コンピュータ使用（ベータ）

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: computer-use-2025-01-24" \
  -d '{
    "model": "claude-opus-4-20250514",
    "max_tokens": 1024,
    "tools": [
      {
        "type": "computer_20250124",
        "name": "computer",
        "display_width_px": 1024,
        "display_height_px": 768,
        "display_number": 1
      },
      {
        "type": "text_editor_20250429",
        "name": "str_replace_based_edit_tool"
      },
      {
        "type": "bash_20250124",
        "name": "bash"
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Save a picture of a cat to my desktop."
      }
    ],
    "thinking": {
      "type": "enabled",
      "budget_tokens": 1024
    }
  }'

​

コンピュータ使用の仕組み

​

コンピューティング環境

1. 仮想ディスプレイ: Claudeがスクリーンショットを通じて見て、マウス/キーボードアクションで制御するデスクトップインターフェースをレンダリングする仮想X11ディスプレイサーバー（Xvfbを使用）。
2. デスクトップ環境: ウィンドウマネージャー（Mutter）とパネル（Tint2）を備えたLinux上で動作する軽量UIで、Claudeが操作できる一貫したグラフィカルインターフェースを提供します。
3. アプリケーション: Firefox、LibreOffice、テキストエディタ、ファイルマネージャーなど、Claudeがタスクを完了するために使用できる事前インストールされたLinuxアプリケーション。
4. ツール実装: Claudeの抽象的なツールリクエスト（「マウスを移動する」や「スクリーンショットを撮る」など）を仮想環境内の実際の操作に変換する統合コード。
5. エージェントループ: Claudeと環境間の通信を処理し、Claudeのアクションを環境に送信し、結果（スクリーンショット、コマンド出力など）をClaudeに返すプログラム。

1. Claudeのツール使用リクエストを受け取る
2. それらをコンピューティング環境内のアクションに変換する
3. 結果（スクリーンショット、コマンド出力など）をキャプチャする
4. これらの結果をClaudeに返す

​

コンピュータ使用の実装方法

​

リファレンス実装から始める

• Claudeとのコンピュータ使用に適したコンテナ化された環境
• コンピュータ使用ツールの実装
• Anthropic APIと対話してコンピュータ使用ツールを実行するエージェントループ
• コンテナ、エージェントループ、ツールと対話するためのウェブインターフェース

​

マルチエージェントループの理解

async def sampling_loop(
    *,
    model: str,
    messages: list[dict],
    api_key: str,
    max_tokens: int = 4096,
    tool_version: str,
    thinking_budget: int | None = None,
    max_iterations: int = 10,  # 無限ループを防ぐためのイテレーション制限を追加
):
    """
    Claudeコンピュータ使用インタラクション用のシンプルなエージェントループ。

    この関数は以下の間の往復を処理します：
    1. ユーザーメッセージをClaudeに送信
    2. Claudeがツールを使用するようリクエスト
    3. アプリがそれらのツールを実行
    4. ツール結果をClaudeに送り返す
    """
    # ツールとAPIパラメータを設定
    client = Anthropic(api_key=api_key)
    beta_flag = "computer-use-2025-01-24" if "20250124" in tool_version else "computer-use-2024-10-22"

    # ツールを設定 - これらは既に他の場所で初期化されているはずです
    tools = [
        {"type": f"computer_{tool_version}", "name": "computer", "display_width_px": 1024, "display_height_px": 768},
        {"type": f"text_editor_{tool_version}", "name": "str_replace_editor"},
        {"type": f"bash_{tool_version}", "name": "bash"}
    ]

    # メインエージェントループ（予期せぬAPIコストを防ぐためのイテレーション制限付き）
    iterations = 0
    while True and iterations < max_iterations:
        iterations += 1
        # オプションの思考パラメータを設定（Claude Sonnet 3.7用）
        thinking = None
        if thinking_budget:
            thinking = {"type": "enabled", "budget_tokens": thinking_budget}

