LLMエージェント
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
単語検索
|
最終更新
|
ヘルプ
]
開始行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>テキスト生成系（Transformer系）#j2f01d54]] > [[チ...
--[[LLMのPE]]
--[[LLMのRAG]]
--[[LLMのFT]]
--LLMエージェント
*目次 [#w1ac513b]
#contents
*概要 [#l87448a9]
-情報の収集・解析・意思決定・アクション実行を行うシステム
-あるサーベイ論文では、AIエージェントを「脳」「知覚」「ア...
入力を「知覚」し「アクション」を計画的に実行する「脳」と...
-LLMエージェントについて「タスクを代行するもの」であると...
--入力に対応したワークフローを代行するようなものでも、エ...
--ただし、単一の呼び出しや、都度アドホック・プロンプト入...
*詳細 [#yae5a2c7]
**エージェントの定義 [#x3f0673e]
***エージェントらしさ [#r5020403]
最近の、LLMエージェント研究や実装では、次の要素が増えるほ...
-LLMでタスク分解（[[大きな問題を理解し>#p5d5592a]]、[[個...
-LLMでアクションの選択・実行（[[ツール利用>#rd3d937a]]、[...
-[[状態管理（メモリや履歴を使って文脈を保持）>#o650a86f]]
-LLMで[[自己評価>#e17f59ae]]・[[再試行>#o23b2ef2]]（出力...
-[[エージェントが協働できるエージェント環境>#w3c0edeb]]
***デザインパターン [#b9cf192e]
Anthropic社が提示するデザインパターンが適用されている。
-ワークフローを持つエージェント・システムの5つのデザイン...
--プロンプト・チェイニング：固定された一連のサブタスクに...
--ルーティング：LLMが入力を分類し、専門性の異なる複数のLL...
--パラレライゼーション：「コードが」タスクを複数に分割し...
--オーケストレーター・ワーカー：「LLMが」複雑なタスクを複...
--エバリュエーター・オプティマイザー：生成LLM と 評価LLM ...
-ワークフローの対局、オープンエンド型のエージェントデザイ...
--固定パスがない：一連のステップに従うのではなく、動的で...
--継続可能でフィードバックループがある：LLMは環境から情報...
--大きな柔軟性：より複雑で広範な問題を扱える。
--予測不可能性：パス（時間、コスト）、出力（品質）が予測...
--対策として、モニタリングやガードレールを実装
**構成要素 [#y67475f4]
LLMエージェントは通常、以下のような構成要素を持ちます：
***LLM本体 [#x977ce4c]
自然言語の理解・生成を担当する中核部分。タスクの実行や推...
***メモリ [#o650a86f]
会話履歴やタスクの進行状況などを保持。長期的な記憶も可能。
***ツール / プラグイン [#rd3d937a]
Web検索、計算、コード実行、API呼び出しなど、外部リソース...
***コントローラー [#i48dd486]
プランナーとLLMのやりとりを制御。ループを回す。
***プランナー [#z829d8b0]
ゴールに向けタスクを分割し、順序立てて実行計画を作る。
***アクション実行器 [#l4d14f53]
LLMの計画した出力に従って具体的なアクションを実行するモジ...
**思考ループ（Reasoning Loop） [#nc24bf4e]
多くのLLMエージェントは以下のようなエージェント・ループで...
***タスクの理解（Goal Recognition） [#p5d5592a]
ユーザーから与えられた指示や問いを分析し、何を達成すべき...
-自然言語で書かれた曖昧な指示から「最終的な目的」を推測す...
-LLMエージェントは、文脈や過去の対話履歴も考慮して目的を...
***プランの生成（Plan） [#yf54d847]
目的を達成するための一連の手順や方針（プラン）を考案する。
-Web検索が必要 → 検索 → 情報要約 → 回答生成、のようなステ...
-単純なプランではタスク分割、複雑なプランには外部ツール（...
***次のアクションの選択（Reason） [#f32ac08b]
-プランに基づき、今の状況において最も適切な次のアクション...
