AICU Study

CLAUDE ACADEMY 公式レクチャー

Google Cloud Vertex AI で Claude を使う

75レッスン・8.5時間の GCP 版

中級 全75レッスン 約8.5時間 クイズあり 修了バッジあり 提供: Anthropic · 英語

マーシャが教える学習ポイント

この講座で何を学べるかを、日本語で聴けます。約31分43秒。
受講を始める前に聴いておくと、公式サイトを見ながらの理解度が上がります。

再生速度

話しているのは AICU のボイス「マーシャ・アランチャ」（合成音声）です。 内容は AICU が独自に書いた解説で、公式教材の音読ではありません。

このコースの内容

Bedrock 版と対になる構成で、Vertex AI のセットアップから入る。以降はマルチターン、システムプロンプト、temperature、ストリーミング、出力制御、構造化データ、プロンプト評価とモデル／コード採点、プロンプトエンジニアリング、ツール使用（スキーマ設計、複数ツール、バッチツール、text edit ツール、ウェブ検索ツール）、RAG（チャンキング、埋め込み、BM25、マルチインデックス、リランキング、contextual retrieval）、extended thinking・画像・引用・プロンプトキャッシュ、MCP 実装、ClaudeCode">Claude Code や Computer Use を含む Anthropic Apps、並列化・チェーン・ルーティングのエージェント設計と続く。

マーシャの注目ポイントGCP を基盤にしている組織向け。Bedrock 版とほぼ同一カリキュラムなので、両方を受ける必要はありません。

学習目標

日本語は AICU による要約です。Anthropic 公式の翻訳ではありません。

カリキュラム — 全75レッスン

  1. 1
    API へのアクセスAccessing the API

    このレッスンでは、ユーザー入力がサーバー経由で Vertex AI 上の Claude に渡され、返答が返るまでの一連の処理の流れを把握できます。API 呼び出しをクライアントから直接行ってはいけない理由や、必要なリクエスト項目（API Key、Model、Messages、Max Tokens）を理解します。さらに、Tokenization→Embedding→Contextualization→Generation の各ステップと、生成終了の判定やレスポンスに含まれるメタデータの見方が学べます。これにより安全なアーキテクチャ設計とデバッグがしやすくなります。

    • リクエストの全体フロー
    • なぜサーバーが必要か
    • API リクエストの作成
    • Claude 内部：テキスト生成過程
    • トークナイゼーション
    • 埋め込み（Embedding）
    • 文脈化（Contextualization）
    • 生成（Generation）
    • 生成が停止する仕組み
    • 応答の構造
    • 全体像の把握
  2. 2
    Vertex AI のセットアップVertex AI Setup

    Vertex AI 上で Anthropic（Claude）モデルを呼び出すための事前準備手順が分かります。Vertex の Model Garden でモデルを見つけて有効化する方法、gcloud CLI のインストールと認証（プロジェクト設定と application-default 認証）の手順、そしてこれらの認証情報が Anthropic SDK によって自動的に使われることまでを学べます。実際にリクエストを送る前に必須の設定を確実に済ませる回です。

  3. 3
    リクエストを送るMaking a request

    Anthropic の Python SDK を Vertex AI と連携して使う手順が分かります。SDK のインストール方法、Vertex AI 用クライアントの作成、create 関数の主要パラメータ（model、max_tokens、messages）の役割を理解できます。単発リクエストの組み立て方と、返ってきたレスポンスから生成テキストだけを取り出す方法まで、実践的に扱えるようになります。クラウド上で Claude と対話する基礎を短時間で押さえられます。

    • Anthropic Python SDK の導入
    • API クライアントの作成
    • Create 関数の理解
    • Messages の理解
    • 最初のリクエスト送信
    • レスポンスの抽出
  4. 4
    マルチターン会話Multi-turn conversations

    このレッスンでは、Claude がリクエストごとに会話履歴を保持しない性質を踏まえ、マルチターン会話を実装する方法が学べます。アプリ側でメッセージリストを管理し、毎回その全履歴を送る必要性と、役割（user／assistant）付きメッセージの整形方法、会話管理を簡素化するためのヘルパー関数の設計と使い方を実践的に理解できます。これにより、自然な対話体験を実装できるようになります。

    • ステートレス会話の問題点
    • マルチターン会話の仕組み
    • ヘルパー関数の作成
    • 全体の統合
    • 主要な要点
  5. 5
    システムプロンプトSystem prompts

    このレッスンでは、Claude に期待する振る舞いを「システムプロンプト」で確実に伝える方法が学べます。プロンプトで役割や口調、応答方針を指定して一貫性を持たせる手法や、具体例（数学チューター）での挙動の違いを確認できます。さらに、システムプロンプトを関数の引数にして柔軟に使い分ける実装パターンや、API の注意点（無効値を送らない等）も理解できます。

    • システムプロンプトの重要性
    • システムプロンプトの仕組み
    • 違いの確認
    • 柔軟なチャット関数の構築
  6. 6
    TemperatureTemperature

    このレッスンでは、Claude の出力性格を調整する Temperature パラメータの役割と実践的な使いどころが分かります。確実で事実寄りの応答が欲しい場面や、創造性を重視する場面でどのレンジを選べばよいかを具体例とともに学べ、Vertex AI の呼び出しコードへの組み込み方と簡単な比較テストの方法も習得できます。適切な温度設定で期待する振る舞いを得るための実務的な指針が得られます。

    • Claude のテキスト生成
    • Temperature の役割
    • Temperature 範囲と用途
    • 低温設定 (0.0–0.3)
    • 中温設定 (0.4–0.7)
    • 高温設定 (0.8–1.0)
    • コードでの Temperature 実装
    • Temperature 効果のテスト
    • 主要な要点
  7. 7
    レスポンスのストリーミングResponse streaming

    このレッスンでは、Claude を Vertex AI 上で利用する際の「レスポンスのストリーミング」仕組みとその利点が理解できます。従来の一括応答による遅延問題を解消し、イベント単位で生成中のテキストをクライアントに逐次送る方法（イベント種別や簡易インターフェースの使い方）を学びます。さらに、ストリーミング中に表示するためのテキスト受け渡しと、最終メッセージを取得して保存・後処理する実装上の注意点も把握できます。

