バックエンド入門【2026】サーバーサイド・データベース・認証とAIエージェントの司令塔

バックエンドとは？レストランの厨房で考える

第2章で学んだフロントエンドは、ブラウザの中で動く「目に見える部分」でした。これに対してバックエンドは、インターネットの向こう側にあるコンピューター（サーバー）の上で動く「目に見えない部分」です。サーバーサイドとも呼びます。

いちばん分かりやすいたとえはレストランです。

お客さんは厨房の中を見られません。だからこそ、秘密のレシピ（APIキーやパスワード）は厨房に置くのです。客席のテーブルに金庫の暗証番号を貼っておく店はありませんよね。これがバックエンドのいちばん大事な考え方の1つです。

バックエンドが担う仕事を整理すると、おおむね次の5つです。

1. 受け付ける：ブラウザやスマホアプリから届いたリクエスト（依頼）を受け取る
2. 確かめる：ログインしている人か、その操作をしてよい人か、入力が正しい形かをチェックする
3. 処理する：計算する、外部のAPI（AIなど）を呼ぶ、ファイルを作る
4. 保存・取り出す：データベースに書き込む、読み出す
5. 返す：結果をJSONなどの形でブラウザに返す

助手アイChatGPTやClaudeの画面で質問したときも、この5つが裏で動いているんですか？

エージェント博士その通りじゃ。ログイン確認、AIモデルへの問い合わせ、会話の保存……画面は入口にすぎん。AIサービスの本体はほとんどが厨房、つまりバックエンド側にあるんじゃぞ

言語とフレームワーク：何で書くの？

フロントエンドはブラウザが理解できるJavaScript（とHTML・CSS）でほぼ決まりでしたが、バックエンドはサーバーの上で動きさえすれば言語は自由です。そのため選択肢がたくさんあります。AIエージェント開発でよく使われるものを紹介します。

フレームワークとは「よくある作業をまとめた土台」のことです。レストランでいえば、調理台・コンロ・シンクがすでに配置された業務用キッチンのセット。ゼロから配管工事をしなくても、すぐに料理（処理）を始められます。

• FastAPI（Python）：型（データの形）を書くだけで入力チェックと説明書（APIドキュメント）を自動で作ってくれる。AIのAPIサーバーの定番
• Express（Node.js）：Node.jsの古株で情報が多い。Honoは軽くて速く、Cloudflare Workersなど色々な実行環境で動くのが特徴
• Next.js の Route Handlers：Reactの画面とAPIを1つのプロジェクトに同居させられる。app/api/chat/route.ts のようなファイルを置くだけでAPIになる

最小のAPIサーバーを読む（FastAPI × Claude API）

いよいよコードです。ここでは、ブラウザから届いた質問を受け取り、サーバー側でClaude APIに問い合わせ、答えを返すだけの、いちばん小さなAPIサーバーを作ります。「チャット画面の裏側」の最小形です。

まず、必要な道具（ライブラリ）をインストールし、APIキーを環境変数にセットします。環境変数とは、プログラムの外側（OSやサーバーの設定）に置いておく「名前付きのメモ」のこと。コードの中に秘密を書かずに済みます（詳しくは第5章）。

# ライブラリをインストール
pip install anthropic fastapi "uvicorn[standard]"

# APIキーを環境変数にセット（macOS / Linux の例。キーは自分のものに置き換え）
export ANTHROPIC_API_KEY="sk-ant-..."

次に、サーバー本体です。ファイル名は main.py とします。

import anthropic
from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()
client = anthropic.Anthropic()  # 環境変数 ANTHROPIC_API_KEY を自動で読む

class ChatRequest(BaseModel):
    message: str  # 受け取るデータの形：文字列の message

@app.post("/api/chat")
def chat(req: ChatRequest):
    response = client.messages.create(
        model="claude-opus-5",
        max_tokens=16000,
        system="あなたは親切なアシスタントです。",
        messages=[{"role": "user", "content": req.message}],
    )
    reply = "".join(b.text for b in response.content if b.type == "text")
    return {"reply": reply}

