Share
Embed
Transcript
49 slides
-
LLMエージェント 目次 • 何故AIエージェント? • LLMエージェントとは何か? • ワークフロー VS エージェント
• LLMエージェント開発における構成要素 -
LLMエージェント Building effective agents 「エージェント」にはいくつかの定義がある。ある顧客は、エージェ ントを、複雑なタスクを達成するために様々なツールを使用し、長 期間にわたって独立して動作する完全に自律的なシステムと定義 している。 また、事前に定義されたワークフローに従う、より規定的な実装を 表すためにこの用語を使用する人もいます。
Anthropicでは、これら全てのバリエーションをエージェントシステ ムとして分類していますが、ワークフローとエージェントをアーキテ クチャ上区別しています。 -
LLMエージェント Building effective agents 1. Building block: The augmented LLM(拡張LLM)
2.Workflow: Prompt chaining(ワークフロー: プロンプトチェーン) … 7.Agents(エージェント) -
LLMエージェント Building effective agents エージェントを実装する際、私たちは次の 3 つの基本原則に従うようにしていま す。 1.エージェントの設計ではシンプルさを維持します。 2.エージェントの計画手順を明示的に表示することで透明性を優先します。
3.徹底したツールのドキュメント化とテストを通じて、エージェント コンピュータ インターフェイス (ACI) を慎重に作成します。 -
LLMエージェント 主要構成要素 • Profile • Memory • Planning • Reflection
• Tool Use ◦ Retrieval(検索) ◦ MCP(Model Context Protocol) A Survey on Large Language Model based Autonomous Agents(2024) より引用 -
LLMエージェント Tool Use • 検索エンジンやデータベース、計算器など外部ツールをLLMが呼び出して利用す る能力 • これによりLLMは学習済みデータの範囲外のリアルタイム情報を取得したり、コー ド実行などのアクションを起こすことができる •
エージェントは必要に応じツールを使って情報収集や操作を行い、その結果(観察) に基づき内部状態や次の行動を調整しながらタスクを遂行する -
LLMエージェント MCP(Model Context Protocol) • 2024年11月にAnthropic が発表したオープンプロトコル ◦ 生成AIモデルに文脈情報を渡しやすくするための技術規格 •
AI と外部システムの接続を標準化する • 「提供の仕方」と「呼び出し方」が共通化 • 「AI 用の USB-C ポート」(by Anthropic) • Claude以外でも利用が一気に進んでおり、エージェント問わず LLM関連で外部ソース・ツールアクセス時のデファクトになりそう -
LLMエージェント MCP(Model Context Protocol) • MCP ホスト: Claude Desktop、IDE、または MCP
を介してデータにアクセスする AI ツールなどのプログラム • MCP クライアント: サーバーとの 1:1 接続を維持するプロトコル クライアント • MCP サーバー: 標準化されたモデル コンテキスト プロトコルを通じて特定の機能 を公開する軽量プログラム • ローカル データ ソース: MCP サーバーが安全にアクセスできるコンピューターの ファイル、データベース、サービス • リモートサービス: MCP サーバーが接続できるインターネット経由 (API 経由など) で利用可能な外部システム -
LLMエージェント Human in the Loop ・エージェントの意思決定プロセスに人間が関与し、必要に応じて承認・修正を行う仕組 み ・モデルに任せるにはリスクのあるツール実行要求に対して人間の承認を求めるゲート を設ける ・モデルの生成した回答を人間がレビューして訂正するなど、重要局面での人間チェック
により結果の安全性と正確性を保障する ・具体例:ClineやGithubCopilotAgentでコマンド実行可否を聞いてくれる -
LLMエージェント エージェント構築のフレームワーク ・LangChain + LangGraph:LLMを活用したステートフルなマルチエージェントアプリケーションの構築を 支援するフレームワーク ・AWS Bedrock Agents:Amazon Bedrock
上で LLMエージェントを簡単に構築できるサービス ・Response API + Agent SDK:AIエージェントの開発とワークフローの管理を効率化するための APIと SDK(by OpenAI) ・AI SDK:TypeScript向けのツールキット ReactやNext.jsといったフレームワークと連携して AIアプリケー ションを構築 ・Mastra:TypeScriptベースのAIエージェントフレームワークで、ワークフローや RAGパイプラインの構築 を支援 -
LLMエージェント 参考資料 本 • 「RAG・AIエージェント[実践]入門」 • 「やさしく学ぶLLMエージェント」 ワークフローVSエージェント • Building
Effective AI Agents • エージェント開発のための新たなツール • 「完全自律型」AIエージェント至高論への違和感〜ワークフロー構築という現実解 • AIエージェントについてまとめてみた -
LLMエージェント 参考資料 エージェント構成要素・デザインパターン • 2025年の年始に読み直したいAIエージェントの設計原則とか実装パターン集 • AIエージェント入門 • LLM Agentの技術的な外観を理解する
• Building Effective AI Agents • エージェント開発のための新たなツール • AIエージェント時代の可能性と実践 • A survey on large language model based autonomous agents -
LLMエージェント 参考資料 MCP • Introduction - Model Context Protocol •
「MCP?聞いたことあるけど使ってない …😅」人向けに初歩から少し踏み込んだ内容まで解説 • やさしいMCP入門 -
LLMエージェント 参考資料 ニュース記事 • (記者解説)AIエージェント、進む開発 人間に代わり「思考」し「行動」、現実味 朝日新聞 (2025.01.13) • Nvidia CEO
Jensen Huang: What are AI agents that Nvidia CEO Jensen Huang says are a multitrillion-dollar opportunity? - The Economic Times(2025.01.13) • 2025 年 - エンタープライズ領域における AI エージェント元年に向けて(2025.01.07)