    • 標準応答の問題点
    • ストリーミングの仕組み
    • ストリームイベントの理解
    • 基本的なストリーミング実装
    • 簡易テキストストリーミング
    • 最終メッセージの取得
    • 実務上の考慮点
  8. 8
    モデル出力を制御するControlling model output

    このレッスンでは、Claude の応答を意図どおりに誘導・終了させる2つの実践テクニックを学びます。Prefilled Assistant Messages によって応答の出だしを指定し、モデルを特定の立場や文脈で続きを書かせる方法がわかります。Stop Sequences によって特定の文字列で出力を強制終了し、長さやフォーマットを厳密に制御する使いどころも理解できます。これらを組み合わせることで、より予測可能で一貫した出力が得られるようになります。

    • 事前入力済みアシスタントメッセージ
    • ストップシーケンス
  9. 9
    構造化データStructured data

    Claude を使って JSON やコードなどの構造化データを「余分な説明なしで」正確に出力させる方法を学びます。assistant message prefilling で出力の開始を定め、stop sequences で終了を強制することで、余計なマークダウンや注釈を排してクリーンな生データを得る手法を実践的に理解できます。得られた文字列を json.loads などで検証・整形する後処理も含め、あらゆるフォーマットに応用可能です。

    • 停止シーケンスと事前補填の併用
    • 舞台裏の仕組み
    • 出力の整形とクリーンアップ
  10. 10
    クイズ: API で Claude を使うQuiz on accessing Claude with the API

    このクイズを通じて、Vertex AI 経由で Claude に API からアクセスする際の基本概念と流れを確認できます。Vertex AI のセットアップ手順やリクエストの作り方、マルチターン会話やシステムプロンプト、温度設定や応答ストリーミングなど実践でよく使う操作項目について理解が深まります。実務での利用前に知っておきたい注意点や設定項目の確認に適した内容です。

  11. 11
    プロンプト評価Prompt evaluation

    このレッスンでは、良いプロンプト作成（Prompt Engineering）とその効果を測るプロンプト評価（Prompt Evaluation）の違いと役割が分かります。プロンプトを書いた後の3つの進め方と、それぞれが抱えるリスクを学び、単発テストでは拾えない実運用の問題点を理解できます。最後に、評価パイプラインを使った体系的なテストで信頼性を高める意義と、反復改善の方法が身につきます。

    • プロンプト設計と評価の違い
    • プロンプト作成後の3つの道筋
    • エンジニアが陥るテストの落とし穴
    • 体系的評価の価値
  12. 12
    評価ワークフローの基本形A typical eval workflow

    このレッスンでは、Prompt を改善するための評価ワークフローの基本を学べます。代表的な5つのステップ（プロンプト作成、評価用データセット準備、Claude に投げる、グレーダーで採点、プロンプト改良と繰り返し）を通じて、定量的にプロンプト性能を比較する方法が分かります。小規模な手順から始めてスケールさせる考え方や、スコアを使った意思決定の仕方も身につきます。

    • ステップ1 プロンプト作成
    • 手順2: 評価データセットの作成
    • ステップ3 Claude に投入
    • ステップ4 グレーダーに投入
    • ステップ5 プロンプト修正と反復
    • プロンプトの採点
  13. 13
    テストデータセットの生成Generating test datasets

    プロンプト評価用のテストデータを作る手順が分かります。評価用タスクの方針設定から、Claude を使った自動生成の設計、生成ロジック（JSON 出力を確実に得るためのプレフィル技術や停止シーケンスの使い方）までを解説します。生成したデータの検証とファイル保存方法も学べ、プロンプトの性能検証ワークフローを素早く構築できます。

    • 目標設定
    • 評価データの作成
    • コードでテストデータ生成
    • 生成ロジックの実装
    • テストとデータ保存
  14. 14
    評価を実行するRunning the eval

    このレッスンでは、評価パイプラインの基礎を実装して、テストケースをプロンプトに組み込み Claude へ送り結果を回収する流れを学びます。run_prompt/run_test_case/run_eval の各関数が果たす役割と入出力形式を理解でき、実際にデータセットを一括で処理して構造化された結果（output/test_case/score）を得られるようになります。得られた出力を元に、後続のグレーダ設計やプロンプト改善、性能最適化につなげるための土台が作れます。

    • コア関数の構築
    • run_prompt 関数
    • run_test_case 関数
    • run_eval 関数
    • 評価の実行
    • 結果の確認
    • 達成事項の整理
  15. 15
    モデルによる採点Model based grading

    モデル出力を客観的に評価するためのグレーディング手法を学べます。Code grader、Model grader、Human graderの特徴と使いどころを理解し、評価基準の設計方法（フォーマット・構文・タスク適合度など）を押さえます。特に Model grader の実装パターンやプロンプト設計、数値スコアと理由の同時取得による信頼性向上、テストランナーへの組み込み方まで実践的に扱います。これによりプロンプトやモデルの品質を定量的に改善できます。

    • グレーダーの種類
    • コードグレーダー
    • モデルグレーダー
    • 人間グレーダー
    • 評価基準の定義
    • モデルグレーダーの実装
    • グレーダーのワークフロー統合
  16. 16
    コードによる採点Code based grading

    このレッスンでは、生成されたコードの正当性を自動で判定する方法を学べます。Python、JSON、正規表現それぞれの構文チェック関数を使ってシンタックスを評価し、モデル評価と組み合わせて総合スコアを作る流れが分かります。データセットに期待出力のフォーマットを含める手法や、プロンプトを明確化してコードだけを返させるコツ、評価結果を使ったプロンプト改善の進め方も実践的に学べます。

    • コード採点の仕組み
    • 構文検証関数
    • データ形式の要件
    • プロンプト明確化の改善
    • スコアの合成
    • 実装のテスト
  17. 17
    クイズ: プロンプト評価Quiz on prompt evaluation

