Grok Bot チュートリアル：毎週の AI リサーチエージェントを作る

Grok Bot の Bot、共有クラウドコンピュータ、スキル、ルーティンを組み合わせ、毎週月曜に調査・検証・レポートするエージェントを1体作る方法を学びます。

更新 2026年8月27日 · 15 分読む

AIで探索

ChatGPT Claude Perplexity

エージェントに単発のタスクを渡すのは簡単です。毎週、管理下の情報源から同じリサーチを、途中で細部を「創作」せずに実行させるのは、より難しい課題であり、本チュートリアルはそこを扱います。ここで役立つのが Grok Bot です。

このガイドでは、Python と LLM の基本概念は理解しているものの、エージェントのオーケストレーションは初めてという方のために、DataCamp のラーニング Bot「Scout」を作成します。

その後、Scout に毎週4時間の学習プランを作らせ、各推薦を DataCamp のページで検証し、見直した手順をスキルとして保存し、月曜のルーティンとしてスケジュールします。

要点：Grok Bot の使い方

各 Bot のプロフィールには1つの明確な仕事だけを与え、毎週変わらないルールに絞りましょう。週ごとの文脈は説明ではなくメッセージに含めます。
アカウント内のすべての Bot は1台のクラウドコンピュータを共有するため、ブラウザのログイン、ファイル、ターミナルの認証情報は全 Bot から見えます。セキュリティ境界として Bot を分けないでください。
変化する事実は Bot の記憶ではなく、Bot が読むファイルに置き、毎回実行前にソースを再度開くよう指示します。
何かを保存する前に必ずソースと照合してレビューします。手作業の版が正しいと確認できたらメソッドをスキルとして保存し、別の入力でスキルをテストします。
ルーティンのスケジュールは最後に、テスト実行の後で行います。承認の境界、ソースが欠落している場合やページが読み込めない場合の対応も明示します。

Grok Bot とは？

Grok Bot は SpaceXAI のエージェントアプリで、Cursor を通じて利用できます。名前付きの Bot を作成し、タスク間で役割と会話を保持できます。Grok のチャットアプリやコーディング CLI である Grok Build とは別物です。

Grok Bot のループは多くの他の AI アシスタントと動き方が異なります。成果を渡すと、ボットは仕事で触れるあらゆるアプリやウェブサイトをまたいで作業し、完成物か判断が必要な質問を返します。会話間で安定した好みや役割のコンテキストを保ちますが、週ごとに変わるものは Bot の記憶ではなく Bot が読むファイルに置くのが適切です。

背景情報としては、まず Grok Bot ガイドを読むことをおすすめします。

Grok Bot における Bot、スキル、ルーティンの仕組み

このチュートリアルでは4つの用語が必要です。SpaceXAI の Bot とクラウドコンピュータのガイド、および製品ガイドでは次のように定義されています。

Bot: 名前、仕事、専用の会話、保存されたコンテキストを持つエージェント。
クラウドコンピュータ: アカウント内の全 Bot が共有する永続マシン。独自のブラウザ、ファイル、ターミナルを持ちます。ノートPCを閉じても稼働し続けます。
スキル: タスクの実行手順、結果の確認方法、承認を求めるべき条件をまとめた指示セット。
ルーティン: いつタスクを実行するかを特定の Bot に伝える割り当て。スケジュールまたはサポートされるイベントに基づきます。

この順序は公式のスキルとルーティンのガイドに従っており、スケジューリングの前にテストを置いています。

Grok Bot は1台のクラウドコンピュータを共有しますか？

はい。Grok Bot の FAQによると、コンピュータは個々の Bot ではなくアカウントに属します。各 Bot は、そのコンピュータ上のブラウザのクッキー、保存されたログイン、ファイルを見ることができます。ただし、各 Bot は自分のブラウザ作業に個別の画面を持ちます。

まずは Scout のワークフローを公開ページ上で進めます。後から DataCamp や Notion、他のサービスにサインインした場合、そのセッションは全 Bot が利用できます。Scout を削除しても共有ファイルやログイン状態が消えるとは限らないため、他の Bot に見せたくないものは必ずサインアウトとクリーンアップを行ってください。

1つのアカウント、1台のコンピュータ、複数の Bot。画像：著者作成。

Grok Bot で毎週の DataCamp ラーニング Scout を作る

Scout は学習者のプロフィールと時間の上限を読み、短いプランを返します。今回の学習者は Python とLLM の基本概念には慣れており、エージェントのオーケストレーションは初心者で、今週は4時間の余裕があります。AI Agent Fundamentals トラックは6時間のため、全体は収まりません。

