Python×Claudeで実現！Docker上のLinuxを自動構築するAIエージェントの第一歩

「ローカル環境にテスト用のLinuxサーバを立ち上げて、Webサーバを設定したい。でも毎回コマンドを調べて打つのは面倒……」

この記事では、その定型作業をAI（Claude）に代わりにやってもらう「AIエージェント」を、Windows上のDocker Desktopで作ります。

いきなりAIを動かすのではなく、前半でまず自分の手で同じ作業をやってみて、後半でそれを自動化するという順番で進めます。「何を自動化するのか」が分かったうえで作れるので、AI初心者の方でも迷いにくい構成です。

先に知っておきたい：費用が発生する場面

この記事の中でお金がかかるのは「Claude APIの利用」だけです。あとから驚かないよう、最初に整理しておきます。

第1章：準備するもの

1-1. Pythonをインストールする

Python公式サイト（python.org）の「Downloads」からWindows用インストーラをダウンロードして起動します。

インストール後は、開いているコマンドプロンプトをすべて閉じて、新しく開き直してから確認します。

python --version

Python 3.x.x と表示されれば成功です。

インストーラーに「このインストーラーは将来提供終了」という趣旨の注意書きが出ることがありますが、今回の作業には影響しません。

「Python」としか表示されない場合

Windowsには、Pythonが入っていない状態で python と打つとMicrosoft Storeへ誘導する「ダミーの実行ファイル」が最初から入っています。本物をインストールしたのに直らない場合は、「設定」→「アプリ」→「詳細設定」→「アプリ実行エイリアス」で、python.exe と python3.exe（App Installerと書かれたもの）をオフにしてください。

1-2. 必要なライブラリを入れる

pip install anthropic docker

anthropic はClaudeを呼び出すための公式ライブラリ、docker はPythonからDockerを操作するためのライブラリです。最後に Successfully installed ... と出れば成功です。

1-3. Docker Desktopの動作確認

Docker Desktopを起動し（画面左下が緑色の「Engine running」になっている状態）、次を実行します。

docker run hello-world

Hello from Docker! と表示されれば準備完了です。

1-4. VS Code（任意）

コードを書きやすくなるので、VS Codeを入れておくのがおすすめです。インストール後、拡張機能の検索で「Python」（Microsoft提供）を入れておきます。ただし、メモ帳などでも agent.py は作れるので、必須ではありません。

第2章：まず手動でWebサーバを作ってみる

AIに任せる前に、同じ作業を自分の手で一度やってみます。ここで打つコマンドが、後でAIが代わりに打つコマンドです。この章は無料で、Claudeの契約もAPIキーも不要です。

2-1. Linuxコンテナを作る

docker run -d --name testbox -p 8080:80 ubuntu:24.04 sleep infinity

2-2. コンテナの中に入る

docker exec -it testbox bash

プロンプトが root@（英数字）:/# に変われば、Linuxコンテナの中に入れています。以降のコマンドは、この中で実行します。

2-3. nginxをインストールして起動する

apt-get update
apt-get install -y nginx
nginx

• apt-get update：パッケージ一覧を最新にします
• apt-get install -y nginx：nginxを入れます。-y は確認の質問を省略するオプションです
• nginx：nginxを起動します。成功すると何も表示されずにプロンプトに戻ります（これが正常です）

2-4. ブラウザで確認する

Windows側のブラウザで http://localhost:8080 を開き、「Welcome to nginx!」が表示されれば成功です。

もし ERR_EMPTY_RESPONSE（このページは動作していません）と表示された場合は、ブラウザからコンテナまでは届いているものの、nginxがまだ起動していない状態です。コンテナ内で nginx を実行してから再読み込みしてください。

2-5. 片付ける

exit
docker rm -f testbox

exit でコンテナから出て、docker rm -f でコンテナを削除します。

第3章：何を自動化するのか

第2章でやった作業は、次の4ステップでした。

1. コンテナを作る
2. パッケージを入れる
3. サービスを起動する
4. 結果を見て、うまくいっているか確認する

AIエージェントは、この作業を人間の代わりに、結果を見て考えながら進めてくれる仕組みです。

実行するコマンド自体は、手動のときと同じです。違うのは「誰が考えて、誰が打つか」だけです。

エージェントの仕組み

中身は、次の繰り返しです。

目標を伝える
   ↓
Claudeが「次に打つコマンド」を決める
   ↓
Pythonが（あなたの承認後に）コンテナ内で実行する
   ↓
実行結果（出力・エラー）をClaudeに返す
   ↓
Claudeが結果を読んで、次のコマンドを決める … を繰り返す
   ↓
Claudeが「完了」と判断したら終了

