最後に：実際に Laravel で AIエージェントを構築するためのソースツリーとコード例

ここまで述べてきたように、AIエージェントの本質は 「API × 状態管理 × ループ」 にあります。では実際に、これを Laravel でどう構築するのか？

以下では、AIエージェントを Laravel 上で実装する際の 最低限のソースツリー と コード例 を紹介します。

/app
    /Agents
        /LP
            LPAgent.php
            LPWorkflow.php
            LPStateMachine.php

    /Services
        /AI
            OpenAIService.php
        /LP
            LPAssembler.php

    /Models
        Agent.php

    /Http/Controllers
        LPAgentController.php

/database
    /migrations
        create_agents_table.php

/routes
    api.php
            

この構成は、以下の思想でできています：

• LPAgent → どのステップを実行するか決める司令塔
• LPWorkflow → 実際の処理（GPTコール）が書かれる場所
• LPStateMachine → 「次のアクション」を決める脳みそ
• Agentモデル → state/memory を JSON で保持
• OpenAIService → GPT への API 呼び出し統合
• LPAssembler → HTML合成など結果物の組み立て
• Controller → APIエンドポイント
• Migration → エージェント状態のDB保存

どんなエージェントでも、このテンプレートで複製できます。

Agentモデル & Migration

/database/migrations/create_agents_table.php
Schema::create('agents', function (Blueprint $table) {
    $table->id();
    $table->string('type'); // 'lp', 'job', 'subsidy' など
    $table->json('state')->nullable(); // next_action / progress など
    $table->json('memory')->nullable(); // GPTの中間生成物
    $table->timestamps();
});
        

/app/Models/Agent.php
class Agent extends Model
{
    protected $fillable = ['type', 'state', 'memory'];

    protected $casts = [
        'state' => 'array',
        'memory' => 'array',
    ];
}
        

これは AIエージェントの頭脳の保存場所 です。

LPエージェントの実装（司令塔）

/app/Agents/LP/LPAgent.php
namespace App\Agents\LP;

use App\Models\Agent;

class LPAgent
{
    public function runStep(Agent $agent)
    {
        $state = $agent->state;

        // 今やるべきアクション
        $nextAction = $state['decision']['next_action'] ?? 'start_analysis';

        $workflow = app(LPWorkflow::class);

        if (!method_exists($workflow, $nextAction)) {
            throw new \RuntimeException("Unknown action: {$nextAction}");
        }

        return $workflow->{$nextAction}($agent);
    }
}
        

これが エージェントのメインループ です。今のステップを読み取り、そのステップのメソッドを実行し、結果を state/memory に保存して次へ進みます。

状態管理（ステートマシン）

/app/Agents/LP/LPStateMachine.php
namespace App\Agents\LP;

use App\Models\Agent;

class LPStateMachine
{
    public function updateState(Agent $agent, string $next)
    {
        $state = $agent->state;

        // 次のステップに移動
        $state['decision']['next_action'] = $next;
        $state['current']['status'] = $next;

        // クレジット消費管理（GPT呼び出し回数）
        $state['credit']['used'] += 1;
        $state['credit']['remaining'] =
            $state['credit']['limit'] - $state['credit']['used'];

        $agent->state = $state;
        $agent->save();

        return $agent;
    }
}
        

AI開発なのに「ステートマシン」が重要なのは、AIが暴走せず、確実に目的を達成するために必要な構造だからです。

LPエージェントの処理（ワークフロー）

/app/Agents/LP/LPWorkflow.php
namespace App\Agents\LP;

use App\Models\Agent;
use App\Services\AI\OpenAIService;
use App\Services\LP\LPAssembler;

class LPWorkflow
{
    public function __construct(
        protected OpenAIService $ai,
        protected LPAssembler $assemble
    ) {}

    /** STEP1: ヒアリング分析 */
    public function start_analysis(Agent $agent)
    {
        $input = $agent->memory['raw_input_text'];

        $json = $this->ai->gptJson(<<<PROMPT 以下の事業説明から - 事業目的 - USP - ターゲットの悩み を抽出しJSONで返してください。 {$input} PROMPT);
        $memory=$agent->memory;
        $memory['business_summary'] = $json;
        $agent->memory = $memory;

        return app(LPStateMachine::class)
            ->updateState($agent, 'generate_aidma_copy');
    }

    /** STEP2: AIDMAコピー生成 */
    public function generate_aidma_copy(Agent $agent)
    {
        $summary = json_encode($agent->memory['business_summary']);