    プロンプト評価の基本的な流れと実務での適用方法が理解できる回です。テストデータの作成方法、実際の評価実行手順、Model based grading と Code based grading の違いと使いどころを学べます。評価を自動化してプロンプト改善サイクルに組み込む方法も掴めるため、実践的なプロンプト最適化に役立ちます。

  18. 18
    プロンプトエンジニアリングPrompt engineering

    このレッスンでは、プロンプトの改善を反復的に進める具体的なワークフローと評価の組み立て方を学べます。初期プロンプトを作って評価基準を定め、データセットと自動採点でベースラインを測定し、レポートをもとに改善点を特定する手順が身につきます。実例（アスリート向けの食事プラン）を通して、変更の効果を可視化しながら一つずつ技術を適用する進め方が理解できます。

    • 反復的改善プロセス
    • 事例：アスリート向け献立作成
    • 評価フレームワークの構築
    • 初期プロンプトの作成
    • 評価基準の策定
    • 基準性能の測定
    • 結果の分析
    • 次のステップ
  19. 19
    明確に、直接的に書くBeing clear and direct

    プロンプトの最初の一文が結果を左右する理由と、その書き方を学びます。明確さ（シンプルであいまいさのない表現）と直接性（命令形で行動を指定）を使い、何を生成してほしいかを最初に示す方法を実践的な例で習得します。これにより Claude や Vertex AI での応答品質を安定して高められるようになります。

    • 明確で直接的な表現
    • 分かりやすい伝達
    • 直接指示
    • 実践への適用
    • 結果の重視
  20. 20
    具体的に書くBeing specific

    このレッスンでは、Claude に期待する出力を明確に伝える「具体性」の使い方が身につきます。出力の品質を保つためのQuality guidelines（長さ、構成、含める要素）と、モデルに思考過程を踏ませるProcess steps（段階的指示）の違いと使い分けを学びます。具体例や評価結果を通して、どの場面でどちらの手法を使うべきか判断できるようになります。

    • 二種類のガイドライン
    • 品質ガイドライン
    • プロセス手順
    • 実運用での結果
    • 各手法の使い分け
  21. 21
    XML タグで構造化するStructure with XML tags

    複数のデータや指示を同じプロンプト内で扱う際、どこが命令でどこが参照データかを明確に区切る方法が学べます。XML タグを使ってセクションごとにラベル付けすることで、Claude が各要素の役割を正確に把握しやすくなり、デバッグやメンテナンス性も向上します。日常のプロンプト設計や大規模なデータ挿入時にすぐ使える実践的なテクニックが身につきます。

    • 構造の重要性
    • 明確化のための XML タグ
    • 実践例
    • プロンプトへの構造適用
    • 主要な利点
  22. 22
    例を与えるProviding examples

    この回では、Claude に望む振る舞いをサンプルで直接示すことで、出力品質を安定化させる手法を学びます。例示（one-shot / multi-shot）の作り方、皮肉や端境ケースへの対処法、JSON など複雑な出力フォーマットの示し方、評価結果から好例を抽出してプロンプトに組み込む流れまでが身につきます。例に理由を添えることでモデルの理解を深める実践的なコツも扱います。

    • 例の働き方
    • プロンプトへの例示追加
    • コーナーケースの対処
    • 複雑な出力形式
    • 評価から良い例を見つける
    • 例への文脈追加
    • ベストプラクティス
  23. 23
    クイズ: プロンプト技法Quiz on prompt engineering techniques

    プロンプト設計の基本的な考え方と実践テクニックが身につきます。明確で直接的な指示の出し方、具体性を高める方法、XMLタグ等を使った構造化の手法、例示による指示強化などをクイズ形式で確認し、自分のプロンプトの改善点を見つけられるようになります。Vertex AI 上で Claude を扱う前提の理解を深めるのに役立ちます。

  24. 24
    ツール利用の基礎Introducing tool use

    このレッスンでは、Claude が外部データやリアルタイム情報にアクセスするための「ツール利用」の仕組みが理解できます。ツール要求→データ取得→最終応答というやり取りの流れや、天気情報の具体例を通じて実装イメージがつかめます。また、外部 API やデータベースを統合して動的で最新の応答を返す利点（リアルタイム性、システム連携、構造化されたやり取り）を学べます。

    • ツールなしの課題
    • ツール活用の仕組み
    • 天気例の実践
    • 主要な利点
  25. 25
    プロジェクト概要Project overview

    このレッスンでは、Claude に対して実際に動くリマインダー機能を作るための設計が学べます。現在時刻を取得するツール、日時に期間を加算するツール、実際に通知を作るツールという3つの役割を分けて実装する理由と手順を理解し、対話で自然言語の依頼を正確なスケジュール操作に変換できるようになります。ツール呼び出しと複数ツールの連携方法が身につきます。

    • なぜ難しいのか
    • 必要なツール群
    • 現在日時の取得
    • 日時への期間追加
    • リマインダー設定
  26. 26
    ツール関数Tool functions

    このレッスンでは、Claude に外部データや動作をさせるための「ツール関数」が何かを学びます。Python での関数定義から入力検証やエラーメッセージ設計といったベストプラクティス、実際の日時取得ツールの作り方まで手を動かして理解します。最後に Claude に関数を認識させるためのスキーマ連携やチャット統合の次の手順も把握できます。

    • ツール関数とは
    • ツール関数のベストプラクティス
    • 最初のツール関数構築
    • 入力検証
    • 次のステップ
  27. 27
    ツールスキーマTool schemas

    この回では、ツール関数が受け取る引数を JSON Schemaで定義し、Claude に正しく伝える方法を学びます。説明文の書き方や引数ごとの詳細記述のコツ、Claude にスキーマを自動生成させる手順、生成されたスキーマをコードに組み込みる実践例、そして型安全性を高めるための ToolParam 利用までを扱います。実務で使えるツール定義の作法が身につきます。

    • JSON Schema の理解
    • 効果的な説明文の作成
    • 簡単な方法: Claude にスキーマ作成
    • コードでのスキーマ実装
    • 型安全性の付与
  28. 28
    メッセージブロックの扱いHandling message blocks