1行ずつ意味を見ていきましょう。

• import anthropic ほか：AnthropicのSDK、FastAPI本体、入力の形を決める道具（Pydantic）を読み込む
• app = FastAPI()：厨房（アプリ）を1つ用意する
• client = anthropic.Anthropic()：Claudeに注文を出すための「発注係」を用意する。APIキーは書いていないのがポイント。SDKが環境変数 ANTHROPIC_API_KEY から自動で読み取る
• class ChatRequest：「注文票には message という文字列が入っている」と決める。形が違うリクエストが来たら、FastAPIが自動でエラー（422）を返してくれる
• @app.post("/api/chat")：「/api/chat というURLにPOST（データを送る）で来た注文は、下の関数で処理する」という宣言。この入口をエンドポイントと呼ぶ
• client.messages.create(...)：Claude APIを呼ぶ本体。model は使うモデル、max_tokens は返答の長さの上限、system はAIへの役割設定、messages は会話の中身
• "".join(...)：返ってきた content（中身のリスト）から、テキストの部分だけをつなげる
• return {"reply": reply}：結果をJSONにしてブラウザへ返す

起動して、別のターミナルから試してみます。

# サーバーを起動（main.py の app を動かす。--reload は保存するたび自動で再起動）
uvicorn main:app --reload

# 別のターミナルから質問を送る
curl -X POST http://127.0.0.1:8000/api/chat \
  -H "content-type: application/json" \
  -d '{"message": "バックエンドを一言で説明して"}'

{"reply":"画面の裏側で、データの処理や保存を担当する部分です。..."}

ブラウザで http://127.0.0.1:8000/docs を開くと、FastAPIが自動で作ったAPIの説明書（試し打ちもできる画面）が表示されます。フロントエンドのチャット画面は、この /api/chat に fetch で質問を送り、返ってきた reply を表示するだけでよくなります。

データベース入門：RDB・NoSQL・ベクトルDB

データベース（DB）は、データを整理してしまっておき、必要なときにすばやく取り出すための仕組みです。厨房の冷蔵庫と食材庫にあたります。プログラムの変数はサーバーを再起動すると消えてしまいますが、DBに入れたデータは残り続けます。

RDB（リレーショナルデータベース）とSQL

最も広く使われているのがRDBです。Excelのような表（テーブル）でデータを管理し、表同士を「ユーザーIDでつなぐ」といった関係（リレーション）で結びつけます。代表例はPostgreSQL、MySQL、SQLiteです。

RDBへの命令にはSQLという専用の言葉を使います。たとえば「会話ID 42 のメッセージを古い順に取り出す」はこう書きます。

-- messages テーブルから、会話ID 42 のメッセージを古い順に取り出す
SELECT role, content
FROM messages
WHERE conversation_id = 42
ORDER BY created_at;

SELECT（どの列を）→ FROM（どの表から）→ WHERE（どんな条件で）→ ORDER BY（どの順に）と、英語の文章のように読めます。SQLはAIエージェントにも書かせやすく、「こういうデータがほしい」と日本語で頼むとかなり正確なSQLを出してくれます。ただし削除や更新のSQLは、実行前に必ず人間が中身を確認しましょう。

NoSQL

表の形にこだわらず、JSONのような自由な形でデータを保存するDBをまとめてNoSQLと呼びます。MongoDB、Firebase の Firestore、Amazon DynamoDB、高速なキー・バリュー型の Redis などがあります。形が決まっていないデータや、とにかく大量の読み書きをさばきたい場面で使われます。

ベクトルDBとRAG

AI時代に一気に注目されたのがベクトルDBです。文章を「意味を表す数字の並び（ベクトル）」に変換して保存し、意味が近いものを探せるDBです。「返品したい」と「キャンセルの方法は？」は文字は違っても意味が近い、と判断できます。

