HowTo
繰り返す設計作業をSkillsにまとめる:AIへ手順と確認方法を渡す
電気機器の解析・結果整理で繰り返す手順を,Skillsにまとめる考え方を紹介します。PythonスクリプトやREADMEとの役割分担,eMachineSimの公開資料の構成を例に,参照・実行・確認を引き継ぐ方法を説明します。MCPを必須とせず,小 さな仕事から始める進め方を示します。
H. Kaimori
はじめに
"解析結果を整理するPythonスクリプトを作り,READMEも残した。それでも,別の案件では「どの説明を読み,何を確認してから実行するか」を毎回伝えている" 状況があるかと思います。このような仕事では,確認済みの手順をSkills(スキル)にまとめる方法が役立ちます。
この記事では,電気機器の設計・開発で繰り返す作業を例に,Skillsの役割と,スクリプト・説明資料との関係を紹介します。個人の処理を,別の担当者やAIも利用できる手順へ育てることが目的です。
Skillsは,必要な場面で参照する作業手順
Agent Skillsは,AIへ専門的な手順や参照資料を渡すための形式です。中心となるSKILL.mdには,名前,どのような作業に使うかの説明,実行する手順を記載します。必要に応じてスクリプトや参考資料も組み合わせます。
例えば「電磁界解析の結果を比較する」というSkillsなら,対象とするデータ,単位や評価区間の確認,既存処理の呼出し,グラフと比較表の出力,結果を確かめる方法をまとめます。材料値や許容値が不明な場合は質問する,といった進め方も含められます。
SkillsはAIモデルを追加学習させるものではありません。必要な場面で指示や資料を読み,作業へ適用するための入口です。人がREADMEを読んでからツールを使うように,AIにも目的と手順をたどれる形で渡します。
スクリプト,README,Skillsの役割を分ける
残すもの | 主な役割 | 電気機器の設計での例 |
Pythonスクリプト | 決めた処理を実行する | トルク波形から評価値と比較 図を出力する |
README・仕様資料 | 目的,環境,使い方,定義を説明する | 評価区間,単位,入力列,対応版を説明する |
Skills | 作業の選択・実行・確認の順序をAIへ渡す | 仕様を確認し,適合する入力で実行し,結果を点検する |
案件ごとの設定・判断記録 | 今回の条件と根拠を残す | 対象の回転数,比較するケース,採用した評価条件 |
Skillsへすべての仕様やコードを複製すると,変更時に説明が食い違いやすくなります。詳しい定義は元の資料へ案内し,実行には既存のスクリプトを利用する構成が扱いやすくなります。手順が変わったら,コードと資料に加えSkillsも更新します。
例:結果比較から報告までを一つの手順にする
複数の運転条件で解析した結果を比較するとき,グラフを描くだけでなく,同じ意味の値を比較しているかの確認が必要です。例えば,評価区間,機械角・電気角,平均値やリプルの定義,正規化の有無をそろえます。
Skillsには,最初に入出力仕様を読むこと,今回の入力が対象形式に合うか調べること,最小のケースを確認してから展開することを記載できます。処理後には,入力件数と出力件数,単位,元データとの対応,未確認事項をまとめます。
図1:Skillsから既存資料と処理を参照し,入力と結果を確認する流れ。適合しない入力や不明な条件は確認へ戻します。
この手順を残すと,次の案件で同じ依頼文を一から組み立てる手間を減らせます。スクリプトが計算処理を担い,AIは入力の適合確認や結果の説明,変更が必要な箇所の整理を支援します。技術者は,今回の目的と条件に適した評価になっているかを確認します。
ここで示す比較手順は構成例です。特定の入力に対して効果を実測した事例や,この記事専用の完成済みツールを示すものではありません。
当社ツールの例:eMachineSimの手順をたどる
eMachineSimの公開リポジトリには,説明資料,Examples,Skills,MCPサーバーが用意されています。Skillsの入口では,Python API,入力JSON,熱解析,構造・振動のワークフロー,出力の確認など,目的に応じて参照する資料を案内しています。
例えば温度評価では,単に「熱解析を実行する」と指示するだけでなく,入力,発熱の与え方,確認する出力を対応づけることが大切です。公開されているSkillsを読むと,どの説明を先に確認し,どのサンプルを参照するかをまとめる考え方が分かります。
また,出力形式や機能は配布版によって異なります。現行のSkillsにも,output.jsonを案内する前に0.2.0以降か確認する指示があります。こうした版の確認を手順へ含めることは,過去の説明をそのまま新しい案件へ適用する誤りを減らす助けになります。
Note: 公開資料と製品の利用範囲 上記は2026年11月7日に確認した公開資料の構成紹介です。ソルバー本体をOSSとして提供しているという意味ではありません。読者は対象リポジトリの利用条件と,製品の配布版・ライセンスを確認してください。各AI環境での読込み・実行を一括して検証済みとする紹介でもありません。
まずは一つの仕事をSkillsにする
初めから解析全体を大きなSkillsへまとめるより,「結果CSVを比較する」「計算後のログと出力を確認する」など,目的が明確な仕事から始めると確認しやすくなります。入力,使う処理,確認する結果を一組にし,別の案件でも意味が変わらない部分を共通化します。
EMSOptimizerを使う場合なら,探索の前に評価処理を一件確認する手順や,探索後の候補を同じ定義で比較する手順が候補になります。Skillsは,最適化手法そのものを置き換えるものではなく,周辺の準備・確認・報告をそろえるために利用します。
効果を見る際は,初回の作成時間に加え,次の案件で説明し直した量,確認漏れ,他の担当者が実行できたかも記録します。手順を残したことで,どの仕事を引き継げたかを確認することが大切です。
MCPサーバーは,必要になった段階で検討する
必要なファイルを読み,既存のPythonスクリプトを実行できる環境なら,Skillsを中心に手順を整える構成で対応できる仕事があります。Skillsを使うためにMCPサーバーを作ることは必須ではありません。
MCPは,AIと外部のツールやデータをつなぐ仕組みです。共有データベースや社内システムへの接続方法をそろえたい場合などに検討します。解析ツールの実行にも使えますが,この連載では過去データ活用の発展編で詳しく説明します。
Note:対応環境と利用条件 Skillsの保存場所,読込方法,呼出し方はAI製品や利用形態により異なります。読者は採用する環境の公式説明と所属組織の方針を確認してください。手順ファイルを置くだけで,自動読込みやファイル・コマンドへのアクセスが保証されるわけではありません。
まとめ
Skillsには,作業の目的,参照先,実行手順,確認方法をまとめます。
計算処理はスクリプト,詳しい定義は仕様資料へ残し,相互に参照します。
一つの仕事から始め,別の担当者や案件でも使えたかを確かめます。