4時間の制限が打ち切り線を定め、出力形式がプランの完了を示します。

Scout Bot は何を返すべきか？

各リソースについて、コースページから次の詳細を返します。

タイトルとリンク
タイプ（コース、トラック、プロジェクト、チュートリアル）
レベル（ベーシック、中級、上級）
所要時間（ページに表示がある場合）
選定理由
シーケンス上の位置

最後に合計時間と、週の学習目標を1つ示します。ページに所要時間がなければ、見積もらずに「not listed」と記載します。

今回の学習者には、検証済みのリソースが3つあれば十分です。目標、レベル、時間の範囲に合わない場合は、より少なくても構いません。

各理由は、この学習者に引き付けて説明します。「学習者がすでに持つ Python の知識を前提にし、直前の基礎コースの概念を土台に発展させる」は適切ですが、「AI エージェントを扱う」は不十分です。順序にも理由が必要で、たとえば同じ概念を前提とするプロジェクトの前に基礎コースを終える、といった説明です。

検索スニペットだけでは不十分な理由

検索スニペットは古かったり、レベルや所要時間を省いていたりします。候補の発見には使ってもかまいませんが、プランに追加する前に必ず DataCamp のページ自体を読む必要があります。

このルールは指示に明記します。サイトが Bot をブロックしたり、ログインや CAPTCHA を要求することもあります。その場合は、Bot がこちらに引き継ぎを求めるべきです。

Grok Bot へのアクセス方法

SpaceXAI と Cursor の連携により、Grok Bot へのアクセス方法は2通りあります。

Grok Bot のプラン

Grok Bot に恒常的な無料枠はありません。現在、Cursor が利用量クレジットとして限定トライアルを提供しています。有料アクセスは対象の Cursor プランまたは SuperGrok のサブスクリプションを通じて提供されます。いずれの場合も、Cursor でサインインします。

公式 Grok Bot アカウントは、SuperGrok と Cursor Pro の購読者全員が利用可能であり、全ユーザーの週次の利用上限がリセットされたと告知しています。確認時点では Cursor のヘルプページが告知内容の全てを反映していなかったため、プランのページまたはアプリ内で、最新状況を確認してください。

アクセス経路	ステータス
Cursor Pro、Pro+、Ultra	含まれる。最新の発表で Pro が追加
Cursor Teams（セルフサービス）	全メンバーが利用可能。Premium シートは不要
SuperGrok および SuperGrok+ 購読者	含まれる。最新の発表で Basic SuperGrok が追加
SuperGrok Team／Enterprise、Cursor Enterprise	セルフサービスでは不可。アカウント担当に連絡

SuperGrok をリンクしているアカウントでは、Cursor ヘルプは依然として、そのリンクを Cursor プランを変更しない恒久的な利用許諾として説明しています。Cursor はメッセージ数ではなくエージェントのステップとトークンで計測するため、調査実行とルーティンのテスト前にUsage and Billingを確認してください。

プライバシー設定と対応プラットフォーム

Grok Bot はクラウドデータ保存を必要とします。Cursor アカウントが Legacy Privacy Mode の場合は起動しません。Cursor のプライバシーダッシュボードで設定を変更してください。

Grok Bot は Apple シリコンまたは Intel の macOS、x64 または Arm64 の Windows、iOS 18 以降の iPhone をサポートします。Linux、Android、iPad を使用する場合は、読んでいる時点での最新の対応状況を確認してください。サポートが変わっている可能性があります。

サブスクリプションには週次の利用枠が含まれますが、Cursor はすべてのプランに共通の1つの数値を公開していません。トライアルは7日間のウィンドウで利用クレジットを提供し、大きなタスク1回で使い切ることもあります。

ステップ 1：Grok Bot をインストールし、Bot を作成する

API キー、ローカルの開発環境、リサーチ自体のための DataCamp ログインは不要です。コースの受講開始は別で、アカウントが必要になる場合があります。インストールは数ステップで終わりますが、Bot の説明文にはインストーラ以上の配慮が必要です。

インストールとサインイン

デスクトップアプリをGrok Bot のオンボーディングページからダウンロードし、自分のマシンに合うビルドを選びます。ブラウザ経由で Cursor アカウントにサインインします。組織でシングルサインオンを使っている場合は、通常のログイン画面に従います。

初回起動では、クラウドコンピュータの起動中に「Meet a future teammate」の画面で止まります。固まった場合は、他の操作をする前に Grok Bot を完全終了して再起動してください。問題が続く場合はデスクトップアプリを更新し、完全終了・再起動のうえで Agent Computer を開き、完了まで時間を置きます。次にRecoverを使い、Resetは最後の手段にしてください。Reset は未同期の作業を破棄する場合があります。

