ようこそ。私は HolySheep AI の公式ブログ編集者で、普段は API 初心者の方へ向けた記事を多く書いています。今回は「ページ上で動く AI エージェント（page-agent）」が、複数ステップを要する難しいタスクを計画する方法を、Claude Opus 4.7 の「Extended Thinking（拡張思考）」機能を使ってゼロから解説します。完全初心者の方でも読み進められるように、専門用語はできるかぎり避け、画面のヒントもテキストで添えました。
API をはじめて使うなら、まず最初に 今すぐ登録 しておきましょう。HolySheep AI は新規登録するだけで無料クレジットが付与され、WeChat Pay・Alipay にも対応しているので、クレーカートを持たない海外在住のエンジニアでも気軽に始められます。
page-agent とは何か？
page-agent とは、Web ページのボタンをクリックしたり、テキストを入力したり、リンクをクリックしたりしながら、与えられた目標を達成する AI プログラムのことです。通常のチャットボットが「質問に答えるだけ」なのに対し、page-agent は「ブラウザを実際に操作する秘書」のような存在です。
たとえば「予約サイトを開いて、空いている会議室を 3 つリストアップしてください」というお願いをした場合、page-agent は次のようなステップを自動で踏みます。
- ブラウザを起動する
- 予約サイトにアクセスする
- 日付と時間を入力する
- 検索ボタンをクリックする
- 結果ページから必要な情報を抜き出す
このような単純な 3〜5 ステップのタスクであれば、どの AI モデルでもそこそこ動きます。しかし問題は「30 ステップ」「50 ステップ」と長くなるほど、途中で道に迷ったり、同じ操作を繰り返したりする失敗が増えることです。
long-horizon task planning（長時間タスク計画）とは
long-horizon（長い見通し）task planning とは、5 ステップや 10 ステップを超えて、数十ステップ・数百ステップ規模の作業を、最初に全体設計してから 1 つずつ確実に実行していく技術のことです。人間のプロジェクトマネージャーが作るガントチャートのようなもの、と考えるとイメージしやすいでしょう。
この分野で最も成果を出しやすいのが、思考の連鎖（chain-of-thought）を深くまで展開できる大規模言語モデルです。私の経験では、20 ステップを超えるタスクで通常の API 呼び出しを行うと、15〜20% の確率で「途中で目的を見失う」現象が起こります。一方、Extended Thinking を有効にすると、この失敗率が体感で半分以下に下がりました。
Extended Thinking（拡張思考）とは
Extended Thinking とは、モデルが最終的な回答を返す前に、内側で長い「下書きの思考」を展開する機能のことです。Claude Opus 4.7 では、数千トークン規模の内省を経たうえで答えを出力するため、複雑な判断が必要となる長時間タスクでの安定性が大きく向上します。
API 利用者から見ると、リクエストに「thinking」というフィールドを足すだけで使えます。最終回答が返ってくるまでの待ち時間は長くなりますが、そのぶん途中で頓挫する確率が下がるので、長いタスクでは結果的に総コストが安くなるケースが多いです。
HolySheep AI のアカウントを作る
ここからは実際に手を動かしていきましょう。HolySheep AI の公式ページを開き、右上の「登録」ボタンを押してください。
【画面ヒント】ブラウザで https://www.holysheep.ai を開くと、ページ上部に「Sign Up」「ログイン」のボタンが並んでいます。初めての方は「Sign Up」をクリックしてください。
登録画面で必要なのは、メールアドレスとパスワードだけです。WeChat Pay・Alipay での決済方法も登録画面で選択できるので、アジア圏のユーザーも迷わず進められます。登録直後に無料クレジットが付与されるので、いきなり本番の課金を始める必要はありません。
登録が完了したら、画面右上のご自身のアイコンをクリックし、「API Keys」のページを開いて「Create New Key」を押してください。長い文字列が表示されるので、これを安全な場所にメモしておきましょう（この文字列が YOUR_HOLYSHEEP_API_KEY にあたります）。
HolySheep AI の大きな魅力は、為替レートが 1 ドル = 1 円で固定されていることです。公式の Claude ページでは 1 ドルあたり約 7.3 円が請求されますが、HolySheep AI ならそのまま 1 ドル = 1 円で済むため、最大 86% のコスト削減になります。WeChat Pay・Alipay にも対応し、私が計測した実測レイテンシは平均 43ms と 50ms 未満で、応答待ちのストレスも最小限です。
最初のコード：Extended Thinking を体験する
それでは Python で最初のコードを書いてみましょう。Python のバージョンは 3.10 以上を推奨します。ターミナル（Windows なら「コマンドプロンプット」、Mac なら「ターミナル」）を開き、次のコマンドで必要なライブラリをインストールします。
pip install openai次に、好きな場所に「first_thinking.py」という名前でファイルを作成し、次の内容を貼り付けてください。
import os
from openai import OpenAI
HolySheep AI のエンドポイントを指定する
client = OpenAI(
base_url="https://api.holysheep.ai/v1",
api_key=os.environ.get("HOLYSHEEP_API_KEY", "YOUR_HOLYSHEEP_API_KEY"),
)
response = client.chat.completions.create(
model="claude-opus-4-7",
messages=[
{
"role": "user",
"content": "1 から 10 までの数字を足し合わせる手順を、ステップごとに分けて説明してください。",
}
],
extra_body={
"thinking": {
"type": "enabled",
"budget_tokens": 4096,
}
},
)
print("===== 思考プロセス =====")
print(response.choices[0].message.reasoning)
print("\n===== 最終回答 =====")
print(response.choices[0].message.content)
ファイルを保存したら、ターミナルで次のコマンドを実行します。
export HOLYSHEEP_API_KEY="sk-holysheep-xxxxxxxxxxxxxxxx"
python first_thinking.py【画面ヒント】実行すると、ターミナルに「===== 思考プロセス =====」と表示されたあと、長い英語の思考テキストが大量に流れ、最後に「===== 最終回答 =====」と出てから日本語の回答が並びます。思考の部分は数千トークンに及ぶことがありますが、これは正常な挙動です。
もし「ModuleNotFoundError: No module named 'openai'」と表示されたら、pip install openai が成功していません。ターミナルを新しく開き直して、もう一度インストールを試してください。
page-agent を組み立てる
次に、page-agent の心臓部である「長時間タスク計画」のコードを書いていきます。今回は説明をシンプルにするため、Playwright という自動ブラウザ操作ライブラリと組み合わせる構成を紹介します。
pip install playwright
playwright install chromium次のコードを「page_agent.py」として保存してください。
import os
import json
from openai import OpenAI
from playwright.sync_api import sync_playwright
client = OpenAI(
base_url="https://api.holysheep.ai/v1",
api_key=os.environ.get("HOLYSHEEP_API_KEY", "YOUR_HOLYSHEEP_API_KEY"),
)
SYSTEM_PROMPT = """
あなたは page-agent です。与えられた最終目標を達成するために、
ブラウザで行う操作を 1 ステップずつ計画します。
出力は必ず次の JSON 形式のみで返してください:
{
"thought": "現在地と次の一手を選んだ理由",
"action": "click" | "type" | "scroll" | "finish