Table of Contents

実践的なAIワークフローコースに戻る

タスクに適した証拠を確認してから、AIの結果を受け入れます。 洗練された説明、設定済みのツール、緑色のテスト表示は、それぞれ別の問いに答えます。このレッスンでは、ワークショップのラボ用に1つのレビュー記録を作成します。

**学習目標:**情報源、ファイル範囲、テスト、プライバシー、使用量について受け入れ記録を作成します。

要点

  • **情報源の確認:**事実に関する主張を、最新の信頼できる記録と比較します。
  • **範囲の確認:**変更されたファイルやシステムを調べます。
  • **動作の確認:**テストと関連する手動ケースを実行します。
  • **プライバシーの確認:**ツールやプロバイダーに渡った内容を調べます。
  • **使用量の確認:**トークン、ツール呼び出し、コスト計算に使った料金を記録します。

始める前に

**前提条件:**コースのラボ、docs/requirements.md、ローカルGitスナップショット、 MCPレッスン またはブラウザーでの代替手順。所要時間は40分です。難易度は中級です。最初のコーディングエージェント課題で編集したラボを使います。編集を省略した場合は、新たに展開したコピーを使い、機能チェックを未実装として記録します。変更前のベースラインは、元の2つのテストに引き続き合格します。

事実に関する主張を確認する

主張:「承認されたステータス値は open と pending です。」docs/requirements.md のリビジョン1を開きます。そこには open と done とあります。この主張は誤りです。自信のある口調でも要件は変わりません。

**製品に関する主張では、**最新の公式ドキュメントを使い、ページ名と確認日を記録します。メニュー、プラン、コマンド、コンテキスト上限に関する情報は、一般的なワークフロー原則より早く古くなります。 Codexドキュメント 、 Claude Codeドキュメント 、 OpenCodeドキュメント で現在のインターフェースを確認できます。

主張情報源判断
状態値 open と pendingラボ要件、リビジョン1却下し、pending を done に置き換える
フィルターなしの件数は4ベースラインプログラムと4つのJSON項目プログラムを実行して確認する
MCPの読み取りが行われたセッションのツール実行記録ツール呼び出しが表示される場合のみ受け入れる

変更を確認する

**コーディングタスクでは、**Gitで変更ファイルを一覧表示し、実際の差分を読みます。新しい未追跡ファイルは通常の差分に表示されなくても、ステータスには表示されます。両方を確認してください。

git status --short
git diff -- task_report.py tests

**想定範囲:**フィルター課題の後に変更されるのは task_report.py と対象を絞ったテストだけです。tasks.json、docs/requirements.md、隠れた設定ファイルの変更には説明と個別レビューが必要です。編集していない場合、変更はないはずです。

動作をテストする

**展開したラボのフォルダーで、同じベースライン確認と機能確認を実行します。**エージェントの完了報告には、各確認で観測した結果を記載します。

python3 -m unittest discover -s tests -v
python3 task_report.py tasks.json
python3 task_report.py tasks.json --status open
python3 task_report.py tasks.json --status done
python3 task_report.py tasks.json --status invalid

**編集済みコピーでは、**テストが新しいケースをカバーし、件数は4、2、2となり、無効な値は明確なエラーとゼロ以外の終了コードを返します。新しいスターターコピーでは、2つのベースラインテストだけが合格し、合計は4です。この初期状態は別に記録します。

機能テストの失敗は原因を調べます。open が4と表示されたら、フィルター引数が集計関数まで届いているか、プログラムがタスクの status フィールドを比較しているか確認します。エージェントが実装完了と述べても、失敗したテストを合格扱いにしません。

プライバシーとアクセスを確認する

**エージェントが受け取ったファイルを記録します。**ラボには合成データのみが含まれ、秘密情報はありません。実際のプロジェクトには認証情報、顧客データ、非公開文書が含まれる場合があります。出力を共有する前に、プロンプト、ログ、スクリーンショット、差分にそうした値がないか調べます。

