Agent Toolsは、AIエージェントが開発作業の途中で呼び出す三つのCLIです。
自然言語の解釈はエージェントへ任せ、画面の観測、変更の検証、文書の出力を再現可能な処理として切り出しています。
三つの役割
sitesnap
sitesnapは、開発中のWeb画面を観測するPlaywrightベースのCLIです。
スクリーンショットを撮るだけでなく、横方向のはみ出し、コンソールエラー、失敗したリクエスト、アクセシビリティを検査し、要素の位置や計算後のCSSをJSONで取得します。
撮影結果はPNGとして残り、JSONには絶対パス、ビューポート、対象URLが入ります。
エージェントは画像を開いて全体を見ながら、数値で確かめられる箇所を構造化データとして読み直せます。
Shimon
Shimonは、変更前後のUIを検証するCLIです。
プロジェクトが選んだ位置、文字、CSS、CanvasのハッシュなどをJSONへ保存し、同じ項目同士の差分を返します。
比較の前には、同じ条件を二回測るselftestを実行します。
観測自体が安定していることを確かめてから、変更による差分を調べるためです。
pdfmint
pdfmintは、HTMLやMarkdownをPDFとPNGへ変換し、成果物にするPuppeteerベースのCLIです。
Markdown変換では日本語フォントを同梱し、書体、余白、用紙サイズを設定ファイルへ保存できます。
OSにインストールされたフォントへ依存せず、同じ書体条件で文書を生成するためです。
生成結果には出力先、ファイルサイズ、ページ数、適用した設定が入ります。
一枚に収める帳票では期待ページ数を指定し、意図しない改ページをエラーとして扱えます。
共通するCLIの境界
三つのCLIは、処理本体をAgent Skillへ書いていません。
各リポジトリのSkillやAGENTS.mdには、使う場面、コマンドの選び方、失敗時の対応を書き、ブラウザ操作やファイル生成はCLIが実行します。
共通しているのは次の設計です。
- 構造化出力：結果をJSONで返し、次の分岐に使う値を固定する
- 成果物の保存：PNG、JSON、PDFをファイルとして残し、あとから開き直せるようにする
- 失敗の分類：エラーコード、ヒント、終了コードで、差分と実行失敗を区別する
- 人間向けの入口：同じCLIをエージェント経由でもシェルからでも実行できる
各CLIは結果を返しますが、その結果が美しいか、変更が妥当か、文書が読みやすいかまでは判断しません。
観測可能な事実をツールが返し、評価は人とエージェントが作業の目的に合わせて行います。