必要な部品は3つです。

• 頭脳：Claude（API経由で呼び出す）
• 手：コンテナ内でコマンドを実行する関数（これをClaudeに「ツール」として教える）
• 繰り返し：結果を返して次の指示をもらうループ

第4章：APIキーの準備と課金のしくみ（ここから有料）

4-1. クレジットを購入する

Claude Console（platform.claude.com）にログインし、Billing（請求）の画面からクレジットを購入します。APIは前払いのクレジットが減っていく従量課金です。

4-2. APIキーを発行する

Consoleの「API keys」で「Create Key」を押し、名前を付けて発行します。表示されたキー（sk-ant- で始まる文字列）は、その場でコピーして安全な場所に保管してください。

4-3. Windowsの環境変数に登録する

コマンドプロンプトで、次を実行します。

setx ANTHROPIC_API_KEY "ここにコピーしたキーを貼り付け"

設定後は、コマンドプロンプトとVS Codeを一度すべて閉じて、開き直してください。開いたままの画面には反映されません。開き直したら、次で確認します。

echo %ANTHROPIC_API_KEY%

先頭が sk-ant- と表示されれば成功です。

第5章：エージェントのコードを書く

作業用のフォルダを作り、その中に agent.py というファイルを作成します。

mkdir C:\work\server-agent
cd C:\work\server-agent

次のコードを agent.py に貼り付けて保存してください。

import datetime
import sys

import anthropic
import docker

# Windowsのコンソールで表示できない文字があってもエラーで止まらないようにする
sys.stdout.reconfigure(errors="replace")

# ===== 設定 =====
MODEL = "claude-sonnet-5-5"      # 使用するモデル(廃止されることがあるので公式で最新を確認)
CONTAINER_NAME = "agent-web"     # AIが操作してよい唯一のコンテナ
MAX_STEPS = 20                   # AIの試行回数の上限(費用の暴走防止)
LOG_FILE = "agent.log"           # 実行したコマンドの記録先

GOAL = """\
Ubuntuコンテナ内にnginxをインストールし、80番ポートでWebサーバとして起動してください。
最後にcurlで http://localhost にアクセスして、応答を確認した結果を報告してください。
"""

SYSTEM = """\
あなたはLinuxサーバ構築の担当者です。run_commandツールで、Ubuntuコンテナ内のコマンドを実行できます。
- 対話が出ないよう、apt-get install -y を使い、DEBIAN_FRONTEND=noninteractive を指定する
- このコンテナにはcurlが入っていない。動作確認に使う場合は先にインストールする
- systemctlは使えない。サービスは nginx のように直接起動する
- フォアグラウンドで動き続けるコマンドは実行しない(バックグラウンドで起動するものだけ使う)
- 失敗したらエラーを読み、原因を述べてから再試行する。同じ失敗を3回繰り返したら方針を変える
- 完了したら、確認した結果を日本語で簡潔に報告する
"""

TOOLS = [
    {
        "name": "run_command",
        "description": "Ubuntuコンテナ内でbashコマンドを実行し、終了コードと出力を返す",
        "input_schema": {
            "type": "object",
            "properties": {"cmd": {"type": "string", "description": "実行するbashコマンド"}},
            "required": ["cmd"],
        },
    }
]

client = anthropic.Anthropic()  # 環境変数 ANTHROPIC_API_KEY を自動で読み込む
docker_client = docker.from_env()


def log(text):
    with open(LOG_FILE, "a", encoding="utf-8") as f:
        f.write(f"[{datetime.datetime.now():%Y-%m-%d %H:%M:%S}] {text}\n")


def create_container():
    """作業用コンテナを作る。同名のコンテナがあれば、消さずに止まる。"""
    try:
        docker_client.containers.get(CONTAINER_NAME)
    except docker.errors.NotFound:
        return docker_client.containers.run(
            "ubuntu:24.04",
            "sleep infinity",
            name=CONTAINER_NAME,
            ports={"80/tcp": 8080},  # PCの8080番 → コンテナの80番
            detach=True,
        )
    print(f"コンテナ {CONTAINER_NAME} がすでに存在します。")
    print(f"docker rm -f {CONTAINER_NAME} で削除してから、もう一度実行してください。")
    raise SystemExit(1)


def run_command(box, cmd):
    """人間の承認を得てから、コンテナ内でコマンドを実行する。"""
    print(f"\nAIが実行したいコマンド:\n  $ {cmd}")
    if input("実行しますか? [y/N]: ").strip().lower() != "y":
        log(f"REJECTED: {cmd}")
        return "ユーザーが実行を拒否しました。別の方法を提案するか、作業を終了してください。"