これを使うのがRAG（検索拡張生成）という手法です。

AIモデルは自社の社内規程を知りません。そこで「カンニングペーパー」を探してきて、質問と一緒に渡すのがRAGです。ベクトル検索の専用サービス（Pinecone など）もありますが、PostgreSQLの拡張機能 pgvector を使えば、普段のRDBでベクトル検索を始めることもできます。

会話履歴の保存：AIは「覚えていない」

意外に思うかもしれませんが、Claude APIのようなAIのAPIは、基本的に前回の会話を覚えていません。1回1回の呼び出しは独立していて、「さっきの話の続き」をしてほしければ、これまでの会話をまるごと毎回送り直す必要があります。

messages = [
    {"role": "user", "content": "おすすめの本を教えて"},
    {"role": "assistant", "content": "ジャンルの希望はありますか？"},
    {"role": "user", "content": "ミステリーで"},  # ← 最新の質問
]

role が user（人間）と assistant（AI）で交互に並んでいます。この履歴をどこに保存しておくかを決めるのがバックエンドの仕事です。よくある形は次の流れです。

1. 質問が届いたら、DBの messages テーブルから、その会話の過去のやりとりを取り出す（先ほどのSQL）
2. 過去の履歴＋新しい質問を messages にしてClaude APIへ送る
3. 返ってきた答えと新しい質問を、DBに書き足す

会話が長くなるほど、毎回送るデータ（＝トークン）が増えて料金も上がります。そのため、古い部分を要約して短くしたり、変わらない部分をプロンプトキャッシュで安くしたりする工夫をします。トークンと料金の考え方は第4章で詳しく説明します。

認証・認可と秘密情報の守り方

認証と認可は別もの

似た言葉ですが、意味が違います。

• 認証（Authentication）：あなたは誰？を確かめること。ログイン（メールとパスワード、Googleアカウントでログインなど）がこれ
• 認可（Authorization）：あなたは何をしてよい？を決めること。「一般ユーザーは自分の会話だけ見られる」「管理者は全員の利用状況を見られる」など

ホテルでたとえると、フロントで身分証を見せてチェックインするのが認証、渡されたカードキーで自分の部屋だけ開けられるのが認可です。

ログインした後は、毎回パスワードを送るわけにはいかないので、サーバーは「この人はログイン済み」という通行証を発行します。ブラウザのCookieに入れるセッションIDや、署名付きの JWT（JSON Web Token）などが使われます。「Googleでログイン」のような仕組みは OAuth（オーオース）という標準の手順に基づいています。

認証を一から自作するのは難しく、危険も伴います。最近は Supabase Auth、Firebase Authentication、Auth0、Clerk といった認証サービスを使うのが一般的です。AIエージェントに実装を頼むときも「認証は○○を使って」と指定するほうが安全です。

APIキーの秘匿と環境変数

AIのAPIキーは「あなたの財布と直結したカード」です。漏れると、他人があなたのお金でAIを使い放題になります。守るべきルールは3つです。

1. ブラウザ側（フロントエンド）のコードに書かない：ブラウザのコードは誰でも開発者ツールで読めます
2. ソースコードに直接書かない：.env ファイルや、クラウドの「環境変数・シークレット」設定に置き、コードからは名前で読む
3. .env をGitに入れない：.gitignore に書いて、GitHubに上がらないようにする（第7章）

助手アイでも、テストのときだけならフロントに書いても大丈夫ですよね……？

エージェント博士その「ちょっとだけ」が事故のもとじゃ。テストのつもりが公開され、GitHubにも残る……というのはよくある話じゃぞ。最初からバックエンド経由にしておくのが、結局いちばんの近道なんじゃ