**ローカルテストで確認できるのはローカルの動作だけです。**クラウドアカウントの権限、MCPサーバーの範囲、デプロイ済みサービスの動作は証明しません。各境界を、関連する環境でテストします。

使用量とコストを記録する

**トークンはモデルの入力と出力の量を表します。**製品によってダッシュボードが異なるため、プロバイダーに表示された使用量を使います。必要に応じて、ツール呼び出しや画像、ホスト環境の料金を分けて記録します。実際の請求額を計算する前に、現在の料金を確認します。

**タスクを実行したアカウントの使用量画面を開きます。**表示された入力・出力トークン、モデル、請求期間、キャッシュ入力の区分を記録します。ChatGPTやClaudeのサブスクリプションでは、使用上限や割当量はタスクごとのAPI料金と同じではありません。APIまたはプロバイダー経由でOpenCodeを実行した場合は、そのプロバイダーの使用量または請求画面と現在の料金を確認します。タスクごとのトークンが表示されない場合は「利用不可」と記載し、チャットの長さから料金を推定しません。

**計算例であり、プロバイダーの料金ではありません:**入力100万トークンあたり1ドルの場合、入力30,000トークンは0.03ドルです。出力100万トークンあたり5ドルの場合、出力5,000トークンは0.025ドルです。この例でのモデル料金合計は0.055ドルで、ツールやホスティング料金は含みません。

入力コスト = 入力トークン / 1,000,000 × 入力単価
出力コスト = 出力トークン / 1,000,000 × 出力単価
合計 = 入力コスト + 出力コスト + 別途のツール料金

**作業者への委任もトークンを消費します。**委任すると詳細な出力はメインの会話から分離されますが、作業が無料になるわけではありません。コストと独立した確認の価値を比べます。

**料金区分は分けて記録します。**キャッシュ入力、新規入力、出力、ツール呼び出し、ホスト環境の実行では異なる料金が適用される場合があります。この例では新規入力と出力の料金だけを使います。サブスクリプション料金やツール料金については示していません。

受け入れ記録を残す

項目編集後の記入例
情報源docs/requirements.md、リビジョン1、確認済み
変更ファイルgit status --short の task_report.py と tests/test_task_report.py
テストベースラインと新しいフィルターテストに合格、観測した件数を記録
手動出力Total tasks: 4、2、2 を確認し、無効な値を拒否
機能の状態--status open と --status done を実装済み
プライバシー合成ファイルのみ
使用量利用できる場合はプロバイダーの値を記録
判断情報源、差分、テスト、プライバシーの確認後にのみ受け入れる

**作成物:**この記録をコピーし、自分で実行した後に記入します。「確認済み」は、自分が見た出力に対してだけ使います。必要な確認がすべて合格なら「受け入れ」、修正範囲が限定的なら「修正」、情報源、範囲、アクセスが不明確なら「停止」を選びます。

理解度を確認する

  1. **質問:**スターターのベースラインが合格したら、要求された機能がある証拠になりますか?**回答:**いいえ。編集後に新しい受け入れ動作をテストします。

  2. **質問:**受け入れ記録には何を含めますか?**回答:**情報源の証拠、変更ファイル、動作確認、アクセス範囲、観測した使用量です。

トラブルシューティング

  • **主張の情報源がない:**未検証と記録し、権威ある記録を探します。
  • **テストは合格したが出力が異なる:**手動ケースを追加し、データを調べます。
  • **使用量が不明:**実費を推定せず、「利用不可」と記録します。
  • **差分に非公開データが含まれる:**出力の共有をやめ、練習記録からそのデータを削除します。

次のステップ

** エージェントへの委任 に進みます。**コストとプライバシーについては、 プロバイダールーティング と ローカルAIのプライバシー境界 を読んでください。

コースナビゲーション: 前へ:MCPの設定 、 コース概要 。