    Claude のツール機能による応答が単一テキストではなく複数ブロック（説明テキスト＋ToolUse ブロック）で返ってくる仕組みと、その取り扱い方法を学びます。API 呼び出しで tools パラメータを渡す方法、返ってきた multi-block メッセージからツール呼び出し情報を抽出して実行する流れ、そして完全な会話履歴をブロック構造ごと保持する重要性が理解できるようになります。既存のヘルパー関数を更新して multi-block に対応させる実践的な知識も得られます。

    • ツール対応 API 呼び出し
    • マルチブロックメッセージの理解
    • マルチブロック履歴の扱い
    • 全体フロー
    • ヘルパー関数の更新
  29. 29
    ツール結果を返すSending tool results

    Claude がツール呼び出しを要求した後、実際にその関数を実行して結果を返す一連の流れが理解できます。ツール呼び出しブロックからパラメータを取り出す方法、実行結果を tool result ブロックとして組み立てる方法、複数のツール呼び出しへの対応や ID マッチング、そして会話履歴とツールスキーマを含めたフォローアップリクエストの作り方までを実務的に学べます。これにより Claude と外部関数連携する完全なワークフローを実装できるようになります。

    • ツール実行
    • ツール結果ブロック
    • 複数ツール呼び出しの処理
    • フォローアップ送信
    • 完全ワークフロー
  30. 30
    ツールを使ったマルチターン会話Multi-turn conversations with tools

    このレッスンでは、Claude が複数のツールを順に呼び出す必要がある場面に対応する実装パターンを学びます。会話ループの作り方やメッセージハンドラのリファクタリング、chat 関数の拡張でツールリストとメッセージオブジェクトを扱う方法を解説します。結果として、ツール呼び出しを含むマルチターン会話を自動で処理し、やり取りの情報を失わずに最終応答を組み立てられるようになります。

    • マルチターンツールパターン
    • 会話ループの構築
    • ヘルパー関数のリファクタリング
    • メッセージハンドラの更新
    • チャット関数の更新
    • メッセージからのテキスト抽出
    • 変更の重要性
  31. 31
    複数ターンを実装するImplementing multiple turns

    このレッスンでは、Claude と外部ツールを組み合わせた対話ループの設計と実装方法を学べます。stop_reason を使ったツール要求検出や、複数のツール呼び出しを順に処理する仕組み、ツール実行結果を返すための tool result ブロックの作り方を理解します。エラー処理やツールルーティングを拡張可能に設計する手法、最終的に複数ターンでツール呼び出しを行い最終応答に到達する全体フローも身につきます。

    • ツール要求の検出
    • 会話ループ
    • 複数ツール呼び出しの処理
    • ツール結果ブロック
    • エラー処理
    • スケーラブルなツールルーティング
    • 完全ワークフロー
  32. 32
    複数ツールを使うUsing multiple tools

    この回では、Vertex AI 上で Claude と連携する際に複数の外部ツールを組み込む方法が学べます。ツールのスキーマを会話に登録し、run_tool で呼び出しを振り分ける基本パターンを示します。実例として日時計算やリマインダー設定をチェーンして実行する流れを確認でき、ツール追加の手順（スキーマ登録・実行ケース追加・実装）を理解して応用できるようになります。

    • 追加するツール一覧
    • 会話へのツール追加
    • ツール実行の処理
    • 複数ツール利用のテスト
    • メッセージフローの理解
    • 主要な要点
  33. 33
    バッチツールThe batch tool

    複数のツール呼び出しを同時に処理するパターン「バッチツール」の目的と仕組みが理解できます。バッチツールのスキーマ設計とそれを受け取って個々のツールを並列実行する処理の実装例（ルーティングと集約の流れ）を学べます。導入によって会話の往復や待ち時間が減り効率が上がる理由も把握できます。実務で Claude のツール呼び出しを安定化させたい人向けの内容です。

    • 複数ツール呼び出しの問題
    • バッチツールの解決策
    • バッチツールのスキーマ実装
    • バッチツール呼び出しの処理
    • 結果表示
  34. 34
    構造化データ用のツールTools for structured data

    このレッスンでは、Claude から確実に構造化データを得るための2種類の手法（プロンプトによる即席出力と、ツールによる厳密なスキーマ指定）の違いと使い分けが分かります。JSON スキーマを定義してツールを作り、tool_choice で呼び出しを強制する流れを学べます。実装例を通じてツールレスポンスから構造化データを取り出す方法と、手軽さと信頼性のトレードオフ判断基準が理解できます。

    • 構造化データ用ツール
    • ツール使用の制御
    • 実装例
    • 各手法の使い分け
  35. 35
    テキスト編集ツールThe text edit tool

    このレッスンでは、Claude に組み込みの Text Editor Tool を使わせることでファイルやディレクトリをプログラム的に読み書き・編集できる仕組みが分かります。ツールの機能（閲覧、範囲読み取り、置換、挿入、新規作成、元に戻す）と、実際にはその操作を行う実装（関数）を自分で用意する必要がある点、モデルごとのスキーマ差異の扱い方、具体的な活用例（ファイル修正やテストファイルの生成）まで学べます。これにより Claude をアプリ内で実際のコーディングアシスタントとして動かす方法が理解できます。

    • テキストエディタツールの機能
    • 実装要件の理解
    • スキーマバージョン
    • 実践例
    • テキストエディタツールの利点
  36. 36
    Web 検索ツールThe web search tool

    このレッスンでは、Vertex AI 上の Claude が内蔵の Web 検索ツールをどう使うかを学びます。検索ツールの有効化に必要な schema の作り方や max_uses などの利用制限の設定方法、Claude が検索を自動判断して返す出力ブロックの構造（検索クエリや結果、引用箇所）を理解できます。さらに allowed_domains を使ったドメイン制限や、検索結果と引用をアプリでどのように表示して検証性を担保するかまで実践的に把握できます。

    • Web検索ツールの設定
    • 仕組みの概要
    • 検索ドメインの制限
    • 検索結果の表示
  37. 37
    クイズ: ツール利用Quiz on tool use with Claude

