Claude API 実践ガイド — 業務AIを最短で構築する方法

なぜ Claude を選ぶのか

LLM（大規模言語モデル）の選択肢は増え続けていますが、業務利用で Claude が強い理由があります。

最小構成: 5分で動くチャットAPI

まずは最小限のコードで Claude と会話できる状態を作ります。

import anthropic

client = anthropic.Anthropic()  # ANTHROPIC_API_KEY 環境変数を自動で読む

message = client.messages.create(
    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "当社の有給休暇制度について教えてください"}
    ],
    system="あなたは株式会社サンプルの社内AIアシスタントです。丁寧かつ簡潔に回答してください。"
)

print(message.content[0].text)

ポイント: system パラメータに会社固有の情報や回答のトーンを指定することで、汎用AIが「自社専用AI」に変わります。ここがプロンプトエンジニアリングの出発点です。

Tool Use で外部システムと連携する

Claude の真価は Tool Use（関数呼び出し）にあります。AIが「この情報が必要だ」と判断したら、自動的にデータベースや外部APIを呼び出せます。

tools = [
    {
        "name": "search_inventory",
        "description": "商品の在庫数を検索する",
        "input_schema": {
            "type": "object",
            "properties": {
                "product_name": {
                    "type": "string",
                    "description": "商品名（部分一致で検索）"
                }
            },
            "required": ["product_name"]
        }
    }
]

response = client.messages.create(
    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "A4コピー用紙の在庫ある？"}]
)

Claude が search_inventory ツールを呼び出すと判断した場合、レスポンスに tool_use ブロックが含まれます。あとはサーバー側でその関数を実行し、結果を Claude に返すだけです。

Tool Use の活用例

ユースケース	ツール名	やること
社内FAQ	search_documents	ナレッジベースを検索
在庫確認	check_stock	基幹システムのAPIを叩く
スケジュール調整	get_calendar	Google Calendar から空き枠取得
見積もり作成	calculate_estimate	単価テーブルから自動計算
お問い合わせ転送	submit_contact	CRMにリードを登録

RAG: 社内文書をAIに読ませる

RAG（Retrieval-Augmented Generation） は、質問に関連する社内文書を検索して、その内容をプロンプトに含めてからAIに回答させる手法です。

1. チャンク分割 — 社内文書（PDF、Word、Notion等）を意味単位に分割してベクトル化
2. 質問のベクトル化 — ユーザーの質問を同じ方法でベクトルに変換
3. 類似検索 — ベクトルDBから類似度の高い文書チャンクを検索
4. プロンプト生成 — 検索結果をプロンプトに含めて Claude に回答させる

コスト感: 思ったより安い

Claude API の料金は従量課金制です。Sonnet モデルの場合:

注: 料金は2026年5月時点の情報です。最新の料金は各サービスの公式サイトをご確認ください。

人件費と比較すると圧倒的にコスト効率が良いことが分かります。月1万円で24時間対応のアシスタントが手に入ると考えれば、投資対効果は明らかです。

まず何から始めるか

1. ユースケースを1つに絞る — 「全部AIにしたい」ではなく「この業務だけ」から始める
2. プロトタイプを作る — 上記の最小構成なら1日で動くものが作れる
3. 社内でテスト運用 — 実際の質問で精度を検証し、プロンプトを改善する
4. Tool Use で拡張 — 他システムとの連携を段階的に追加していく