AIエージェントの司令塔＝エージェントループ

ここがこの章のいちばん大事なところです。ただのチャットボットは「質問→答え」の1往復で終わりますが、AIエージェントは、目的を達成するために自分で道具（ツール）を選んで使い、その結果を見て次の行動を決めることを繰り返します。

たとえば「明日の東京の天気を調べて、雨なら会議をオンラインに変更して」と頼まれたとします。

AIは「天気APIを呼んで」とお願いするだけで、実際に呼ぶのはバックエンドです。結果を受け取ったAIは「次はカレンダーAPIで会議を変更して」と次のお願いをし、やることがなくなったら最終回答を返します。この繰り返しをエージェントループと呼びます。

while True:
    response = client.messages.create(
        model="claude-opus-5", max_tokens=16000,
        tools=tools, messages=messages,       # 使える道具の一覧も渡す
    )
    if response.stop_reason == "end_turn":  # AIが「もう終わり」と判断
        break
    messages.append({"role": "assistant", "content": response.content})
    tool_results = [
        {"type": "tool_result", "tool_use_id": b.id, "content": run(b.name, b.input)}
        for b in response.content if b.type == "tool_use"  # AIのお願いを実行
    ]
    messages.append({"role": "user", "content": tool_results})  # 結果を返す

• while True：終わりの合図が来るまで繰り返す
• stop_reason == "end_turn"：AIが「回答が完成した」と判断したら抜ける。ツールを使いたいときは "tool_use" になる
• run(b.name, b.input)：AIが指定したツール名と入力で、バックエンドが実際に処理を実行する（ここは自分で書く関数）
• 結果を tool_result として会話に追加し、もう一度AIに聞く

このループがバックエンドで回る理由は明確です。

• 秘密を持っている：AIのAPIキーも、天気APIやカレンダーAPIのキーも、DBのパスワードもバックエンドにある
• 権限を判断できる：「このユーザーにこのツールを使わせてよいか」を認可の仕組みでチェックできる
• 記録が残せる：どのツールをいつ何回呼んだかをログやDBに残し、問題があったときに追跡できる
• 止められる：無限ループや高額な処理に上限（最大回数など）をかけられる

エージェント博士AIは頭脳、APIやツールは手足、そしてバックエンドは両者をつなぐ司令塔じゃ。AIが「あれを取って」と言っても、手足を実際に動かし、危ない指示を止めるのは司令塔の役目なんじゃよ

ツール呼び出しの詳しい仕組み（AIがどうやってツールを選ぶのか、JSONで何が返ってくるのか）は第4章 API・JSON入門で図解します。実務での使い方まで踏み込みたい方は、開発者向けのClaude Code×広告媒体API連携入門や、AIに渡す道具を自作するMCPサーバー開発の記事をどうぞ。なお、このループをSDK側で自動化する Tool Runner（ベータ）や、ループと実行環境ごとAnthropic側がホストする Managed Agents（ベータ）といった選択肢も登場しています。

長い処理は「非同期」と「キュー」で

AIエージェントの処理は、ときに数十秒〜数分かかります。ウェブ検索を何度もしたり、長い資料を読んだり、レポートを作ったりするからです。ところが、Webのリクエストにはタイムアウト（待ち時間の上限）があり、あまり長く待たせると途中で切れてしまいます。

そこで使うのが非同期処理とキューです。レストランでいえば「番号札」の仕組みです。

• キュー：処理待ちの仕事を並べておく「行列」。Amazon SQS、Google Cloud Tasks、Redisを使ったBullMQ（Node.js）やCelery（Python）などが代表例
• ワーカー：行列から仕事を取り出して処理する「裏の作業係」。混んできたら作業係を増やせばよい
• ストリーミング：答えを少しずつ画面に流す方法。ChatGPTやClaudeで文字がパラパラ表示されるのはこれ。「待たされている感」を減らせる

また、急がない大量の処理（例：1万件の問い合わせを分類する）なら、Claude APIのBatch APIのように、まとめて預けて後で結果を受け取る仕組みを使うと、通常より安く（執筆時点で約50%）処理できます。