    このレッスンでは、Claude と外部ツールを組み合わせて使う際の基本的な考え方と実践力が身につきます。ツールの定義やスキーマ、メッセージブロックの扱い方、ツール結果の返し方や複数ツールを用いたマルチターン会話の設計など、実装に直結する知識を学べます。Vertex AI 上でのツール連携に慣れたい人向けの実践的な内容です。

  38. 38
    RAG 入門Introducing Retrieval Augmented Generation

    このレッスンでは、長大な文書を Claude に効率よく扱わせるための基本戦略である RAG（Retrieval Augmented Generation）の考え方が分かります。全文を投げ込む手法と、事前に分割したチャンクを検索して必要箇所だけ渡す手法のメリット・デメリットを理解し、チャンク分割・検索・選択という RAG の主要コンポーネントが把握できます。実運用でのコストや前処理の手間、文脈欠落といった課題も学べます。

    • 大規模文書の問題点
    • 方式1 プロンプトに全て含める
    • 方式2 文書を分割する
    • チャンク化の利点
    • チャンク化の課題
    • RAG の概要
  39. 39
    テキスト分割の戦略Text chunking strategies

    RAG パイプラインで重要な「テキスト分割（chunking）」の基本と実践を学びます。文字数や構造、意味に基づく3つの主要な戦略の特徴とトレードオフを理解し、重複や文単位の分割など実装例を通じて品質向上のコツをつかめます。用途に応じた最適な戦略の選び方と反復改善の考え方も身につき、現場で使える分割手法が得られます。

    • 主要なチャンク化戦略三種
    • サイズ基準の分割
    • 構造基準の分割
    • 意味基準の分割
    • 実践的実装方法
    • 最適戦略の選択
  40. 40
    テキスト埋め込みText embeddings

    このレッスンでは、ドキュメント内の関連箇所を意味的に検索するための「テキスト埋め込み」の役割と仕組みが理解できます。埋め込みが数値ベクトルとしてテキストの意味を表現し、類似度計算で関連性を判定する流れを学べます。Vertex AI 上で使う専用モデル（text-embedding-005）や、Google GenAI SDK を使った実装例も紹介するので、RAG パイプラインに組み込む実装の第一歩が踏み出せます。

    • セマンティック検索
    • テキスト埋め込みとは
    • 数値の理解
    • Vertex AI の埋め込み
    • 実装
  41. 41
    RAG の全体フローThe full RAG flow

    このレッスンでは、RAG（Retrieval Augmented Generation）の実運用で必要な一連の流れが理解できます。テキストのチャンク分割から埋め込み生成・正規化、ベクトルDBへの保存、ユーザー問い合わせの埋め込み照合、コサイン類似度に基づく検索、そして検索結果を使った最終プロンプト作成までを順を追って学び、実装イメージを掴めます。Vertex AI と Claude を組み合わせたドキュメント検索型QAを作る際の基本設計が分かる構成です。

    • 手順1 テキストの分割
    • 手順2 埋め込みの生成
    • 正規化
    • 手順3 ベクトルDBへの格納
    • 手順4 ユーザクエリの処理
    • 手順5 類似埋め込みの探索
    • コサイン類似度
    • コサイン距離
    • ステップ6：最終プロンプトの構築
  42. 42
    RAG フローの実装Implementing the RAG flow

    このレッスンでは、RAG の基本フローを実践的に実装する方法が分かります。テキストをセクションごとにチャンク化し、それぞれのチャンクから埋め込みを作成して VectorIndex に保存する手順、ユーザークエリを同じ埋め込み空間に変換して近傍検索する流れを学べます。また、検索結果の解釈や埋め込みと元コンテンツを一緒に保存する理由、次に取り組むべき改良点についても理解できます。

    • ベクトルデータベースの設定
    • 5段階の RAG 実装
    • セクションごとの分割
    • チャンクごとの埋め込み生成
    • 埋め込みのベクター保存
    • 手順4: ユーザ問い合わせの埋め込み生成
    • 手順5: 関連文書の検索
    • 結果の解釈
    • 埋め込みでのコンテンツ保存の理由
    • 次のステップ
  43. 43
    BM25 によるキーワード検索BM25 lexical search

    このレッスンでは、RAG パイプラインで語義ベースの検索だけでは見つからない正確な用語（例: インシデントID）をどう補うかが学べます。BM25 による lexical search の仕組みと実装方法、semantic search と並列に叩いて結果をマージするハイブリッド戦略を理解し、実務で精度の高い情報検索を実現するための手順が身につきます。CLAUDE.md 等と組み合わせた運用イメージも得られます。

    • セマンティック検索単独の問題点
    • ハイブリッド検索戦略
    • BM25 の仕組み
    • BM25 検索の実装
    • 検索精度の向上
    • 次のステップ
  44. 44
    マルチインデックス RAG パイプラインA Multi-index RAG pipeline

    ベクトル検索（semantic）と BM25（lexical）を同じ Retriever インターフェースで統合し、複数の検索インデックスを一つの順位付けにまとめる方法が分かります。RRF（Reciprocal Rank Fusion）を使ってスコアではなく順位を合成する手法とその利点を理解できます。実装例を通じて add_document と search の共通 API 設計やマージロジックの実装イメージが得られ、ハイブリッド検索のテストと拡張性について学べます。

    • 統一インターフェースの構築
    • Reciprocal Rank Fusion（RRF）
    • 実装
    • ハイブリッド方式の検証
    • ハイブリッド構成の利点
  45. 45
    検索結果のリランキングReranking results

    検索結果の品質を高めるための「リランキング」手法を学べます。ハイブリッド検索（ベクトル＋BM25）で得た候補を Claude に渡し、関連度順に並べ直す仕組みやプロンプト設計の考え方、効率化のコツ（ID返却による高速化）を理解できます。実装例や呼び出しの流れ、精度向上と遅延・コストのトレードオフも把握でき、実運用での適用可否を判断できるようになります。

    • 再ランキングの仕組み
    • 再ランキング用プロンプト
    • 効率性の考慮点
    • 実装
    • 結果表示
    • トレードオフ
  46. 46
    コンテキスト付き検索Contextual retrieval