サインイン後の Grok Bot デスクトップアプリ。画像：著者作成。

今週限りで終わらない説明文を書く

Bot は New または Cmd/Ctrl+N で作成し、Create new agent を選び、Bot actions → Edit Profile を開きます。名前は Scout、肩書は DataCamp Learning Scout とします。

説明文には毎週適用されるルールを記載します。今週のトピックは別の場所に入れます。次のようなルールを追加してください。

DataCamp の学習コンテンツをキュレーションし、指定されたスキルレベルと時間の上限に合わせる。
このプロフィールは恒常的なコンテキストであり、タスクではないと扱う。別メッセージが来るまでリサーチを開始しない。
現在のタスクにあるトピックと時間の上限のみを使う。以前の会話のトピックを再利用しない。
推薦前に、各候補の DataCamp ページを必ず開く。
レベルと所要時間は、ページに印字されたとおりに正確に記載し、値がない場合は「not listed」と書く。
ソースのリンクはそのまま保持し、コースの詳細を捏造しない。
同じ概念を扱うリソースが2つある場合は、ハンズオンの素材を優先する。

最初のセットアップでは、Scout がプロフィールをライブタスクと解釈し、無関係な ETL プランを始めてしまいました。停止して新しい Scout を作り、次の待機ルールを2つ追加しました。

学習目標が曖昧な場合は当て推量をせず、確認の質問をする。
アカウント作成、受講登録、購入は決して行わない。

新しい Bot は、プロフィールから作業を始めるのではなく、別のタスクを待機するようになりました。

専用の Scout にすることで、毎週のルーティンが長い一般チャットに埋もれず、各実行が学習プランに必要なコンテキストだけを持てます。

また、ルーティンが見ていないところで動く場合にも適用されるよう、制限はプロフィールに入れておくことが重要です。Scout の職務が変わったときに見直せる長さにも保ちましょう。ステップ2でトピックと時間制限を扱います。

Scout のプロフィールには恒常的なリサーチルールを保存。動画：著者作成。

ステップ 2：Bot の最初のリサーチタスクを書く

Scout には自然文でタスクを渡せますが、依頼には詳細が必要です。ドキュメントでは、成果物名、ソース、制約、出力、レビューの停止点を含めることを推奨しています。

プロフィールとメッセージに入れるべき内容は？

プロフィールとメッセージは異なる問いに答えます。

プロフィールはScout がどのように働くかを示します。
メッセージは今週やるべきことを示します。

その後、スキルが手順を保存し、各ルーティンの実行が最新の入力を読み込みます。

ページ確認やソースリンクはプロフィールで既にカバー済みです。メッセージでは学習者のレベルと今週のタスクを伝え、4時間以内でいくつかのリソースを求め、レビューのために Bot を停止させます。

最初のタスクは1つのメッセージで送り、Scout の作業中に制約は追加しませんでした。

Build me a weekly DataCamp learning plan.

The learner is comfortable with Python, understands basic LLM concepts, is new to AI agent orchestration, and has 4 hours available this week. 
They prefer practical, hands-on material over theory.

Search current DataCamp content on AI agents. 
Open each candidate's resource page before you consider it. 
Pick a small number of resources whose page-listed durations total 4 hours or less, and order them from foundations toward practical application.
For each resource, return the title, the content type, the level and duration exactly as printed on the page, the link, one sentence on why it fits this learner, and its position in the order. 
Then give me the total time and one learning objective for the week.

Do not use search snippets as evidence. 
If a page does not list a duration or a level, write "not listed" instead of estimating. 
If the goal is too broad to plan against, ask me before you continue.

Stop after the plan. 
Do not enroll me in anything.

Scout はブラウザ検索を開始し、レビュー用のプランを返しました。最初の回答では1つのコースのレベルが誤っており、ステップ4で修正しました。

毎週の学習者ファイルを作成する

Bot の記憶は、変わる詳細を記録する手段としては信頼できません。共有コンピュータ上に /workspace/learner-profile.md を作成し、毎週の実行での正とする情報源にしてください。

# Learner profile

Current goal: AI agent orchestration
Weekly budget: 4 hours
Background: Comfortable with Python and basic LLM concepts
Preference: Practical, hands-on resources
Completed resources: None

目標、時間の上限、完了済みリソースが変わったらこのファイルを更新します。Scout は毎回、このファイルを読んでからプランを作成し、欠落や古さがあれば停止すべきです。