用語まとめ表

🤖 AIエージェントとやってみよう

ChatGPTやClaudeに、次のプロンプトをそのまま貼り付けて試してみてください。コードを「作ってもらう」だけでなく、説明させて理解するのがコツです。

あなたはプログラミング初心者に教える講師です。
Python の FastAPI で、POST /api/chat に {"message": "..."} を受け取り、
サーバー側で Claude API（anthropic SDK）を呼んで {"reply": "..."} を返す最小のコードを書いてください。
条件：
- APIキーは環境変数 ANTHROPIC_API_KEY から読むこと（コードに直接書かない）
- 各行に日本語コメントをつけること
- 起動方法と、curl での動作確認方法も教えること
- 本番公開する前に足りないもの（認証・回数制限・エラー処理）を箇条書きで挙げること

AIチャットアプリの会話履歴を PostgreSQL に保存したいです。
users、conversations、messages の3つのテーブルを設計し、
CREATE TABLE 文と、各列が何のためにあるかを表で説明してください。
「ある会話の履歴を古い順に取り出す SELECT 文」も書いてください。
個人情報の保存について注意すべき点があれば最後に教えてください。

AIエージェントの「エージェントループ（AIに聞く→ツール実行→結果を返す）」を、
「明日の天気を調べて、雨なら会議をオンラインに変更する」という例で、
1ステップずつ、バックエンド・AI・外部APIの間で何が送られるかを表にして説明してください。
なぜこのループをブラウザではなくバックエンドで動かすべきなのかも、理由を3つ挙げてください。

よくあるつまずき

まとめ｜バックエンドはAIエージェントの「司令塔」

バックエンドは、お客さんからは見えない厨房です。注文（リクエスト）を受け、会員証を確かめ（認証・認可）、食材庫（データベース）から材料を出し、仕入れ先（AIのAPI）に発注し、料理（レスポンス）を返します。そしてAIエージェントでは、「AIに聞く→ツールを実行→結果を返す」というエージェントループを回す司令塔になります。

覚えておきたいのは次の3点です。

• APIキーなどの秘密はバックエンドの環境変数に置き、フロントやGitには絶対に入れない
• AIは会話を覚えていないので、履歴の保存と受け渡しはバックエンドの仕事
• AIが道具を使うとき、実際に動かし、権限を確かめ、記録し、止めるのはバックエンド

次の第4章「API・JSON入門」では、厨房と外の世界をつなぐAPIと、そのやりとりに使うJSONを、実際のClaude APIのリクエスト・レスポンスを読みながら学びます。AIが道具を選んで呼ぶ「ツール呼び出し」や、話題のMCPもここで登場します。

基礎を身につけたら、次は「仕事」につなげる

独学で進めるのも十分可能ですが、「最短で実務レベルにしたい」「転職・副業につなげたい」なら、次の記事も参考にしてください。

• AI・IT業界への転職ガイド【2026】：作ったものをポートフォリオに。未経験からの進め方と転職エージェントの選び方
• AIが快適に動くノートパソコンの選び方＆おすすめ3選【2026】：開発・AIエージェントを動かすならメモリ16GB以上が目安

関連記事

• サイバー攻撃の仕組みと対策【2026】ランサムウェア・VPN・API・フィッシングを図解
• OpenAI DaybreakとClaude Securityとは？AIで脆弱性を見つけて直す【2026】
• AIエージェント時代のIT基礎ロードマップ【2026】（シリーズ全体の地図）
• API・JSON入門【2026】AIエージェントの“手足”をやさしく解説（APIキー・MCPまで）
• Claude Code×広告媒体API連携入門（開発者向け）
• MCPサーバー開発入門（開発者向け）
• AIエージェントとは？歴史と仕組みをやさしく解説【2026】初心者向け
• Claudeのモデルの歴史