Agent Toolsは、AIエージェントが作業中に呼び出す三つのCLIです。Webサイトの記録、画面の検証、文書の出力を、毎回同じ手順で実行できるようにしました。
三つの役割
- sitesnap：公開サイトをデスクトップとモバイルで収集し、スクリーンショット、マニフェスト、実行記録を保存する
- shimon：指定した画面状態で、はみ出しやエラーなどの検査結果とスクリーンショットをまとめて返す
- pdfmint：HTMLやMarkdownを日本語組版のPDFと確認用PNGへ変換し、ページ数などの結果をJSONで返す
sitesnapとpdfmintはNode.js 22以上で動きます。処理結果を標準出力のJSONとファイルの両方へ残し、次の判断に使う値と、人が開いて確認する成果物を分けています。
shimon — 画面検証
shimonは、指定した画面状態で検査とスクリーンショットをまとめて返すツールです。はみ出し、コンソールエラー、通信の失敗、アクセシビリティ違反などを確認し、エージェントが同じ状態の画像も見て判断できるようにしました。
単体のCLI・piパッケージとして配布し、Hikizanのpiパッケージにも組み込んでいました。検査結果だけで完了とせず、欠けや重なり、不自然な改行、情報の優先順位まで確認するための試作として残しています。
ツールと判断を分離する
CLIは、画面が美しいか、変更が妥当か、文書が読みやすいかまでは決めません。観測、変換、保存だけを安定させ、評価は作業の目的を知る人とエージェントへ残します。Agent Skillには使う場面と失敗時の対応を書き、ブラウザ操作やファイル生成の本体はCLIへ置いています。
現在の位置づけ
モデル自身が検証用のツールを作り、アプリ内のブラウザや成果物機能を直接使えるようになったため、現在は自分の開発に必須ではありません。必要性が短期間で薄れたことも含め、エージェント向けツールの責務をどこまで固定すべきかを試した事例として残しています。