-「今なにをするべきか？」という意思決定プロセスであり、状...
-ここでは推論（Reasoning）能力が重要となる。
***アクションの実行（Act） [#qfdf51a5]
-選択したアクションを実行する。
-実行対象は、ツールの呼び出し、情報取得、外部APIへのアク...
-実行結果は次のステップに活かされる。
***観測と反省（Reflect） [#e17f59ae]
-アクションの結果を観察し、目的に近づいたか、想定とずれが...
-不十分な結果が出た場合は原因を考え、改善点を洗い出す。
-エージェントが「何がうまくいかなかったか」を自己評価する...
***再計画（Replan） [#o23b2ef2]
-反省の結果に基づき、プランの修正・更新を行う。
-新たな情報や環境の変化に応じて、アクションの優先順位や順...
-その後、再び次のアクションの選択へとループが戻る。
--上記のステップを繰り返しながら、最終的な目標達成を目指...
--このループは、ユーザーが満足する結果を得るまで、あるい...
--このような思考ループは、自律エージェントにおいて特に重...
**応用研究 [#sc15bff4]
-LLMベースのAIエージェントの5つの実装方法
-「ReAct」が有名だが他にも多くの手法がある。
***MRKL [#qd594567]
MRKL（Modular Reasoning, Knowledge and Language）
-概要：AIエージェントが複数のツールを統合的に使うためのモ...
-特徴：モデルが入力を解析し、適切なツールにタスクを振り分...
-MRKLは、OpenAIの論文「ReAct: Synergizing Reasoning and A...
***[[ReAct>LLMのPE#pc31e54c]] [#r03947ad]
ReAct（Reasoning + Acting）
-概要：思考（Reasoning）と行動（Acting）を交互に繰り返す...
-特徴：推論と行動を逐次的に交互に行う。例：検索 → 仮説立...
-論文：Yao et al., 2022（例：「Let's think step by step」...
-エージェントはActだけでも実装できるが、Reason（思考過程...
--Reasonなし・Actなし
--Reasonあり・Actなし (CoT)
--Reasonなし・Actあり (WebGPTのようなもの)
--Reasonあり・Actあり (ReAct)
***Plan-and-Solve [#p087498c]
-概要：問題を解く前に、まず全体の計画（Plan）を立て、それ...
-特徴：「まず計画を立ててから解く」→ 思考の整理ができ、正...
***LLMCompiler [#x6b8eb95]
-概要：タスクの自然言語仕様をプログラム的な実行計画やコー...
-特徴：LLMが自然言語からタスクグラフや関数構成などを生成...
-応用：マルチステップの意思決定やエージェントプランニング...
※ LlamalndexやLangGraphでも利用可能とのこと。
**例と工夫 [#w5c1dc8d]
以下の5つの分野の有名なAIエージェントとその工夫
***リサーチ [#n67454cf]
GPT Researcher
-核となるアイデアは「プランナー」と「実行」のエージェント
-https://github.com/assafelovic/gpt-researcher
***シミュレーション [#x1afcf67]
Generative Agents
-25人のAIエージェントを仮想的な街で生活させるシミュレーシ...
-Memoryの工夫が有名、最新性・重要性・関係性のあるものを検...
-https://github.com/joonspk-research/generative_agents
***ゲーム [#t32a359f]
-Voyager
--できるだけ多様な発見をすることを最終目標として行動するM...
--Minecraftのクライアントライブラリ (JavaScript)を使った...
-PokéLLMon
--過去のターンのフィードバックやポケモンの技などの外部知...
--相手が強力なポケモンだとパニック状態になってポケモンの...
***ソフトウェア開発 [#w081ec72]
-GPT-Engineer
--自動でプログラムを実装するという分野で話題になったエー...
--「こういう機能を開発して」と記述しておくと、自動でプロ...
--https://github.com/gpt-engineer-org/gpt-engineer
--https://apt-engineer.readthedocs.io/en/latest/index.html
-ChatDev
--プログラマー・テスター・デザイナーなど、様々な役割のAI...