        # Claude APIを呼び出す
        response = client.beta.messages.create(
            model=model,
            max_tokens=max_tokens,
            messages=messages,
            tools=tools,
            betas=[beta_flag],
            thinking=thinking
        )

        # Claudeの応答を会話履歴に追加
        response_content = response.content
        messages.append({"role": "assistant", "content": response_content})

        # Claudeがツールを使用したかどうかを確認
        tool_results = []
        for block in response_content:
            if block.type == "tool_use":
                # 実際のアプリでは、ここでツールを実行します
                # 例：result = run_tool(block.name, block.input)
                result = {"result": "Tool executed successfully"}

                # 結果をClaude用にフォーマット
                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": result
                })

        # ツールが使用されなかった場合、Claudeは完了 - 最終メッセージを返す
        if not tool_results:
            return messages

        # 次のClaudeとのイテレーションのためにツール結果をメッセージに追加
        messages.append({"role": "user", "content": tool_results})

​

プロンプトでモデルのパフォーマンスを最適化する

1. シンプルで明確に定義されたタスクを指定し、各ステップに明示的な指示を提供します。
2. Claudeは時々、その結果を明示的に確認せずにアクションの結果を想定することがあります。これを防ぐために、「各ステップの後、スクリーンショットを撮り、正しい結果を達成したかどうかを慎重に評価してください。あなたの思考を明示的に示してください：『ステップXを評価しました…』正しくない場合は、再試行してください。ステップが正しく実行されたことを確認した場合にのみ、次のステップに進んでください。」とClaudeにプロンプトできます。
3. 一部のUI要素（ドロップダウンやスクロールバーなど）は、マウス移動を使用してClaudeが操作するのが難しい場合があります。これを経験した場合は、キーボードショートカットを使用するようモデルにプロンプトしてみてください。
4. 繰り返し可能なタスクやUIインタラクションの場合、成功した結果のサンプルスクリーンショットとツール呼び出しをプロンプトに含めてください。
5. モデルにログインが必要な場合は、<robot_credentials>などのXMLタグ内でユーザー名とパスワードをプロンプトで提供してください。ログインが必要なアプリケーション内でコンピュータ使用を使用すると、プロンプトインジェクションの結果として悪い結果が生じるリスクが高まります。モデルにログイン認証情報を提供する前に、プロンプトインジェクションの軽減に関するガイドを確認してください。

​

システムプロンプト

ユーザーの質問に答えるために使用できる一連の関数にアクセスできます。これには、サンドボックス化されたコンピューティング環境へのアクセスが含まれます。以下の関数を呼び出す以外に、ファイルを検査したり外部リソースと対話したりする能力は現在ありません。

​

Anthropicが定義したツールを理解する

​

Claude 4とClaude Sonnet 3.7で思考機能を有効にする

"thinking": {
  "type": "enabled",
  "budget_tokens": 1024
}

1. モデルの意思決定プロセスを理解する
2. 潜在的な問題や誤解を特定する
3. 問題解決へのClaudeのアプローチから学ぶ
4. 複雑な多段階操作についてより多くの可視性を得る

[Thinking]
デスクトップに猫の画像を保存する必要があります。これをステップに分解しましょう：

1. まず、デスクトップにあるものを確認するためにスクリーンショットを撮ります
2. 次に、猫の画像を検索するためのウェブブラウザを探します
3. 適切な画像を見つけた後、それをデスクトップに保存する必要があります

利用可能なものを確認するためにスクリーンショットを撮ることから始めましょう...

​

コンピュータ使用と他のツールを組み合わせる

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "anthropic-beta: computer-use-2025-01-24" \
  -d '{
    "model": "claude-opus-4-20250514",
    "max_tokens": 1024,
    "tools": [
      {
        "type": "computer_20250124",
        "name": "computer",
        "display_width_px": 1024,
        "display_height_px": 768,
        "display_number": 1
      },
      {
        "type": "text_editor_20250124",
        "name": "str_replace_editor"
      },
      {
        "type": "bash_20250124",
        "name": "bash"
      },
      {
        "name": "get_weather",
        "description": "Get the current weather in a given location",
        "input_schema": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "The city and state, e.g. San Francisco, CA"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "The unit of temperature, either 'celsius' or 'fahrenheit'"
            }
          },
          "required": ["location"]
        }
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Find flights from San Francisco to a place with warmer weather."
      }
    ],
    "thinking": {
      "type": "enabled",
      "budget_tokens": 1024
    }
  }'