ステップ 3：Grok Bot の Agent Computer でリサーチをレビューする

会話ビューにはツール、ファイル、質問、承認が表示されます。Agent Computer にはクリック、入力、ナビゲーション、ステータスが表示されます。どちらかのビューを離れても作業は止まりません。

Agent Computer で確認すること

Scout が検索スニペットに頼らず、各コースページを開いているかを確認してください。また、却下したリソースを1つと、その理由も把握しておきます。

行き詰まった場合は、先述のログイン、CAPTCHA、承認の問題を確認します。ブロックされた手順だけを完了させ、すぐに操作を返してください。パスワードはチャットに貼り付けず、セキュアなシークレットリクエストを使います。

コンピュータビューはページを訪れた事実は示しますが、最終回答の正しさを保証しません。ボットがどのページを用い、途中で方針転換したかを示す会話記録は保存しておきましょう。

ページ自体が根拠となる DataCamp のワークフローには、このブラウザ優先のやり方が適しています。対応コネクタのあるサービスでは、構造化データにはコネクタを使い、視覚確認が必要な場合のみブラウザを開きます。

今回の実行では、Agent Computer が「Introduction to AI Agents」の正規ページを開きました。ヘッダーには Basic と 1 hr 30 min が表示。所要時間は Scout の回答と一致しましたが、レベルは一致しませんでした。

DataCamp のページを開いた Agent Computer。画像：著者作成。

ステップ 4：Bot の出力を検証・修正する

ここで一息つきます。プランを DataCamp のページと並べて確認してから受け入れます。

リンク、レベル、前提条件、所要時間を確認

プランを1行ずつ読みます。見た目が整っていても、レベル誤記、リンク切れ、合計の誤りが隠れていることがあります。次を確認します。

リンクは、その正確なタイトルの DataCamp ページに解決しますか？
記載されたレベルはページの表記と一致していますか？
学習者は記載された前提条件をすべて満たしていますか？
ページに表示された所要時間の合計は、四時間以内に収まっていますか？
本当に段階的な進行になっていますか？それとも入門コースが3つ並んでいるだけですか？
単にキーワード一致だけで入った項目はありませんか？

合計はプランの数字を信用せず、ページの所要時間を自分で足します。4時間を超える場合は、Scout に最も関連性の低い項目を外させ、再計算させます。

Scout の最初のプランには、Introduction to AI Agents、Building AI Agents with CrewAI、Building AI Agents with Google ADK が含まれていました。印字された所要時間の合計は3時間30分で、30分余りつつ上限に収まりました。

問題は1つ目のコースのレベルです。Scout は Beginner と書きましたが、正規ページは Basic と印字していました。次の1回の修正を送りました。

Please revise the plan using the exact level labels shown on each course page.

The Introduction to AI Agents page lists its level as Basic, not Beginner. Reopen all three pages and verify each title, level, duration, and canonical URL.

Return the same plan with only the verified corrections. Keep the total at or below 4 hours.

Scout は3ページすべてを開き直し、最初のレベルだけを修正し、合計3時間30分を維持しました。修正は小さかったものの、有効なリンクと尤もらしいラベルだけでは不十分だと確認できました。

初回プランと修正後プラン。画像：著者作成。

所要時間が欠落している場合の扱い

XP、動画数、演習数を時間に換算すべきではありません。所要時間のフィールドに不一致がある場合は、各々の印字値をそのフィールド名とともに保持し、上限チェックにのみ上端値を使います。

繰り返しのルールは Bot のプロフィールに保存

プランの修正後、毎週適用すべきルールだけを Bot の説明文に追加しました。単発のトピックや時間上限は週ごとの入力ファイルに残します。

ステップ 5：Bot のワークフローをスキルとして保存する

ワークフローをスキルとして保存する際のベストプラクティスは2つあります。

手作業版が機能するまでプロセスを保存しない。そうしないと、スキルは同じ問題を繰り返すだけになります。
スキルは狭く保つ：1つのソース系統、1つの出力形式、1つの承認境界。どのシステムを使うか、何を返すかを推測させると、迷走して利用量を消費しがちです。

スキルに含めるべき内容

Scout に「Weekly DataCamp Learning Plan」というスキルを保存させます。/workspace/learner-profile.md を読み、前提条件を学習者の背景・完了リソースと照合し、ページの所要時間を加算し、合意済みのフィールドを返し、承認が必要なアクションの前で停止します。

