カスタムツール開発

Riverse はドロップイン方式のツールシステムを採用しています。agent/tools/ ディレクトリに .py ファイルを作成するだけで新しいツールを追加できます。登録コードは不要です。

インターフェース

各ツールは BaseTool を継承し、2つのメソッドを実装します：

from agent.tools import BaseTool, ToolManifest, ToolResult

class MyTool(BaseTool):

    def __init__(self, config: dict):
        self.config = config

    def manifest(self) -> ToolManifest:
        return ToolManifest(
            name="my_tool",                          # 一意の識別子
            description="LLM がこのツールを使うべきか判断するための一行説明",
            parameters={
                "param_name": "パラメータの意味",
            },
            examples=[
                "自然言語トリガー例 1",
                "自然言語トリガー例 2",
            ],
        )

    def execute(self, params: dict) -> ToolResult:
        value = params.get("param_name", "")

        # ここに処理を実装...
        result = f"処理結果: {value}"

        return ToolResult(success=True, data=result)

ToolManifest

フィールド	用途
name	一意の識別子。LLM はこの名前でツールを呼び出します。
description	一行の説明。LLM はこれを読んでいつ使うか判断します。
parameters	{パラメータ名: 説明} の辞書。LLM が自動的に値を埋めます。
examples	このツールをトリガーする自然言語フレーズを 2-3 個。

ToolResult

フィールド	用途
success	True / False
data	参考情報として LLM のコンテキストに注入される文字列。
error	エラーメッセージ（success=False の場合のみ）。

オプション：is_available()

依存関係が不足している場合にツールを無効化するにはこのメソッドをオーバーライドします：

def is_available(self) -> bool:
    return self.config.get("tools", {}).get("my_tool", {}).get("enabled", True)

例：天気ツール

import requests
from agent.tools import BaseTool, ToolManifest, ToolResult

class WeatherTool(BaseTool):

    def __init__(self, config: dict):
        self.config = config

    def manifest(self) -> ToolManifest:
        return ToolManifest(
            name="weather",
            description="指定した都市の現在の天気を取得する",
            parameters={"city": "都市名（例：東京、ロンドン）"},
            examples=["東京の天気は？", "ロンドンは雨ですか？"],
        )

    def execute(self, params: dict) -> ToolResult:
        city = params.get("city", "").strip()
        if not city:
            return ToolResult(success=False, data="", error="都市名がありません")

        try:
            r = requests.get(f"https://wttr.in/{city}?format=j1", timeout=10)
            data = r.json()["current_condition"][0]
            summary = f"{city}: {data['temp_C']}°C, {data['weatherDesc'][0]['value']}"
            return ToolResult(success=True, data=summary)
        except Exception as e:
            return ToolResult(success=False, data="", error=str(e))

agent/tools/weather.py として保存すれば、次回起動時から利用可能になります。

仕組み

1. 起動時に ToolRegistry が agent/tools/ 内のすべての .py ファイルをスキャンします（_ で始まるファイルはスキップ）。
2. 各 BaseTool サブクラスに対して is_available() を呼び出します。
3. 利用可能なツールは manifest().name で登録されます。
4. ユーザーがメッセージを送信すると、LLM はすべてのツールの manifest を確認し、どれを呼び出すか決定します。
5. ツールの execute() 結果が LLM のコンテキストに注入され、最終回答の生成に使われます。