    result = box.exec_run(["bash", "-lc", cmd], demux=True)
    out, err = result.output
    out = (out or b"").decode("utf-8", errors="replace")
    err = (err or b"").decode("utf-8", errors="replace")
    text = f"exit_code={result.exit_code}\n[stdout]\n{out[-3000:]}\n[stderr]\n{err[-3000:]}"
    log(f"RUN: {cmd}\n  exit_code={result.exit_code}")
    return text


def main():
    try:
        docker_client.ping()
    except Exception:
        print("Dockerに接続できません。Docker Desktopが起動しているか確認してください。")
        raise SystemExit(1)

    box = create_container()
    print(f"コンテナ {CONTAINER_NAME} を起動しました。")
    messages = [{"role": "user", "content": GOAL}]

    for step in range(1, MAX_STEPS + 1):
        print(f"\n===== ステップ {step}/{MAX_STEPS} =====")
        response = client.messages.create(
            model=MODEL,
            max_tokens=2000,
            system=SYSTEM,
            tools=TOOLS,
            messages=messages,
        )
        messages.append({"role": "assistant", "content": response.content})

        for block in response.content:
            if block.type == "text":
                print(block.text)

        if response.stop_reason != "tool_use":
            break  # AIがコマンドを求めなくなった = 作業終了

        results = []
        for block in response.content:
            if block.type == "tool_use":
                results.append(
                    {
                        "type": "tool_result",
                        "tool_use_id": block.id,
                        "content": run_command(box, block.input["cmd"]),
                    }
                )
        messages.append({"role": "user", "content": results})
    else:
        print(f"\n上限の{MAX_STEPS}ステップに達したため、中断しました。")

    print("\n作業が終わりました。ブラウザで http://localhost:8080 を開いて確認してください。")
    print(f"片付けるときは: docker rm -f {CONTAINER_NAME}")


if __name__ == "__main__":
    main()

コードの読みどころ

このコードに入れている安全対策

• 操作できるコンテナは agent-web の1つだけ：PC上の他のコンテナには触れません
• 同名のコンテナがあっても勝手に消さない：既存のものがあれば止まって、手動での削除を促します
• 実行前に必ず人間が承認：y を入力したコマンドだけが実行されます
• ステップ数の上限（20回）：AIが迷走しても、費用が青天井になりません
• 実行ログの保存：agent.log に、いつ何を実行したかが残ります
• ホストのフォルダやDockerのソケットをコンテナにつながない：コンテナ内で作業が完結します

第6章：実行して確認する

Docker Desktopが起動していることを確認し、新しく開いたコマンドプロンプトで実行します。

cd C:\work\server-agent
python agent.py

実行中の流れ

Claudeが実行したいコマンドを提示するたびに、次のように承認を求められます。

AIが実行したいコマンド:
  $ （Claudeが選んだコマンド）
実行しますか? [y/N]:

• 最初は1つずつ内容を読んで、納得できたら y を入力してください
• 第2章で自分が打ったコマンド（apt-get update、apt-get install -y nginx、nginx）と、ほぼ同じものが出てくるはずです
• 怪しいコマンドは、y 以外（そのままEnter）で拒否できます。拒否するとClaudeは別の方法を考えます

Claudeが毎回選ぶコマンドは、実行のたびに少し違うことがあります。何度か試して、コマンドの違いを見比べるのも勉強になります。

完了したら

1. 画面にClaudeの報告（curlの結果など）が表示されます
2. 自分の目で http://localhost:8080 をブラウザで開き、「Welcome to nginx!」を確認します
3. 作業の記録は agent.log で確認できます
4. 終わったら、片付けます

docker rm -f agent-web

第7章：つまずいたときは

まとめと次のステップ

この記事では、まず手動でnginxのWebサーバを作り、その同じ作業をClaudeに任せるエージェントを作りました。エージェントといっても、仕組みは「Claudeがコマンドを決める → 実行する → 結果を返す」の繰り返しにすぎません。

慣れてきたら、次のように発展させてみてください。

1. 手順を残させる：GOAL に「最後に今回の手順を Dockerfile にまとめて」と追加すると、次回からはAIなしで同じサーバを再現できます
2. 構成を増やす：自作のHTMLページを表示する → nginx＋PostgreSQL（Docker Composeで2コンテナ）→ リバースプロキシ、といった順に難しくしていきます
3. 安全装置を強める：危険なコマンド（rm -rf / など）を自動で拒否するフィルタを足す

この記事のコードは、自分のPC上のテスト用コンテナだけを操作する前提で作っています。会社のサーバや本番環境に向ける場合は、権限や承認の設計を別途しっかり検討してください。