***汎用のコンピュータ操作 [#c74d6746]
-Open Interpreter
--自然言語の指示でコンピュータを操作するツール
--https://github.com/KillianLucas/open-interpreter/
-OS-Copilot
--OSの操作を提供するエージェント
--https://github.com/OS-Copilot/FRIDAY
**標準化[#ua28b97f]
***対象 [#g9407347]
-[[Function calling>#m3aa0a0b]] API~
ツール/関数をLLMに呼ばせる標準仕様（OpenAIやAnthropicなど...
-Tool Registry / Metadata~
ツールや機能の定義情報（引数、用途など）を共有するための...
-Agent-to-Agent Protocols~
複数エージェントがやり取りする際の通信仕様（メッセージ構...
-Observability~
エージェントの動作トレース、ログ記録の標準フォーマット（O...
***団体 [#lf10a971]
-OpenAI~
Open Agents、[[Function calling>#m3aa0a0b]] APIの提案
-LangChain~
LangGraph、LangServeで標準的な構成提供
-Anthropic, Google, Meta~
独自API提供＋相互運用性の議論に参加（例: AI Alliance）
-W3C / ISOなど~
将来的な正式標準化の議論も一部で始動
-Agent Protocol Community~
自主的なコミュニティ駆動の標準仕様作成
***Function calling [#m3aa0a0b]
LLMに特定のAPIや関数を呼び出させ外部タスクを実行する仕組...
-LLMが何をどう呼び出すかを自動的に決定
-LLMが自然言語から適切な関数名と引数を構造化出力（JSON）。
-関数をLLMに「使わせる」ことで、外部のツール・APIと接続可
-高精度なツール選択と使い分けが可能
**プロトコル [#n9a368ce]
***[[MCP（Model Context Protocol）]] [#ycd944bc]
***[[ACP（Agent Communication Protocol）]] [#j73e527d]
**マルチエージェント [#w3c0edeb]
LLMマルチエージェントは、LLMを用いた複数のエージェントが...
***利用例 [#t1bb2c84]
-ソフトウェア開発支援：プロジェクトの要件を受けて、複数の...
-複雑な意思決定支援：複数の視点から情報を収集・分析し、意...
-教育やチュータリング：異なる学習スタイルや領域に対応した...
***役割分担 [#d60991a4]
各エージェントは専門性を持たせ、以下のような役割に分かれ...
-プランナー（Planner）：全体の戦略やステップを立案
-リサーチャー（Researcher）：外部情報を収集・分析
-エンジニア（Coder）：コードを生成・検証
-レビュワー（Reviewer）：他エージェントの出力を評価・改善...
-メタ・エージェント：全体を制御する「指揮官」的エージェン...
***PE技法 [#v38841de]
[[Self-Consistency, GKP, Self-Ask, ToT, AoTといったPE>LLM...
-Self-Consistency（自己整合性）
--関係性：マルチエージェントが独立に推論を行い、それらの...
--シミュレーション性：高い。各エージェントを一つの「自己...
-GKP（Generated Knowledge Prompting）
--関係性：あるエージェントが生成した知識を別のエージェン...
--シミュレーション性：中〜高。知識共有や知識ベースのプロ...
-Self-Ask
--関係性：タスク分解や質問の生成→他エージェントに解決させ...
--シミュレーション性：高。特に質問応答・サブタスク分担型...
-ToT（Tree of Thoughts）
--関係性：各エージェントが「思考の分岐」や「候補生成」に...
--シミュレーション性：中〜高。特に評価・選択メカニズムを...
-AoT（Algorithm of Thoughts）
--関係性：タスク解決を「アルゴリズム」として明示的に分解...
--シミュレーション性：高。構造化された役割分担とステップ...
***実装例 [#abe27875]
-Generative Agents
--架空の町（例: Smallville）に複数のエージェントが暮らし...
--各エージェントは「観察」「記憶」「計画」「行動」などの...