    ドキュメントを単純に分割すると失われる「前後関係」を自動で補い、検索精度を高める手法が学べます。Claude を使って各チャンクに短い「文脈スニペット」を付与する流れや、大きな原稿を扱うときの「先頭チャンク＋直前チャンク」で省略的に文脈を渡す実践的な工夫も理解できます。実装サンプルと適用すべきケース（技術文書や報告書など）も把握できます。

    • 標準チャンク化の問題点
    • 文脈的検索の仕組み
    • 大規模文書の扱い
    • 実装例
    • 文脈的検索の利用場面
  47. 47
    クイズ: RAGQuiz on Retrieval Augmented Generation

    このレッスンでは、Retrieval Augmented Generation（RAG）の基本構造と Vertex AI 上で Claude を使った実装の流れが把握できます。テキストのチャンク化や埋め込み（embeddings）、BM25 やマルチインデックス検索といった検索手法、そして検索結果のリランキングやコンテキスト付き検索の役割と実践上の注意点を学べます。RAG を使った質問応答パイプライン構築の要点と評価観点を理解し、実装に向けた設計判断ができるようになります。

  48. 48
    拡張思考Extended thinking

    このレッスンでは、Claude の Extended thinking 機能がどんな場面で有効か、その応答構造やコスト・レイテンシのトレードオフを判断する基準がわかります。thinking ブロックと最終回答の違いや署名による改ざん防止、内部で思考が検閲された場合の redacted thinking の扱い方を学べます。実装時の thinking_budget 設定やテスト用トリガーを使った開発時の確認方法も習得します。

    • Extended Thinking の活用場面
    • 拡張思考が変える応答
    • 署名システム
    • Redacted Thinking 概要
    • 実装
    • Redacted 応答の検証
  49. 49
    画像への対応Image support

    この回では、Claude の視覚機能を使った画像解析の実務的な使い方が学べます。画像の取り扱い制限やトークン計算方法を押さえたうえで、精度を上げるためのプロンプト設計（段階的分析やワンショット例の活用）を身につけます。また、衛星画像を用いた火災リスク評価のような実践例を通じて、画像＋テキストのメッセージフロー設計や出力の検証方法も理解できます。

    • 画像処理の基礎
    • メッセージの流れ
    • プロンプト技法
    • 逐次解析
    • ワンショット例
    • 実例：火災リスク評価
  50. 50
    引用Citations

    このレッスンでは、Claude にドキュメントを与えたときにどのように出典（citations）を付けて情報の出所を示すかを学べます。PDF とプレーンテキストそれぞれでの設定方法や、出典が返す構造化データ（ページや文字位置など）の意味を理解できます。さらに、UI に出典番号やリンクを組み込んでユーザーが参照元を確認できるインターフェース設計の指針や、出典を必ず使うべきケース（検証が必要な情報や機微な文書）についても解説します。

    • 引用の重要性
    • 引用の有効化
    • 引用の構造
    • 引用インターフェースの構築
    • プレーンテキストでの引用
    • 引用を使う場面
  51. 51
    プロンプトキャッシュPrompt caching

    このレッスンでは、Claude がリクエストを処理する際の前処理コストと、同じ内容を繰り返すときの無駄がどう発生するかを実例で理解できます。Prompt caching の仕組み（前処理結果を一時保存して再利用する流れ）と、その効果としての応答高速化やコスト削減、そしてキャッシュの寿命や完全一致が必要などの制約も学べます。会話系や文書参照が多いアプリでの活用場面がイメージできるようになります。

    • Claude の通常の処理流れ
    • 重複コンテンツの問題
    • プロンプトキャッシュによる解決
    • 利点と制約
  52. 52
    プロンプトキャッシュのルールRules of prompt caching

    このレッスンでは、Claude のプロンプトキャッシュ仕組みと有効活用法が分かります。どの部分をキャッシュできるか（ツール定義や system プロンプト含む）、キャッシュを有効にするためのキャッシュブレークポイントの付け方、ブレークポイントの配置順と最大数、そしてキャッシュ対象になる最小トークン長（1024トークン）を学び、実運用で無駄な再処理を減らす設計ができるようになります。

    • キャッシュの分岐点
    • キャッシュ分岐の仕組み
    • ブレイクポイント位置
    • キャッシュの順序付け
    • 最小コンテンツ長
  53. 53
    プロンプトキャッシュ実践Prompt caching in action

    このレッスンでは、Claude のリクエストを高速化・低コスト化するためのプロンプトキャッシュの仕組みと使いどころが分かります。tool schema や system prompt を安全にキャッシュする実装手順や、キャッシュがどのように読み書きされるか（token 表示の違い）を理解できます。また、キャッシュの無効化に敏感な点と、どのコンテンツを優先的にキャッシュすべきかの実践的な判断基準が身に付きます。

    • プロンプトキャッシュの仕組み
    • ツールスキーマのキャッシュ設定
    • システムプロンプトのキャッシュ
    • キャッシュ挙動の理解
    • キャッシュ無効化
    • 実践的実装方法
  54. 54
    クイズ: Claude の機能Quiz on features of Claude

    このレッスンでは Claude の主要機能を短時間で確認できます。Extended thinking や画像対応、引用機能などの特長を把握し、それぞれがどんな場面で役立つかが分かります。また、Prompt caching の仕組みと実例を理解し、API 経由での利用時に期待される挙動を整理できます。学習後は機能選定や実装方針を判断しやすくなります。

  55. 55
    MCP 入門Introducing MCP

    MCP（Model Context Protocol）がどんな課題を解決するかと、その仕組みが分かります。自前で大量のツール定義や API 連携コードを書く代わりに、MCP Serverがそれらを提供し、あなたのサーバーは MCP Clientとして既成のツールを利用できる点を理解できます。誰でも MCP Serverを実装できることや、MCP とツール呼び出しの違い、導入による開発負荷の軽減についても学べます。

    • MCP が解決する課題
    • MCP による変化
    • MCP サーバーの作成者
    • よくある質問
  56. 56
    MCP クライアントMCP clients

    MCP クライアントがサーバとどのようにやり取りするか、その役割と仕組みがわかります。Transport agnostic の考え方で標準入出力だけでなく HTTP や WebSockets など異なる通信手段に対応する点を理解できます。ListToolsRequest/CallToolRequest といった主要なメッセージ型の用途と流れを学び、ツール呼び出しを含む実際のリクエストチェーンを追って実装イメージをつかめます。

