Posted inAI

AIエージェント：その概要と初の自動化ワークフロー構築方法

AI tutorial - IT technology blog
AI tutorial - IT technology blog

背景と理由：エージェント革命を理解する

午前2時。またアラートが鳴り、重要なレポートを停止させた手動プロセスエラーを知らせています。心当たりはありませんか？IT運用では、私たちはしばしばこのような問題に悩まされます。スクリプトを作成し、cronジョブを設定し、可能な限り自動化します。しかし、タスクが単純な実行以上のものを要求するとき、つまり推論、適応、または複数の動的なシステムとの対話を必要とするとき、どうなるでしょうか？まさにその点で、AIエージェントが非常に貴重になります。

AIエージェントを単に命令を実行するコードとしてではなく、目標を理解し、それを達成するために必要な手順を推論し、様々なツールを活用し、環境から学習し、さらには自己修正する能力を持つインテリジェントなシステムとして捉えてください。これは基本的な自動化を超え、かつては人間の介入や脆く複雑なスクリプトを必要とした複雑な多段階タスクを委ねることを意味します。

私がエージェントの力を初めて実感したのは、ある重大なインシデントの最中でした。私たちは、3つの異なるAPIから動的にデータを取得し、相互参照し、その後チケットシステムを更新する必要がありました。これらすべてが自然言語入力によってトリガーされたのです。手動での実行はエラーが発生しやすく、非常に時間がかかりました。

従来のスクリプトでは、考えられるすべてのエッジケースに対応するために、何千行もの条件ロジックが必要だったでしょう。その時、エージェントベースのアプローチの計り知れない可能性が明らかになりました。私の実体験から、これは非常に重要なスキルです。これにより、エンジニアはより高度な課題に取り組むことができ、絶え間ない受動的なトラブルシューティングから、積極的なイノベーションへと焦点を移すことができます。

AIエージェントは、これらの複雑な課題に対処するために特別に構築されています。これらは、大規模言語モデル（LLM）と外部ツール、そして構造化された推論プロセスを組み合わせています。これにより、人間が操作するのと非常によく似た方法で、しかし機械の速度と規模で、観察し、考え、行動し、反復することができます。このチュートリアルでは、あなた自身でエージェントを構築するための基礎を案内します。

インストール：エージェント開発環境のセットアップ

最初のエージェントを展開する前に、堅牢な開発環境を確立することが不可欠です。このチュートリアルでは、PythonとLangChainフレームワークを利用します。これは、エージェント開発を効率化する多目的なツールキットです。また、大規模言語モデル（LLM）プロバイダーへのアクセスも必要です。私たちの例ではOpenAIを使用しますが、Gemini、Anthropic、またはLangChainがサポートするその他のLLMに自由に置き換えてください。

ステップ1：Python Virtual Environment

まず、Python virtual environmentを使用してプロジェクトの依存関係を分離します。これにより、システム上の他のPythonプロジェクトとの競合を防ぎます。


python3 -m venv agent_env
source agent_env/bin/activate  # Windowsでは `agent_env\Scripts\activate` を使用してください

ターミナルプロンプトの前に(agent_env)が表示されるはずで、これはvirtual environment内にいることを示しています。

ステップ2：依存関係のインストール

次に、LangChainとOpenAI Python clientをインストールします。別のLLMプロバイダーを選択した場合は、それぞれのclient libraryをインストールしてください。


pip install langchain openai

エージェントが外部システムと対話できるようにするために、検索ツールも準備する必要があります。本番環境では、SerpAPI、Google Search APIなどのサービスや、独自の内部検索ソリューションとの統合が必要になります。しかし、このチュートリアルでは、単純なモックバージョンを設定します。


pip install "langchain[community]"

このコマンドはLangChainのcommunity toolsをインストールし、エージェントで簡単に使用または適応できる様々なユーティリティを提供します。

ステップ3：APIキーの設定

OpenAIのモデルを使用するには、APIキーが必要です。これをスクリプトに直接ハードコーディングするのではなく、環境変数を使用して安全に処理することが重要です。


export OPENAI_API_KEY='your_openai_api_key_here'
# または、.env ファイルを使用している場合（python-dotenvをインストール: pip install python-dotenv）
# その後、Pythonスクリプト内で: from dotenv import load_dotenv; load_dotenv()

設定：エージェントの「脳」を組み立てる

開発環境が整ったところで、初期のAIエージェントの設定に進みます。私たちの目的は、シンプルな「リサーチアシスタント」を作成することです。このエージェントはクエリを受け取り、検索ツールを利用して情報を収集し、その発見の要約を提示します。

ステップ1：ツールの定義

ツールは、エージェントが外部世界と対話するためのインターフェースとして機能します。これらは、ウェブ検索機能やコード実行から、カスタムAPIコールやデータベースとのやり取りまで多岐にわたります。このデモンストレーションの目的のために、シミュレートされた検索ツールを構築します。


import os
from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_react_agent
from langchain import hub
from langchain.tools import tool

