1 つのワークフローで、プロンプトの準備、モデル API のテスト、AI CLI コマンドの生成、構造化された JSON 出力の検証、ライブ MCP ツールの検査を行います。
各ステップは、残っている問題の範囲を狭めていきます。先にプロンプトを整えておけば、後の失敗が送るつもりのなかったテキストのせいではないと分かり、出力を検証する前にエンドポイントを試しておけば、スキーマのエラーは転送ではなくモデル側の問題だと言えます。
モデルをアプリケーションに組み込む作業は、通常は別々の場所で行われる5つの仕事に分かれます。プロンプトを安全に送れる状態にすること、コマンドやリクエストを組み立てること、エンドポイントを呼び出すこと、返ってきた内容がコードの解析する形と一致するか確認すること、そしてエージェントが読み込むサーバー設定を確かめることです。ここからリンクしているページはそれぞれ1つを担当し、すべて今開いているブラウザータブの中で動くため、デバッグ中のプロンプトやキー、ペイロードを自分の管理外のサービスに貼り付ける必要はありません。
このページの並びは、実際の作業が進む順序です。プロンプトの整理、CLIコマンドの生成、スキルファイルの作成、構造化出力の検証は入力をどこにも送らず、ページのスクリプト内だけで完結します。ネットワークに出る必要がある2つは、ブラウザーから指定したエンドポイントへ直接リクエストを送り、認証情報はこのブラウザーのローカルストレージに残ります。この直接の経路があるため、ここで出たエラーは信頼できます。LLM APIテスターやMCPサーバーチェックがエラーを報告したなら、原因は中間のプロキシではなく、あなたのエンドポイントとそのトランスポート、CORS、認証設定にあります。
まずAIプロンプトツールキットで機密情報を伏せ、コンテキストウィンドウに収まる大きさに分割してください。その後は、コーディングアシスタントを動かすのか自分でエンドポイントを呼ぶのかに応じて、CLIビルダーかAPIテスターに進みます。
いいえ。テキスト系のツールはすべてブラウザー内で動作し、ネットワークを使う2つのツールはブラウザーから設定したエンドポイントへ直接送信します。キーはこのブラウザーのローカルストレージに保存され、サイトデータを削除すれば消えます。
CLIビルダーはClaude Code、Codex、OpenCodeといったAIコーディングアシスタント向けのコマンド文字列を作るだけで、何も実行しません。APIテスターは実際にモデルのエンドポイントへリクエストを送り、返ってきたステータス、ストリーミングされたトークン、所要時間、使用量を表示します。
ブラウザーからのリクエストはプロバイダーがCORSヘッダーを返す必要がありますが、ターミナルからのリクエストには不要です。エンドポイントがCORSヘッダーを返さない場合、ページが応答を読む前にブラウザーが遮断します。モデルの前段にCORSヘッダーを返すゲートウェイを置くか、テスターが生成する秘匿済みのcurlコマンドを実行してください。
MCPサーバーチェックです。リモートのStreamable HTTPサーバーに接続し、公開されているツールを入力スキーマとともに一覧表示し、確認したうえでのみ呼び出しを実行します。到達できるサーバーと設定を誤ったサーバーを見分けるにはこれで十分です。