メール・カレンダーのデータ構造とAPIの扱いも確認します。

書き込み系ツールの扱いと確認フローを設計します。AIに勝手に送信させない作りと、実データを扱う際の情報管理上の注意を扱います。

複数のツールを持たせたときに、正しいものを選ばせるためのプロンプト設計を扱います。

「メールを読む→予定を確認する→返信案を作る」のような多段実行と状態管理、ツールが失敗したときの設計を扱います。チーム単位での機能追加と相互レビューも行います。

ベクトル検索と埋め込みの仕組みを扱い、ドキュメントの分割単位を変えると検索結果がどう変わるかを確かめます。

ベクトルDBへの登録と検索を実装し、検索結果をプロンプトに載せて回答の根拠を示せるようにします。検索できない・的外れな結果が返るケースを切り分け、RAGをエージェントのツールとして組み込みます。

評価データセットの作り方と、変更で壊れていないかを確認する回帰テストを扱います。プロンプトインジェクションや機密情報の取り扱い、OWASP Top 10 for LLM Applications の要点、ログ・監視・コスト管理、AIと人間の責任分界まで扱います。

一人ずつデモと説明を行い、講師による個別コードレビューを受けます。