    • トランスポート非依存の通信
    • メッセージ種類
    • 実例フロー
  57. 57
    プロジェクトのセットアップProject setup

    このレッスンでは、CLIベースのチャットボットを通じて MCP クライアントとサーバの役割と連携方法を実践的に学べます。ローカルで動くドキュメント読み書きツールを用意し、Claude とやり取りする流れや基本的な設定手順（API キーや依存関係の導入、実行方法）を理解できるようになります。実務では片方だけを実装するケースが多い点も整理します。

    • 構築するもの
    • 重要なアーキテクチャ注意点
    • プロジェクト設定
    • 設定
    • プロジェクトの実行
  58. 58
    MCP でツールを定義するDefining tools with MCP

    このレッスンでは、MCP Python SDK を使って Claude が呼び出せるツールをシンプルに定義する方法を学びます。デコレータと型注釈を使ってツールを実装し、手作業の JSON スキーマ作成を省略する手順が理解できます。実例として、メモリ上のドキュメントを読み取るツールと文字列置換で編集するツールの作り方とエラーハンドリングを確認します。結果として、ツールの保守性とテスト容易性が向上する利点も把握できます。

    • MCP サーバーのセットアップ
    • デコレータによるツール定義
    • Document Reader ツール構築
    • Document Editor ツール作成
    • SDK アプローチの主な利点
  59. 59
    サーバーインスペクターThe server inspector

    このレッスンでは、Python MCP サーバーをブラウザ上で直接デバッグ・検証する方法が学べます。Inspector の起動手順とインターフェースの見方、個々のツールの実行と出力確認、複数ツールを連携させた動作確認の流れを実践的に理解できます。フルアプリを立ち上げずに問題を早期発見・修正できる開発ワークフローも身につきます。

    • インスペクタの起動
    • Inspector インターフェースの活用
    • ツールのテスト
    • ツール連携のテスト
    • 開発ワークフロー
  60. 60
    クライアントを実装するImplementing a client

    このレッスンでは、MCP クライアントの設計と実装の全体像を学び、クライアントがアプリケーションと MCP サーバをどう仲介するかを理解できます。具体的には、セッション管理を内包するカスタム Client クラスの役割と、list_tools / call_tool の主要関数の実装方法を習得します。さらに、単体テストとエンドツーエンドでの動作確認手順により、クライアントとサーバ間の通信が正しく連携することを検証できるようになります。

    • クライアントアーキテクチャの理解
    • クライアントのアプリ内位置づけ
    • クライアント核機能の実装
    • ツール一覧取得関数
    • ツール呼び出し関数
    • クライアントのテスト
    • エンドツーエンドテスト
  61. 61
    リソースを定義するDefining resources

    MCP サーバー上で扱う「リソース」が何か、どんな場面で使うべきかがわかります。静的な URI を返す Direct リソースと、URI 内のパラメータを受け取る Templated リソースの違いと実装方法を学び、Python SDK による戻り値の自動シリアライズや mime_type の扱い方を理解できます。Inspector を使ったローカルでの動作確認手順や、チャットのドキュメント参照のような実用例も把握できます。

    • リソースの理解
    • リソースの二種類
    • リソース作成
    • リソースのテスト
    • 実用ケース集
  62. 62
    リソースにアクセスするAccessing resources

    このレッスンでは、MCP のリソース機能を通じてドキュメントを直接プロンプトに組み込む方法を学びます。クライアント側での ReadResource 実装と MIME タイプに応じたパース処理（JSON やテキスト）の実装例を理解し、@補完でリソースを呼び出して動作確認する手順を身につけます。リソースとツールの使い分け（静的参照向けか動的操作向けか）についても整理します。

    • リソースフローの理解
    • リソース読み取りの実装
    • 異なるリソース種別の扱い
    • リソースアクセスのテスト
    • リソースとツールの使い分け
  63. 63
    プロンプトを定義するDefining prompts

    このレッスンでは、MCP サーバー上で再利用可能な「プロンプト」を設計・定義する方法を学びます。プロンプトがどのようにクライアントへメッセージ群として提供されるか、フォーマットコマンドの作り方やテスト手順、品質管理や一貫性を保つ利点まで実践的に理解できます。Vertex AI と Claude を組み合わせたドキュメント整形などの具体例を通じ、実運用に耐えるプロンプト作成の考え方が身につきます。

    • プロンプトの意義
    • プロンプトの仕組み
    • フォーマットコマンド作成
    • プロンプトのテスト
    • 主要な利点
    • 実装の詳細
  64. 64
    クライアント側のプロンプトPrompts in the client

    このレッスンでは、MCP クライアント側でプロンプト一覧を取得し、個別プロンプトを変数付きで取り出す仕組みがわかります。get_prompt の引数渡しとサーバ側での変数埋め込みの流れ、CLIでの動作確認手順やプロンプト実行時の Claude とのやり取りも学べます。プロンプトを再利用可能なワークフローとして設計し、クライアントとサーバの責務を分離する重要性も理解できます。

    • リスト用プロンプト実装
    • 個別プロンプト取得
    • プロンプト引数の仕組み
    • 実装のテスト
    • プロンプトの実践
  65. 65
    MCP の総復習MCP review

    このレッスンでは、MCP の三大プリミティブ（Tools、Resources、Prompts）の役割と誰がそれを制御するかを実践的に理解できます。どの場面で Claude に機能を拡張させるか、アプリ側でデータを取得してUIやコンテキストに組み込むか、ユーザーが任意で起動するワークフローを用意するかを判断する基準が身に付きます。実際のインターフェース例を通して選び方の意思決定も学べます。

    • ツール：Model-Controlled
    • リソース：App-Controlled
    • プロンプト：User-Controlled
    • 実世界の事例
    • 適切なプリミティブの選定
  66. 66
    クイズ: MCPQuiz on Model Context Protocol