保存後は、コンポーザーで / 参照で呼び出せます。表示されない場合は Settings → Plugins → Yours で有効化してください。

入力と検証が設定された保存済みスキル。画像：著者作成。

別の目標でスキルをテストする

学習者の目標を LLM の評価に変更し、上限を3時間に減らし、「現在の学習者プロフィールで今週のプランを作ってください」という短い依頼で保存済みスキルを呼び出しました。

Scout は Agent Computer を使い、LLM Application Evaluation with LangSmith を1コースだけ返し、AI エージェント向けプランの推薦を持ち越しませんでした。また、トピック外のページや、所要時間の印字がないチュートリアルは除外しました。

正規のコースページには2つの所要時間形式がありました。概要の2 hr と、1 hr - 3 hr のチップです。Scout はチップをコピーしましたが、上端の3時間を固定の合計と扱ってしまいました。使用したフィールド名を明記し、両方の印字値を保持し、上限チェックにのみ上端値を使うよう依頼しました。

その後の前提条件チェックで、より重要な問題が見つかりました。このコースには LLM Application Fundamentals with LangChain が必要ですが、学習者はまだ修了していませんでした。正規ページを開くことは必要でしたが、推薦前に前提条件をプロフィールと照合することもスキルに必要でした。

スキルを更新し、全ての前提条件を学習者プロフィールと比較し、所要時間フィールドの不一致は選定前にすべて報告するようにしました。

ステップ 6：スキルを毎週の Grok Bot ルーティンとしてスケジュールする

先述のとおりクラウドコンピュータは動作し続けるため、ノートPCを閉じていてもルーティンは実行できます。月曜のスケジュールに頼る前にテストします。

ここでは週次スケジュールが適切です。数分おきに同じリサーチを走らせると、学習者の詳細や DataCamp のページが変わっていないのに利用量を消費してしまいます。

スケジュール、タイムゾーン、境界を設定する

タイムゾーンは Settings → General → Agent で設定し、ルーティンは次の5点を指定して作成しました。

スケジュール
目標と予算の参照先
返すべき内容
承認が必要な内容
ソースが欠落している場合の対応

もし /workspace/learner-profile.md が欠落していたり、Scout が先へ進めない場合は、ルーティンは問題を報告して停止し、ループで再試行しないようにします。Scout のブロックされたアクションは継承され、承認は後で外部アクションを追加した場合にのみ適用されます。ルーティンは View conversation details → Routines から管理します。

月曜のルーティン：スケジュールとタイムゾーン。画像：著者作成。

月曜を待たずに今すぐ実行する

月曜を待たず、更新済みスキルと同じ LLM 評価のプロフィールでテスト実行を開始しました。ルーティンは候補ページを開き、LangSmith の所要時間フィールドをすべて報告し、LangChain の前提条件を未達とマークしました。

開始しない場合は、オンになっているか、詳細（スケジュール、タイムゾーン、Bot、学習者の参照先、ブラウザセッション）、最後に残りの利用量を確認します。学習者情報の欠落やセッション期限切れで停止することがあります。

ルーティンは LangSmith をプランから外し、他の候補もトピック外、前提条件未達、所要時間の印字なしといった理由で除外し、Total: 0 を返しました。空白を埋めるための追加は、検証ルールを壊すことになったでしょう。

実行はRun history に完了チェック付きで表示され、結果は Scout の会話に残りました。これでスケジュール、保存済みスキル、所要時間ポリシー、前提条件チェックが連携して動くことが確認できました。

ルーティンのテストが完了し、履歴が表示。動画：著者作成。

まとめ

本チュートリアルでは、1つの現行の学習者ソース、ソースチェック、再利用可能なスキル、週次ルーティンを軸に DataCamp のラーニング Scout を構築しました。プロフィールが恒常ルールを保持し、スキルがリサーチ手法を維持し、ルーティンが月曜のスケジュールを提供しました。

見てのとおり、予定どおりに毎週実行され、やるべきことだけを行う状態に持っていくには、多少の試行錯誤が必要です。テストでは、磨かれた回答では隠れがちな3つの問題が露わになりました。すなわち Beginner が Basic になっていたこと、所要時間の範囲を固定合計として扱っていたこと、未達の前提条件があったことです。最初の2つは正規ページを開き直して修正できました。3つ目は新たな前提条件ルールと、ルーティンを信用できるようになるまでのスキルの再テストが必要でした。

ここからは、重複推薦を防ぐための完了履歴を追加したり、Scout の選んだリソースを学習スケジュールに落とし込む Study Coach Bot を作ったりできます。アプリにTeach a task が現れたら、ブラウザのワークフローを記録して、スキルの下書きを作ることもできます。