--GPT-4などのLLMで内面の思考・対話・行動を生成。
-ChatDev：
--開発プロセスを企業のようにモデル化（例: CEO、CTO、プロ...
--各役職に対応するLLMエージェントが協調してコードを設計・...
--各フェーズでチャットを通じて議論・意思決定。
***繋がり方 [#u969328f]
-同期的チャット：エージェント同士がリアルタイムで交互に発...
-非同期メッセージパッシング：あるエージェントがメッセージ...
-ブラックボードアーキテクチャ：共通の「知識ベース」や「ワ...
-メモリ共有と再利用：各エージェントが記憶や知識を共有する...
-オーケストレーション（制御）：マスターエージェントやタス...
**フレームワーク [#v6874125]
***[[OpenAI Agents SDK]] [#r5b1d61d]
***[[CrewAI]] [#s540afde]
***[[LangGraph]] [#q3447d17]
***[[AutoGen]] [#p245766b]
*参考 [#c6364fe2]
https://speakerdeck.com/os1ma/imakosoxue-bullmbesunoaiezi...
終了行:
「[[.NET 開発基盤部会 Wiki>http://dotnetdevelopmentinfras...
-[[戻る>テキスト生成系（Transformer系）#j2f01d54]] > [[チ...
--[[LLMのPE]]
--[[LLMのRAG]]
--[[LLMのFT]]
--LLMエージェント
*目次 [#w1ac513b]
#contents
*概要 [#l87448a9]
-情報の収集・解析・意思決定・アクション実行を行うシステム
-あるサーベイ論文では、AIエージェントを「脳」「知覚」「ア...
入力を「知覚」し「アクション」を計画的に実行する「脳」と...
-LLMエージェントについて「タスクを代行するもの」であると...
--入力に対応したワークフローを代行するようなものでも、エ...
--ただし、単一の呼び出しや、都度アドホック・プロンプト入...
*詳細 [#yae5a2c7]
**エージェントの定義 [#x3f0673e]
***エージェントらしさ [#r5020403]
最近の、LLMエージェント研究や実装では、次の要素が増えるほ...
-LLMでタスク分解（[[大きな問題を理解し>#p5d5592a]]、[[個...
-LLMでアクションの選択・実行（[[ツール利用>#rd3d937a]]、[...
-[[状態管理（メモリや履歴を使って文脈を保持）>#o650a86f]]
-LLMで[[自己評価>#e17f59ae]]・[[再試行>#o23b2ef2]]（出力...
-[[エージェントが協働できるエージェント環境>#w3c0edeb]]
***デザインパターン [#b9cf192e]
Anthropic社が提示するデザインパターンが適用されている。
-ワークフローを持つエージェント・システムの5つのデザイン...
--プロンプト・チェイニング：固定された一連のサブタスクに...
--ルーティング：LLMが入力を分類し、専門性の異なる複数のLL...
--パラレライゼーション：「コードが」タスクを複数に分割し...
--オーケストレーター・ワーカー：「LLMが」複雑なタスクを複...
--エバリュエーター・オプティマイザー：生成LLM と 評価LLM ...
-ワークフローの対局、オープンエンド型のエージェントデザイ...
--固定パスがない：一連のステップに従うのではなく、動的で...
--継続可能でフィードバックループがある：LLMは環境から情報...
--大きな柔軟性：より複雑で広範な問題を扱える。
--予測不可能性：パス（時間、コスト）、出力（品質）が予測...
--対策として、モニタリングやガードレールを実装
**構成要素 [#y67475f4]
LLMエージェントは通常、以下のような構成要素を持ちます：
***LLM本体 [#x977ce4c]
自然言語の理解・生成を担当する中核部分。タスクの実行や推...
***メモリ [#o650a86f]
会話履歴やタスクの進行状況などを保持。長期的な記憶も可能。
***ツール / プラグイン [#rd3d937a]
Web検索、計算、コード実行、API呼び出しなど、外部リソース...
