基本的なテキスト生成

まずCohereの公式Pythonライブラリをインストールします。

pip install cohere

シンプルなチャット生成：

import cohere

co = cohere.ClientV2(api_key="YOUR_COHERE_API_KEY")

response = co.chat(
    model="command-a-03-2025",
    messages=[
        {
            "role": "user",
            "content": "Pythonでデータ分析をするためのベストプラクティスを教えてください。"
        }
    ]
)

print(response.message.content[0].text)

256Kコンテキストを活用した長文処理

Command Aの真価は長文ドキュメント処理です。たとえば大規模なコードベース全体をレビューする場合：

import cohere
import os

co = cohere.ClientV2(api_key=os.environ["COHERE_API_KEY"])

# 長大なコードベースや仕様書をそのまま投入できる
with open("large_codebase.py", "r") as f:
    code_content = f.read()

response = co.chat(
    model="command-a-03-2025",
    messages=[
        {
            "role": "system",
            "content": "あなたはシニアソフトウェアエンジニアです。コードレビューを日本語で行います。"
        },
        {
            "role": "user",
            "content": f"以下のコードを詳細にレビューしてください：\n\n{code_content}"
        }
    ],
    max_tokens=4096
)

print(response.message.content[0].text)

ストリーミングレスポンス

リアルタイムで応答を表示したい場合：

import cohere

co = cohere.ClientV2(api_key="YOUR_API_KEY")

for event in co.chat_stream(
    model="command-a-03-2025",
    messages=[
        {
            "role": "user",
            "content": "機械学習の基礎を初心者向けに解説してください。"
        }
    ]
):
    if event.type == "content-delta":
        print(event.delta.message.content.text, end="", flush=True)

JavaScriptでの実装

const Cohere = require('cohere-ai');

const co = new Cohere.CohereClientV2({
  token: process.env.COHERE_API_KEY,
});

async function generateWithCommandA(prompt) {
  const response = await co.chat({
    model: 'command-a-03-2025',
    messages: [
      {
        role: 'user',
        content: prompt,
      },
    ],
  });

  return response.message.content[0].text;
}

// 使用例
generateWithCommandA('TypeScriptの型安全な設計パターンを教えてください')
  .then(console.log)
  .catch(console.error);

エージェントワークフローへの組み込み

Command Aが際立つのがエージェント型のタスク実行です。Tool useとFunction callingを使って、外部APIと連携したエージェントを構築できます。

Tool Useの実装例

import cohere
import json

co = cohere.ClientV2(api_key="YOUR_API_KEY")

# ツール定義
tools = [
    {
        "type": "function",
        "function": {
            "name": "search_database",
            "description": "社内データベースから情報を検索する",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "検索クエリ"
                    },
                    "limit": {
                        "type": "integer",
                        "description": "取得件数",
                        "default": 5
                    }
                },
                "required": ["query"]
            }
        }
    }
]

response = co.chat(
    model="command-a-03-2025",
    messages=[
        {
            "role": "user",
            "content": "2026年第1四半期の売上レポートを検索して要約してください"
        }
    ],
    tools=tools
)

# ツール呼び出しが含まれている場合の処理
if response.message.tool_calls:
    tool_call = response.message.tool_calls[0]
    print(f"ツール呼び出し: {tool_call.function.name}")
    print(f"引数: {tool_call.function.arguments}")

Command A vs 競合LLM：詳細比較