        $json = $this->ai->gptJson(<<<PROMPT 以下の要約から AIDMAのA/I/D/M/A2を3パターンずつ生成しJSONで返してください。 {$summary} PROMPT);
        $mem=$agent->memory;
        $mem['aidma_copy'] = $json;
        $agent->memory = $mem;

        return app(LPStateMachine::class)
            ->updateState($agent, 'generate_color_theme');
    }

    /** STEP3: カラーテーマ */
    public function generate_color_theme(Agent $agent)
    {
        $json = $this->ai->gptJson(<<<PROMPT 以下の事業概要に合うLPのカラーテーマを main/sub/accent/emphasis/cta の5色で
            3パターン生成しJSONで返してください。 {$agent->memory['business_summary']}
            PROMPT);

        $mem = $agent->memory;
        $mem['color_theme'] = $json;
        $agent->memory = $mem;

        return app(LPStateMachine::class)
            ->updateState($agent, 'generate_html_blocks');
    }

    /** STEP4: HTMLブロック生成 */
    public function generate_html_blocks(Agent $agent)
    {
        $json = $this->ai->gptJson(<<<PROMPT 以下のAIDMAコピーとカラーテーマから、 Bootstrap5で使えるHTMLセクションを A/I/D/M/A2
            各3パターン生成してください。 AIDMA: {$agent->memory['aidma_copy']}

            Theme:
            {$agent->memory['color_theme']}
            PROMPT);

        $mem = $agent->memory;
        $mem['html_blocks'] = $json;
        $agent->memory = $mem;

        return app(LPStateMachine::class)
            ->updateState($agent, 'assemble_lp');
    }

    /** STEP5: LP完成品の組み立て */
    public function assemble_lp(Agent $agent)
    {
        $lp = $this->assemble->build($agent->memory);

        $agent->memory['lp_variants'] = $lp;
        $agent->save();

        return app(LPStateMachine::class)
            ->updateState($agent, 'completed');
    }
}
        

GPT を呼び出すサービス

/app/Services/AI/OpenAIService.php
namespace App\Services\AI;

use Illuminate\Support\Facades\Http;

class OpenAIService
{
    public function gptJson(string $prompt): array
    {
        $res = Http::withToken(env('OPENAI_API_KEY'))
            ->post('https://api.openai.com/v1/chat/completions', [
                'model' => 'gpt-4o-mini',
                'response_format' => ['type' => 'json_object'],
                'messages' => [
                    ['role' => 'user', 'content' => $prompt]
                ]
            ]);

        $content = $res->json()['choices'][0]['message']['content'] ?? '{}';

        return json_decode($content, true);
    }
}
        

LPを組み立てるサービス

/app/Services/LP/LPAssembler.php
namespace App\Services\LP;

class LPAssembler
{
    public function build(array $memory): array
    {
        $blocks = $memory['html_blocks'];

        return [
            'variant_1' => $blocks['A'][0] . $blocks['I'][0] . $blocks['D'][0] . $blocks['M'][0] . $blocks['A2'][0],
            'variant_2' => $blocks['A'][1] . $blocks['I'][1] . $blocks['D'][1] . $blocks['M'][1] . $blocks['A2'][1],
            'variant_3' => $blocks['A'][2] . $blocks['I'][2] . $blocks['D'][2] . $blocks['M'][2] . $blocks['A2'][2],
        ];
    }
}
        

APIエンドポイント

/app/Http/Controllers/LPAgentController.php
class LPAgentController extends Controller
{
    public function start(Request $req)
    {
        $agent = Agent::create([
            'type' => 'lp',
            'state' => [
                'decision' => ['next_action' => 'start_analysis'],
                'credit' => ['used' => 0, 'limit' => 50, 'remaining' => 50],
            ],
            'memory' => [
                'raw_input_text' => $req->input('text'),
            ],
        ]);

        return response()->json(['agent_id' => $agent->id]);
    }

    public function run($id)
    {
        $agent = Agent::findOrFail($id);

        app(\App\Agents\LP\LPAgent::class)->runStep($agent);

        return $agent->fresh();
    }

    public function status($id)
    {
        return Agent::findOrFail($id);
    }
}
        

/routes/api.php
Route::post('/lp/start', [LPAgentController::class, 'start']);
Route::post('/lp/run/{id}', [LPAgentController::class, 'run']);
Route::get('/lp/status/{id}', [LPAgentController::class, 'status']);
        

まとめ：この構造は「どんなエージェントでも」量産できる。LPエージェント以外にもそのまま流用できます。JobAgentや補助金エージェントなど、ワークフロー部分だけ差し替えれば済みます。

これをAIエージェントの雛形にすることで最小単位のエージェントを作ることができます。ご参考までに