カスタムスキルベースPydanticエージェント

AI/ML

概要

このリポジトリは「Custom Skill-Based Pydantic AI Agent」を題材に、Claude Skillsで知られる設計パターンをオープンな仕組みで再現したサンプル実装です。中心概念はプログレッシブ開示(progressive disclosure):スキルが必要になったときにのみ指示やリソースを読み込むことで、長大なコンテキストを常にモデルに与える必要をなくし、トークンコストやプライバシー問題を低減します。Pydanticを利用してスキルの入出力を構造化・検証し、フレームワークに依存しない形でスキル登録・実行を行えるようにデザインされています。環境変数テンプレートや説明ドキュメント(CLAUDE.md)も含まれ、学習用・プロトタイプ用として扱いやすい構成です。

GitHub

リポジトリの統計情報

  • スター数: 3
  • フォーク数: 2
  • ウォッチャー数: 3
  • コミット数: 5
  • ファイル数: 13
  • メインの言語: Python

主な特徴

  • Progressive Disclosure(プログレッシブ開示)を実装し、必要時にのみスキルをロードすることでコンテキスト管理を最適化
  • Pydanticを用いたスキルの入出力の型安全・構造化検証
  • フレームワーク非依存な設計で、既存のエージェント基盤へ組み込みやすい
  • README/CLAUDE.mdで概念と実装例の関係を解説

技術的なポイント

本プロジェクトのコアは「スキル」を小さなモジュールとして扱い、エージェントがタスクを処理する過程で必要になったスキルだけを呼び出す点にあります。Pydanticはスキルのパラメータや返却データを明確に定義・検証するために使われ、曖昧な自由テキストよりも堅牢なインターフェースを提供します。これにより、モデルからの応答をアプリケーション側で安全に扱いやすくなり、入力ミスや型の不一致によるエラーを早期に検出できます。

プログレッシブ開示の利点として、全ての指示をプロンプトに盛り込む従来型と比べてトークン使用量が削減されるため、APIコストの低減や長期的な会話履歴の保持が容易になります。さらに、スキルごとに機密データや外部APIキーを局所化することで、プライバシー面の管理もしやすくなります。本リポジトリはClaude固有の実装に頼らず、同様の設計原則をPydanticベースのエコシステムへ落とし込むことを示す教育的なサンプルです。構成ファイル(.env.example、.python-version)やドキュメント(CLAUDE.md)が含まれ、実装の参照とローカル試験がしやすい点も特徴です。

プロジェクトの構成

主要なファイルとディレクトリ:

  • .claude: dir
  • .env.example: file
  • .gitignore: file
  • .python-version: file
  • CLAUDE.md: file

…他 8 ファイル

まとめ

Pydanticで型安全にスキルを扱う、実践的なプログレッシブ開示のサンプル実装。

リポジトリ情報:

READMEの抜粋:

Custom Skill-Based Pydantic AI Agent

A framework-agnostic skill system for AI agents that implements progressive disclosure - a powerful pattern for managing context efficiently. This project demonstrates how to extract successful patterns from proprietary AI systems (like Claude Skills) and implement them in open frameworks like Pydantic AI.

Key Features

  • Progressive Disclosure: Skills load instructions and resources on-demand, eliminating context window constraints
  • **Framewo…