AI 採用担当者を構築する

このガイドでは、Mastra を使用して LLM を組み込んだ Workflow を構築する方法を学びます。

候補者の履歴書から情報を収集し、そのプロフィールに基づいて技術的な質問または行動面の質問へ分岐する Workflow を作成します。その過程で、Workflow の Step の構成、分岐の処理、LLM 呼び出しの統合方法を学びます。

前提条件

• Node.js v22.13.0 以降がインストールされていること
• サポートされているモデル Provider の API キー
• 既存の Mastra プロジェクト（新しいプロジェクトをセットアップするには、インストールガイドに従ってください）

Workflow を構築する

Workflow をセットアップし、候補者データを抽出、分類する Step を定義して、適切な追加質問を行います。

1. 新しいファイル src/mastra/workflows/candidate-workflow.ts を作成し、Workflow を定義します。

   src/mastra/workflows/candidate-workflow.ts

   import { createWorkflow, createStep } from '@mastra/core/workflows'
   import { z } from 'zod'
   
   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   }).commit()

2. 履歴書のテキストから候補者の詳細を抽出し、その人物を「技術職」または「非技術職」に分類します。この Step は LLM を呼び出して履歴書を解析し、氏名、技術職かどうか、専門分野、元の履歴書テキストを含む構造化 JSON を返します。inputSchema を定義したことで、execute() 内から resumeText にアクセスできます。これを使用して LLM にプロンプトを送り、整理されたフィールドを返します。

   既存の src/mastra/workflows/candidate-workflow.ts ファイルに次を追加します。

   src/mastra/workflows/candidate-workflow.ts

   import { Agent } from '@mastra/core/agent'
   
   const recruiter = new Agent({
     id: 'recruiter-agent',
     name: 'Recruiter Agent',
     instructions: `You are a recruiter.`,
     model: 'openai/gpt-5.6-sol',
   })
   
   const gatherCandidateInfo = createStep({
     id: 'gatherCandidateInfo',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     execute: async ({ inputData }) => {
       const resumeText = inputData?.resumeText
   
       const prompt = `Extract details from the resume text:
   "${resumeText}"`
   
       const res = await recruiter.generate(prompt, {
         structuredOutput: {
           schema: z.object({
             candidateName: z.string(),
             isTechnical: z.boolean(),
             specialty: z.string(),
             resumeText: z.string(),
           }),
         },
       })
   
       return res.object
     },
   })

   execute() 内で Recruiter Agent を使用するため、Step より前に定義し、必要な import を追加する必要があります。

3. この Step では、「技術職」と判定された候補者に対し、その専門分野に進んだ経緯について詳しく質問します。履歴書の全文を使用するため、LLM は内容に合った追加質問を作成できます。

   既存の src/mastra/workflows/candidate-workflow.ts ファイルに次を追加します。

   src/mastra/workflows/candidate-workflow.ts

   const askAboutSpecialty = createStep({
     id: 'askAboutSpecialty',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} about how they got into "${candidateInfo?.specialty}".
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)
   
       return { question: res?.text?.trim() || '' }
     },
   })

4. 候補者が「非技術職」の場合は、別の追加質問を行います。この Step では、やはり履歴書の全文を参照しながら、その役割の何に最も関心があるかを質問します。execute() 関数は、役割に焦点を当てた質問を LLM に生成させます。

   既存の src/mastra/workflows/candidate-workflow.ts ファイルに次を追加します。

   src/mastra/workflows/candidate-workflow.ts

   const askAboutRole = createStep({
     id: 'askAboutRole',
     inputSchema: z.object({
       candidateName: z.string(),
       isTechnical: z.boolean(),
       specialty: z.string(),
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       question: z.string(),
     }),
     execute: async ({ inputData: candidateInfo }) => {
       const prompt = `You are a recruiter. Given the resume below, craft a short question
   for ${candidateInfo?.candidateName} asking what interests them most about this role.
   Resume: ${candidateInfo?.resumeText}`
       const res = await recruiter.generate(prompt)
       return { question: res?.text?.trim() || '' }
     },
   })

5. 次に、候補者が技術職かどうかに基づく分岐ロジックを実装するため、Step を組み合わせます。Workflow はまず候補者データを収集し、isTechnical に応じて専門分野または役割について質問します。これは、gatherCandidateInfo を askAboutSpecialty および askAboutRole とチェーンすることで実現します。

   既存の src/mastra/workflows/candidate-workflow.ts ファイルの candidateWorkflow を次のように変更します。

   src/mastra/workflows/candidate-workflow.ts

   export const candidateWorkflow = createWorkflow({
     id: 'candidate-workflow',
     inputSchema: z.object({
       resumeText: z.string(),
     }),
     outputSchema: z.object({
       askAboutSpecialty: z.object({
         question: z.string(),
       }),
       askAboutRole: z.object({
         question: z.string(),
       }),
     }),
   })
     .then(gatherCandidateInfo)
     .branch([
       [async ({ inputData: { isTechnical } }) => isTechnical, askAboutSpecialty],
       [async ({ inputData: { isTechnical } }) => !isTechnical, askAboutRole],
     ])
     .commit()

6. src/mastra/index.ts ファイルで Workflow を登録します。

   src/mastra/index.ts

   import { Mastra } from '@mastra/core'
   import { candidateWorkflow } from './workflows/candidate-workflow'
   
   export const mastra = new Mastra({
     workflows: { candidateWorkflow },
   })

Workflow をテストする

開発サーバーを起動すると、Studio 内で Workflow をテストできます。

mastra dev

サイドバーで Workflows に移動し、candidate-workflow を選択します。中央に Workflow のグラフビューが表示され、右側のサイドバーではデフォルトで Run タブが選択されています。このタブに、たとえば次のような履歴書テキストを入力できます。

Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.

履歴書テキストを入力したら、Run ボタンを押します。Workflow の Step の出力を含む 2 つのステータスボックス（GatherCandidateInfo と AskAboutSpecialty）が表示されます。

.createRun() と .start() を呼び出し、プログラムから Workflow をテストすることもできます。新しいファイル src/test-workflow.ts を作成し、次を追加します。

src/test-workflow.ts

import { mastra } from './mastra'

const run = await mastra.getWorkflow('candidateWorkflow').createRun()

const res = await run.start({
  inputData: {
    resumeText:
      'Knowledgeable Software Engineer with more than 10 years of experience in software development. Proven expertise in the design and development of software databases and optimization of user interfaces.',
  },
})

// Dump the complete workflow result (includes status, steps and result)
console.log(JSON.stringify(res, null, 2))

// Get the workflow output value
if (res.status === 'success') {
  const question = res.result.askAboutRole?.question ?? res.result.askAboutSpecialty?.question

  console.log(`Output value: ${question}`)
}

Workflow を実行し、ターミナルで出力を確認します。

npx tsx src/test-workflow.ts

これで、履歴書を解析し、候補者の技術的な能力に基づいてどの質問を行うかを決定する Workflow を構築できました。お疲れさまでした！