【要約】介護士がAIエージェントを作ってみた（ローカル・無料・道具を使い分けるAI） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
筆者は以前作成したRAGでは、ユーザーの曖昧な問いに適切に答えられない課題に直面した。実用的な対話には、単なる検索を超えた推論能力が必要であった。
- ・RAGは資料に基づいた一回限りの回答に留まる。
- ・軽量モデル（gemma3:4b）では、ツール選択時に「None」を返す等の判断ミスが発生した。
- ・複数条件を同時に満たす高度な推論において、モデルの地力不足が露呈した。
// Approach
筆者は、AIが自律的に思考し、外部ツールを呼び出すエージェント構成を採用した。ローカル環境での動作を前提とし、プライバシー保護とコスト削減を両立させている。
- ・PythonとOllamaを用い、ローカルLLMによる推論環境を構築。
- ・「思考→道具の選択→実行→結果確認」というループ構造を実装。
- ・計算機、資料検索（scikit-learn）、日付計算の3つのツールを定義。
- ・モデルをqwen2.5:7bへ変更し、ツール利用の安定性を確保。
// Result
介護業務における複雑な問い合わせに対し、適切なツールを使い分けて回答するエージェントを実現した。
- ・モデルの変更により、ツール選択のエラーを解消し、動作の安定化に成功。
- ・道具の追加手順を「関数定義」「一覧登録」「説明文追加」の3ステップに定型化。
- ・ローカル実行により、個人情報を扱う現場でも利用可能な構成を提示。
Senior Engineer Insight
> プライバシー重視の現場におけるプロトタイプとして、極めて合理的な構成である。特に、モデルの性能が「道具利用能力」に直結することを実証した点は重要だ。実戦投入時には、推論速度やループの暴走を防ぐ制御設計が不可欠となる。