​

カスタムコンピュータ使用環境の構築

• Claudeとのコンピュータ使用に適した仮想化またはコンテナ化された環境
• Anthropicが定義したコンピュータ使用ツールの少なくとも1つの実装
• Anthropic APIと対話し、ツール実装を使用してtool_use結果を実行するエージェントループ
• エージェントループを開始するためのユーザー入力を可能にするAPIまたはUI

​

コンピュータ使用の制限を理解する

1. レイテンシ: 現在のコンピュータ使用の人間とAIの対話のレイテンシは、通常の人間が指示するコンピュータ操作と比較して遅すぎる可能性があります。スピードが重要でないユースケース（例：バックグラウンド情報収集、自動ソフトウェアテスト）に信頼できる環境で焦点を当てることをお勧めします。
2. コンピュータビジョンの精度と信頼性: Claudeはアクションを生成する際に特定の座標を出力する際にミスをしたりハルシネーションを起こしたりする可能性があります。Claude Sonnet 3.7は、モデルの推論を理解し、潜在的な問題を特定するのに役立つ思考機能を導入しています。
3. ツール選択の精度と信頼性: Claudeはアクションを生成する際にツールを選択する際にミスをしたりハルシネーションを起こしたりする可能性があり、問題を解決するために予期しないアクションを取ることがあります。さらに、ニッチなアプリケーションや複数のアプリケーションを同時に操作する場合、信頼性が低下する可能性があります。複雑なタスクをリクエストする際には、ユーザーがモデルを慎重にプロンプトすることをお勧めします。
4. スクロールの信頼性: Claude Sonnet 3.5（新）にはスクロールに関する制限がありましたが、Claude Sonnet 3.7は方向制御を備えた専用のスクロールアクションを導入し、信頼性を向上させています。モデルは現在、指定された量だけ任意の方向（上/下/左/右）に明示的にスクロールできます。
5. スプレッドシートの操作: スプレッドシートの操作のためのマウスクリックは、left_mouse_down、left_mouse_upなどのより正確なマウス制御アクションと新しい修飾キーサポートの追加により、Claude Sonnet 3.7で改善されています。セルの選択は、これらの細かい制御を使用し、修飾キーとクリックを組み合わせることでより信頼性が高くなります。
6. ソーシャルおよびコミュニケーションプラットフォームでのアカウント作成とコンテンツ生成: Claudeはウェブサイトを訪問しますが、ソーシャルメディアのウェブサイトやプラットフォーム全体でアカウントを作成したり、コンテンツを生成して共有したり、その他の方法で人間の偽装に関与したりする能力を制限しています。将来的にこの機能を更新する可能性があります。
7. 脆弱性: ジェイルブレイクやプロンプトインジェクションなどの脆弱性は、ベータ版コンピュータ使用APIを含むフロンティアAIシステム全体に存在する可能性があります。状況によっては、Claudeはユーザーの指示と矛盾する場合でも、コンテンツ内の命令に従うことがあります。例えば、ウェブページやイメージに含まれるClaude向けの指示が、指示を上書きしたり、Claudeにミスを引き起こしたりする可能性があります。以下をお勧めします： a. 最小限の権限を持つ仮想マシンやコンテナなどの信頼できる環境にコンピュータ使用を制限する b. 厳格な監視なしに機密アカウントやデータへのコンピュータ使用アクセスを与えることを避ける c. アプリケーションでコンピュータ使用機能を有効にしたり、必要な権限をリクエストしたりする前に、関連するリスクをエンドユーザーに通知し、同意を得る
8. 不適切または違法なアクション: Anthropicの利用規約に従い、法律または許容使用ポリシーに違反するためにコンピュータ使用を使用してはなりません。

​

価格設定