    このクイズでは、Model Context Protocol（MCP）の基本概念と実践的な使い方を確認します。MCP クライアントやリソース定義、ツール連携、サーバーインスペクタなどの要素がどう連動するかを理解し、実装上よくある選択肢や注意点を問う問題を通じて知識を定着させます。Vertex AI 上で Claude を扱う際の設計判断に自信を持てるようになります。

  67. 67
    エージェントとワークフローAgents and workflows

    このレッスンでは、複数の処理を順序立てて実行するワークフローと、目標とツールを渡して Claude に判断させるエージェントの使い分けがわかります。実務例として画像からCADデータを生成するワークフローを分解し、Producer→Grader→Feedbackの evaluator-optimizer パターンを学びます。これらの設計パターンを知ることで、再現可能な実装の型が手に入り開発工数や試行錯誤を減らせます。

    • ワークフローとエージェントの選択
    • 実用ワークフロー例
    • Evaluator-Optimizer パターン
    • ワークフローパターン学習の意義
  68. 68
    並列化ワークフローParallelization workflows

    複雑な一回のリクエストでモデルに大量の判断を任せる代わりに、タスクを独立した小さな評価に分割して並列実行し、最後に結果を集約するワークフローを学びます。各サブタスクは専用のプロンプトやツールで最適化できるため、精度や拡張性が向上し処理時間も短縮されます。Claude を使った並列化パターンの適用場面や利点が理解できるようになります。

    • 複雑な単一リクエストの問題点
    • 改善策：並列化
    • 結果の集約
    • 並列化パターン
    • 並列化の利点
    • このパターンの適用場面
  69. 69
    チェイニングワークフローChaining workflows

    Claude を使ったワークフローを小さな段階に分けて確実に処理する「チェイニング」の考え方が理解できます。複雑な指示や制約に対して一度に対応させるのではなく、出力を検証・補正しながら順に処理する実践的な手法を学べます。実例としてソーシャル投稿作成や記事のリライトなどでの適用例と、どんな場面でチェイニングを使うべきかの判断基準が身に付きます。

    • チェイニングとは
    • チェイニングが解決する問題
    • チェイニングによる解決
    • チェイニングの利用場面
  70. 70
    ルーティングワークフローRouting workflows

    このレッスンでは、入力ごとに最適な処理経路を選ぶ「ルーティングワークフロー」の考え方と設計法が学べます。まずユーザー入力をカテゴリ分けし、各カテゴリごとに専用のプロンプトやパイプラインで処理する二段階の実装パターンを理解します。これにより出力品質やコスト効率、拡張性が高まり、異なる種類のリクエストを扱うアプリに適した設計判断ができるようになります。

    • 汎用プロンプトの限界
    • コンテンツカテゴリの設定
    • 専門化プロンプトの作成
    • 二段階プロセス
    • ステップ1: 分類
    • ステップ2: 専門処理
    • ルーティングワークフローの構成
    • 主要な利点
    • ルーティングの利用場面
  71. 71
    エージェントとツールAgents and tools

    エージェントの設計で重要なのは「目標と抽象的なツール群を渡して、Claude に組み合わせさせる」ことです。本レッスンでは、ツールを細かく特化させるのではなく汎用的で組み合わせやすいものにする理由と、その利点（柔軟な振る舞いやユーザーとの協調）が分かります。具体例として日時操作やファイル操作、メディア処理などのツール設計方針と実践的なベストプラクティスを学べます。

    • ツールがエージェントを作る仕組み
    • ツールは抽象化すべき理由
    • 推奨: 十分抽象化したツール提供
  72. 72
    実行環境を調べるEnvironment inspection

    Claude を扱う際に「実行環境を観察してから操作する」重要性がわかります。UI操作やファイル編集の前後で状態を確認する習慣が、エージェントの誤操作を減らし自己修正を可能にする理由を学べます。ビデオ生成やアップロードなど実務的な例で検査手順を設計する方法と、system prompt を使って自動検査を組み込む実践的な指針も得られます。

    • 環境検査が重要な理由
    • 書く前の読み取り
    • 実用的な応用例
    • 検査用システムプロンプト
  73. 73
    ワークフローとエージェントの違いWorkflows vs agents

    このレッスンでは、Vertex AI 上で Claude を組み込む際に採るべきアーキテクチャを判断できるようになります。Workflows が向く用途（手順が決まっていて再現性や評価が重要な場面）と、エージェントが向く用途（柔軟な問題解決や未知の入力への対応が必要な場面）の長所と短所を理解し、信頼性と柔軟性のトレードオフを踏まえて実運用で使う手法を選べるようになります。

    • ワークフロー
    • ワークフローの利点
    • ワークフローの欠点
    • エージェント
    • エージェントの利点
    • エージェントの欠点
    • 適切な手法の選定
  74. 74
    クイズ: エージェントとワークフローQuiz on agents and workflows

    このレッスンでは、エージェントとワークフローの違いや使いどころを短時間で確認できます。Parallelization や Chaining、Routing といったワークフロー設計パターンと、エージェントがツールや環境をどう利用するかを理解します。実務での分岐や並列処理、ツール連携の考え方を押さえ、Vertex AI 上で Claude を使った設計判断ができるようになります。

  75. 75
    最終アセスメントFinal assessment quiz

    最終アセスメントでは、これまでのレッスンで学んだ Vertex AI と Claude の統合、API 利用、プロンプト設計、ツール連携、RAG、MCP、エージェント設計などの知識を総合的に確認します。実務での適用を想定した問題を通して理解度を測り、弱点を特定して復習ポイントを明確にできます。合格でコース完了バッジが得られる構成です。

見出しは公式の構成にもとづく日本語の要約です。レッスン本文は公式サイト上でのみ提供されています。各行から公式ページへ移動します。

この講座に出てくる用語 — 15語

この講座で扱う概念です。意味が分からない語で止まったら、ここから辞典を引けます。数字は難易度（1が易しく5が難しい）。
本文中でも初めて出てきた箇所にリンクを張っています。

用語の解説は AICU term（AICU が独自に編集している用語辞典）。

原題: Claude with Google Cloud's Vertex AI — https://academy.claude.com/courses/claude-with-google-cloud-s-vertex-ai