# --- シンプルなシミュレートされた検索ツールを定義します ---
# 実際のシナリオでは、これはGoogle SearchやSerpAPIのような検索APIを呼び出します
 @toolcraft_info.yaml
def search(query: str) -> str:
    """クエリに基づいてウェブ情報を検索します。"""
    print(f"\n[DEBUG]: エージェントは次のクエリで検索ツールを使用しました: '{query}'")
    # デモンストレーションのために検索結果をシミュレートします
    if "latest AI models" in query.lower():
        return "Google Search results: 最新のAIモデルには、Gemini 1.5、GPT-4o、Claude 3 Opusがあります。これらはマルチモーダルな推論とコンテキストウィンドウサイズに優れています。"
    elif "LangChain agents" in query.lower():
        return "Google Search results: LangChain agentsは、LLMを使用してアクションを決定し、ツールを使用するように構築されています。主要なコンポーネントはLLM、ツール、および推論メカニズム（例：ReAct）です。"
    else:
        return f"Google Search results: '{query}'に関する情報が見つかりました。これはさらに調査が必要な複雑なトピックのようです。"

tools = [search]

ステップ2：LLMの初期化

大規模言語モデル（LLM）は、エージェントの核となるインテリジェンスとして機能します。これは、入力を処理し、どのツールを使用するかを決定し、適切な応答を作成する役割を担います。


# LLMを初期化します。gpt-4-turboや他の強力なモデルを選択することもできます。
llm = ChatOpenAI(model="gpt-4o", temperature=0)

エージェントの応答をより決定論的にするためにtemperature=0を設定しました。これは自動化されたタスクではしばしば望ましいです。

ステップ3：エージェントの作成

LangChainは様々なエージェントタイプを提供しています。その中でも、create_react_agentは「ReAct」（Reasoning and Acting）フレームワークに根ざした、非常に効果的で頻繁に利用されるオプションとして際立っています。このアプローチは、LLMが次のアクションを論理的に検討し、その後実行するように導きます。


# LangChain HubからReActエージェントのプロンプトを取得します
prompt = hub.pull("hwchase17/react")

# エージェントを作成します
agent = create_react_agent(llm, tools, prompt)

# AgentExecutorを作成します。これはエージェントのランタイムです。
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True, handle_parsing_errors=True)

verbose=Trueフラグはデバッグにおいて非常に重要であり、エージェントの内部的な思考プロセス（観察、思考、その後のアクションを含む）を公開します。さらに、handle_parsing_errors=Trueを設定することは、より堅牢なエージェントの運用に大きく貢献します。

検証と監視：エージェントが期待通りに動作することを確認する

AIエージェントの開発は、「一度設定したら放置」するようなタスクではありません。他の重要な本番システムと同様に、徹底的な動作検証と継続的な性能監視が必要です。

ステップ1：エージェントの実行

リサーチアシスタントをテストしてみましょう。検索ツールを使用する必要がある質問を尋ねます。


# クエリでエージェントを実行します
print("\n--- クエリ1に対するエージェントの実行 ---")
response = agent_executor.invoke({"input": "What are the latest advancements in AI models?"})
print("\nエージェントの最終回答:")
print(response["output"])

print("\n--- クエリ2に対するエージェントの実行 ---")
response = agent_executor.invoke({"input": "Explain how LangChain agents work."})
print("\nエージェントの最終回答:")
print(response["output"])

print("\n--- クエリ3に対するエージェントの実行 ---")
response = agent_executor.invoke({"input": "Tell me about the history of quantum computing."})
print("\nエージェントの最終回答:")
print(response["output"])

このスクリプトを実行すると、詳細なverbose出力が表示されます。エージェントの内部的な「独り言」を観察してください。その思考、実行するアクション（searchツールの呼び出しなど）、およびツールからの出力から導き出されるその後の観察。このレベルの透明性は、エージェントの意思決定プロセスを理解し、特に障害を診断する上で非常に価値があります。

ステップ2：デバッグと反復

エージェントが最初から完璧に動作することは稀です。ツールを正しく使用しない、ループにはまる、または役に立たない回答を提供するようなシナリオに遭遇する可能性があります。ここにトラブルシューティングのチェックリストがあります。

  • Prompt Engineering：システムプロンプトは明確ですか？エージェントの役割、利用可能なツール、および期待される出力形式を適切に記述していますか？
  • Tool Definitions：ツールの説明は正確ですか？LLMは、いつどのようにツールを使用するかを決定するために、これらの説明に大きく依存しています。
  • LLM Choice：選択したLLMはタスクに対して十分な能力を持っていますか？より複雑な推論には、より強力なモデルが必要となることがよくあります。
  • Error Handling：ツールに堅牢なエラーハンドリングを実装しましたか？予期しないツール出力は、エージェントの推論を狂わせる可能性があります。

ステップ3：本番環境での監視

本番環境のエージェントにとって、基本的なverboseロギングだけでは不十分です。適切なobservabilityが必要です。

  • Structured Logging：エージェントの入力、出力、ツール呼び出し、および中間ステップを構造化された形式（例：JSON）で中央ロギングシステムに記録します。
  • Traceability：LangSmith（LangChainの提供するツール）などのツールは、優れたトレーシング機能を提供します。これらにより、各LLM呼び出しから各ツール使用まで、エージェントの完全な実行パスを視覚化できます。この機能は、複雑なエージェントの動作をデバッグする上で非常に役立ちます。
  • Performance Metrics：LLMのトークン使用量、応答時間、ツール実行の成功率を監視します。
  • Human-in-the-Loop：重要なタスクの場合、エージェントが不可逆的なアクションを実行する前に、人間によるレビューのステップを追加することを検討してください。

エージェントを重要なマイクロサービスと同様に扱ってください。継続的な監視、反復的な改良、およびその運用上の限界の正確な理解が求められます。IT自動化の状況は、インテリジェントで適応性の高いシステムへと進化しており、AIエージェントの熟練度はますます不可欠なスキルとなっています。

Share:
Tags: