MarkTechPostのチュートリアルは、Anthropicのfinancial-servicesリポジトリを中心に高度なワークフローを構築し、そのスキル駆動型アーキテクチャを純粋なPythonで再現する方法を説明している。このワークフローでは、必要なライブラリをインストールし、リポジトリをクローンし、エージェント、業種別プラグイン、パートナー統合、マネージドエージェントのクックブック、財務分析スキルをプログラムでマッピングする。

続いてチュートリアルでは、リポジトリ内のSKILL.mdファイルを検索可能なレジストリに解析し、再利用可能なSkillAgentを構築する。このエージェントは、Pythonによる計算とファイル生成のための反復的なツール利用ループをサポートしながら、選択した財務プレイブックをAnthropic Messages APIに注入する。このアーキテクチャを使い、ワークフローは合成されたディスカウントキャッシュフロー評価を実行し、WACCと永久成長率の感応度ヒートマップを生成し、整形済みExcel出力を伴う類似企業分析を行い、プライベートエクイティの投資委員会メモを作成し、ライブのデプロイ要求を送信せずにマネージドエージェントのデプロイ仕様を確認する。

セットアップは、Pythonライブラリのインストール、Anthropicのfinancial-servicesリポジトリのクローン、Google Colab実行環境の準備から始まる。Anthropic APIキーは、Colabのシークレット、環境変数、または安全な対話型プロンプトから取得される。その後、ワークフローは公式のAnthropic SDKを初期化し、財務分析タスクを実行するClaudeモデルを選択する。

リポジトリ構造を調査し、エージェントプラグイン、業種別プラグイン、パートナー統合、マネージドエージェントのクックブック、利用可能なコマンドを特定する。MCP設定ファイルを見つけ、リポジトリで定義されている外部財務データコネクタを表示する。この文脈でMCPコネクタが重要なのは、エージェントワークフローが外部ツールやデータサービスを発見して呼び出すための構造化された方法を提供するためである。一方で、このチュートリアルの例はライブデータアクセスではなく、リポジトリの調査に焦点を当てている。次に各SKILL.mdファイルを解析してYAMLメタデータと方法論を抽出し、すべての一意なスキルを検索可能な形で登録する。

チュートリアルでは、ClaudeがPython計算を実行し、生成された成果物をColab環境内に保存できるツールを定義する。また、数値モデル、表、中間変数が複数のエージェントターンをまたいで利用可能な状態を保てるよう、永続的なPython名前空間も構築する。その後、SkillAgentクラスを作成し、選択した財務プレイブックをシステムプロンプトに注入し、Anthropic Messages APIのツール利用ループを管理する。

評価の例では、ワークフローが合成された事業前提を提供し、DCFスキルエージェントに5年間のアンレバード・キャッシュフロー評価を構築するよう指示する。Python実行ツールを使って、企業価値、株式価値、インプライド株価、2次元の感応度マトリクスを計算する。その後、構造化された感応度結果を抽出し、WACC、永久成長率、インプライド評価額の関係を示すヒートマップとして可視化する。

類似企業分析では、合成されたピアセットを使って、企業価値、EV-to-revenue、EV-to-EBITDA、株価収益率の倍率を計算する。エージェントの構造化JSONレスポンスは、詳細な類似企業DataFrameと要約統計DataFrameに変換される。その後、分析は複数シートのExcelワークブックにエクスポートされ、専門的なヘッダー書式と列幅の自動調整が適用される。

このワークフローは、仮想的なソフトウェア買収案件に投資委員会メモのスキルも適用し、Pythonで補足的なリターン指標を計算する。生成されたメモはMarkdown成果物として保存され、出力ディレクトリ内に生成ファイルが存在することを確認する。その後、チュートリアルはマネージドエージェントのクックブックを調査し、デプロイ仕様を表示し、生成された成果物と考えられる本番拡張をレビューする。

チュートリアルによると、完成したワークフローは、Anthropicのfinancial-servicesスキルおよびエージェントフレームワークをGoogle Colabベースで実用的に近似したものであり、同リポジトリの方法論主導の財務分析アプローチを維持している。構造化されたスキル発見、動的なシステムプロンプト構築、永続的なPython実行、APIベースのツールオーケストレーション、自動成果物生成を、単一の再利用可能なワークフローに統合している。例では合成された前提条件とノートブック形式のサンドボックスを使用しているため、このチュートリアルはライブ市場分析や投資推奨の情報源ではなく、実装パターンとして位置付けられている。

同じエージェントアーキテクチャは、DCF評価、トレーディングコンプ分析、感応度テスト、Excelレポート作成、投資委員会メモ作成など、複数の金融ユースケースをサポートするものとして提示されている。今後の拡張としては、追加スキルの読み込み、複数の評価プレイブックの組み合わせ、MCP統合を通じたライセンス済み財務データプロバイダーへの接続、チュートリアル用サンドボックスをClaude Code、Cowork、またはManaged Agents上の統制された本番ランタイムに置き換えることが挙げられる。本番利用では、アクセス制御、データライセンス、生成出力の監査可能性、財務ワークフローで成果物を使用する前の計算検証が、関連する追加検討事項となる。

完全なコードはGitHubで公開されている。