***コントローラー [#i48dd486]
プランナーとLLMのやりとりを制御。ループを回す。
***プランナー [#z829d8b0]
ゴールに向けタスクを分割し、順序立てて実行計画を作る。
***アクション実行器 [#l4d14f53]
LLMの計画した出力に従って具体的なアクションを実行するモジ...
**思考ループ（Reasoning Loop） [#nc24bf4e]
多くのLLMエージェントは以下のようなエージェント・ループで...
***タスクの理解（Goal Recognition） [#p5d5592a]
ユーザーから与えられた指示や問いを分析し、何を達成すべき...
-自然言語で書かれた曖昧な指示から「最終的な目的」を推測す...
-LLMエージェントは、文脈や過去の対話履歴も考慮して目的を...
***プランの生成（Plan） [#yf54d847]
目的を達成するための一連の手順や方針（プラン）を考案する。
-Web検索が必要 → 検索 → 情報要約 → 回答生成、のようなステ...
-単純なプランではタスク分割、複雑なプランには外部ツール（...
***次のアクションの選択（Reason） [#f32ac08b]
-プランに基づき、今の状況において最も適切な次のアクション...
-「今なにをするべきか？」という意思決定プロセスであり、状...
-ここでは推論（Reasoning）能力が重要となる。
***アクションの実行（Act） [#qfdf51a5]
-選択したアクションを実行する。
-実行対象は、ツールの呼び出し、情報取得、外部APIへのアク...
-実行結果は次のステップに活かされる。
***観測と反省（Reflect） [#e17f59ae]
-アクションの結果を観察し、目的に近づいたか、想定とずれが...
-不十分な結果が出た場合は原因を考え、改善点を洗い出す。
-エージェントが「何がうまくいかなかったか」を自己評価する...
***再計画（Replan） [#o23b2ef2]
-反省の結果に基づき、プランの修正・更新を行う。
-新たな情報や環境の変化に応じて、アクションの優先順位や順...
-その後、再び次のアクションの選択へとループが戻る。
--上記のステップを繰り返しながら、最終的な目標達成を目指...
--このループは、ユーザーが満足する結果を得るまで、あるい...
--このような思考ループは、自律エージェントにおいて特に重...
**応用研究 [#sc15bff4]
-LLMベースのAIエージェントの5つの実装方法
-「ReAct」が有名だが他にも多くの手法がある。
***MRKL [#qd594567]
MRKL（Modular Reasoning, Knowledge and Language）
-概要：AIエージェントが複数のツールを統合的に使うためのモ...
-特徴：モデルが入力を解析し、適切なツールにタスクを振り分...
-MRKLは、OpenAIの論文「ReAct: Synergizing Reasoning and A...
***[[ReAct>LLMのPE#pc31e54c]] [#r03947ad]
ReAct（Reasoning + Acting）
-概要：思考（Reasoning）と行動（Acting）を交互に繰り返す...
-特徴：推論と行動を逐次的に交互に行う。例：検索 → 仮説立...
-論文：Yao et al., 2022（例：「Let's think step by step」...
-エージェントはActだけでも実装できるが、Reason（思考過程...
--Reasonなし・Actなし
--Reasonあり・Actなし (CoT)
--Reasonなし・Actあり (WebGPTのようなもの)
--Reasonあり・Actあり (ReAct)
***Plan-and-Solve [#p087498c]
-概要：問題を解く前に、まず全体の計画（Plan）を立て、それ...
-特徴：「まず計画を立ててから解く」→ 思考の整理ができ、正...
***LLMCompiler [#x6b8eb95]
-概要：タスクの自然言語仕様をプログラム的な実行計画やコー...
-特徴：LLMが自然言語からタスクグラフや関数構成などを生成...
-応用：マルチステップの意思決定やエージェントプランニング...
※ LlamalndexやLangGraphでも利用可能とのこと。
**例と工夫 [#w5c1dc8d]
以下の5つの分野の有名なAIエージェントとその工夫
***リサーチ [#n67454cf]
GPT Researcher
-核となるアイデアは「プランナー」と「実行」のエージェント
-https://github.com/assafelovic/gpt-researcher
***シミュレーション [#x1afcf67]
Generative Agents
-25人のAIエージェントを仮想的な街で生活させるシミュレーシ...
