Tool Wrapper（スキル設計パターン）

AIエージェントに特定の作業の手順や知識を与える「スキル」（説明と指示を書いたSKILL.mdと、参照資料、テンプレート、スクリプトをまとめたもの）を設計するときの典型的な型。必要になったときだけスキルの中身を読み込ませる前提で、規約を教えるTool Wrapper、テンプレートで出力をそろえるGenerator、チェックリストで評価するReviewer、作業の前に利用者へ質問するInversion、検証の関門を挟んで手順を順に進めるPipelineの5つが示されており、組み合わせて使う。

出力の構成を定めたテンプレートと書き方のガイドをスキルに持たせ、エージェントに必要な項目を集めさせてからテンプレートを埋めさせるスキル設計パターン。報告書、仕様書、コミットメッセージのように、毎回同じ構成で一貫した成果物を作る作業に向く。

評価の手順と、評価の観点を並べたチェックリストを分けてスキルに持たせ、エージェントに成果物を点検させて、指摘を重大度別に報告させるスキル設計パターン。コードレビューやセキュリティの点検に使い、チェックリストを差し替えるだけで別の観点の点検に転用できる。

エージェントがすぐに作業を始めず、まず利用者に質問を重ねて要件や前提を確認し、すべての質問が終わるまで作業に入らないようにするスキル設計パターン。主導権を逆にして、エージェントが利用者に聞き取りを行う形にすることで、根拠のない推測に基づく手戻りを防ぐ。テンプレートを埋めるGeneratorの前段として組み合わせることが多い。

複数の手順を決められた順序で実行させ、各手順の終わりに次へ進むための条件（関門）を置いて、満たさなければ先へ進ませないスキル設計パターン。検証の省略や失敗した結果の持ち越しを防ぐ。最後の手順でReviewerを組み合わせて品質を点検する使い方がある。

大規模言語モデルが1回の処理で扱えるトークン数の上限。システムプロンプト、会話の履歴、参照させる文書、生成する出力の合計がこの範囲に収まる必要があり、超えた部分は切り捨てられるか、要約などで縮める必要がある。上限が大きいモデルでも、長い入力の中ほどの情報が見落とされる（Lost in the Middle）ことがあるので、渡す情報を選んで構成する。