AIでコードを書くときに必ず知っておきたいバックエンドの概念②
haeyeomiso
¥8,359
初級 / Network, Docker, backend, devops, AI, RAG
作ったサービスを、実際に動かしてみたことはありますか? デプロイと可観測性、外部連携とキュー、ファイルと拡張、AI機能の運用まで。AIが作ったバックエンドを実際のユーザーに継続的に提供するには、ほかに何を決める必要があるのかを学ぶ第2回です。
初級
Network, Docker, backend
ドキュメントを探して回答し、ツールを選んで照会し、承認済みのチケットを実際に作成するカスタマーサポートエージェントをゼロから構築します。応答が途切れたり、同じリクエストが再度届いたりしても、業務が一度だけ最後まで処理されることを実行ログで確認します。

RAGで見つけた文書の根拠と、ツールで照会した現在の状態を区別して記述し、関数ツールとMCPサーバーで同じ業務機能を接続できます。
入力検証・権限確認・ユーザー承認を実行前に行い、再送や応答の消失があってもチケットが1件だけ生成されるよう、実行記録と重複防止を設計できます。
回答文ではなく、実際の業務成果と実行記録でエージェントを評価し、同じ条件でモデル・入力・コストを比較して選べます。
学習対象は
誰でしょう?
PythonでAPIを使ったことがあり、回答するだけのチャットボットを超えて、実際の業務を処理するエージェントを作りたい開発者
Tool Calling・MCPの例を試してみたものの、失敗したり重複実行されたりした際にどう防げばよいのか途方に暮れていた方
エージェントがうまく動作しているかを感覚ではなく結果で評価し、コストまで考慮したい方
前提知識、
必要でしょうか?
Pythonの関数・辞書・例外処理、JSONとHTTP APIの基本構造を読めるとよいです。
LLMとツール呼び出しの関係、RAG、MCP、タスクの状態、承認、冪等性、エージェント評価について、最初から説明します。前編のRAG講義を受講していなくても学べる独立した講座です。
キャリア認証
558
受講生
23
受講レビュー
40
回答
4.7
講座評価
13
講座
はじめまして!
AIとコンピュータ工学の無限の可能性を探求し、その旅を皆さんと共有したいヘヨです。
学部時代は「コンピュータ工学中毒」と呼ばれるほど専攻に情熱を注ぎ、専攻GPA4.4以上で首席卒業しました。その後、S大学院でAIを専攻して修士号を取得し、博士課程を通じて専門性を深めました。
しかし、理論的な探究と同じくらい、現実世界の問題をAIで解決することに大きな魅力を感じ、博士課程を一時休学してスタートアップでAIベースのLLMおよびビデオ分析プロジェクトを経験し、貴重な実戦経験を積みました。
現在は国内トップ3の大手企業の一社で、LLMプロジェクトの開発およびPMとして勤務しており、AI技術が私たちの生活にもたらすポジティブな変化を創り出すことに貢献しています。私がこれまで経験してきた悩みや解決のプロセス、そして現場で得た生きたノウハウを、皆さんに惜しみなくお伝えします。AIという興味深い世界への旅路において、心強いガイドになれるよう努めます。
お問い合わせ・ご提案:haeyeo.open@gmail.com
全体
60件 ∙ (9時間 54分)
1. 回答から実際の業務完了まで
10:05
3. 業務の成功をまず定義する
09:27
4. 初回実行環境と認証の準備
09:40
6. ツールリクエストと実行結果の連携
09:43
7. 最初のエージェントの3つの結果
09:45
8. 文書知識と現在の状態の区別
10:16
9. サポート文書を検索単位に分割する
09:58
12. RAGの失敗が始まった場所を探す
09:45
13. 文書検索とステータス照会の統合
10:03
14. 実行前に必要な質問を選ぶ
10:00
15. ツールの説明と入力契約の改善
09:58
16. 空の結果と失敗を区別する
09:47
17. 参照と変更のツールを分離する
09:57
18. ユーザー権限をサーバーで確認
09:46
知識共有者の他の講座はこちら
同じ分野の他の講座を見てみましょう!
期間限定セール
¥30
43%
¥8,537