-Memoryの工夫が有名、最新性・重要性・関係性のあるものを検...
-https://github.com/joonspk-research/generative_agents
***ゲーム [#t32a359f]
-Voyager
--できるだけ多様な発見をすることを最終目標として行動するM...
--Minecraftのクライアントライブラリ (JavaScript)を使った...
-PokéLLMon
--過去のターンのフィードバックやポケモンの技などの外部知...
--相手が強力なポケモンだとパニック状態になってポケモンの...
***ソフトウェア開発 [#w081ec72]
-GPT-Engineer
--自動でプログラムを実装するという分野で話題になったエー...
--「こういう機能を開発して」と記述しておくと、自動でプロ...
--https://github.com/gpt-engineer-org/gpt-engineer
--https://apt-engineer.readthedocs.io/en/latest/index.html
-ChatDev
--プログラマー・テスター・デザイナーなど、様々な役割のAI...
***汎用のコンピュータ操作 [#c74d6746]
-Open Interpreter
--自然言語の指示でコンピュータを操作するツール
--https://github.com/KillianLucas/open-interpreter/
-OS-Copilot
--OSの操作を提供するエージェント
--https://github.com/OS-Copilot/FRIDAY
**標準化[#ua28b97f]
***対象 [#g9407347]
-[[Function calling>#m3aa0a0b]] API~
ツール/関数をLLMに呼ばせる標準仕様（OpenAIやAnthropicなど...
-Tool Registry / Metadata~
ツールや機能の定義情報（引数、用途など）を共有するための...
-Agent-to-Agent Protocols~
複数エージェントがやり取りする際の通信仕様（メッセージ構...
-Observability~
エージェントの動作トレース、ログ記録の標準フォーマット（O...
***団体 [#lf10a971]
-OpenAI~
Open Agents、[[Function calling>#m3aa0a0b]] APIの提案
-LangChain~
LangGraph、LangServeで標準的な構成提供
-Anthropic, Google, Meta~
独自API提供＋相互運用性の議論に参加（例: AI Alliance）
-W3C / ISOなど~
将来的な正式標準化の議論も一部で始動
-Agent Protocol Community~
自主的なコミュニティ駆動の標準仕様作成
***Function calling [#m3aa0a0b]
LLMに特定のAPIや関数を呼び出させ外部タスクを実行する仕組...
-LLMが何をどう呼び出すかを自動的に決定
-LLMが自然言語から適切な関数名と引数を構造化出力（JSON）。
-関数をLLMに「使わせる」ことで、外部のツール・APIと接続可
-高精度なツール選択と使い分けが可能
**プロトコル [#n9a368ce]
***[[MCP（Model Context Protocol）]] [#ycd944bc]
***[[ACP（Agent Communication Protocol）]] [#j73e527d]
**マルチエージェント [#w3c0edeb]
LLMマルチエージェントは、LLMを用いた複数のエージェントが...
***利用例 [#t1bb2c84]
-ソフトウェア開発支援：プロジェクトの要件を受けて、複数の...
-複雑な意思決定支援：複数の視点から情報を収集・分析し、意...
-教育やチュータリング：異なる学習スタイルや領域に対応した...
***役割分担 [#d60991a4]
各エージェントは専門性を持たせ、以下のような役割に分かれ...
-プランナー（Planner）：全体の戦略やステップを立案
-リサーチャー（Researcher）：外部情報を収集・分析
-エンジニア（Coder）：コードを生成・検証
-レビュワー（Reviewer）：他エージェントの出力を評価・改善...
-メタ・エージェント：全体を制御する「指揮官」的エージェン...
***PE技法 [#v38841de]
[[Self-Consistency, GKP, Self-Ask, ToT, AoTといったPE>LLM...
-Self-Consistency（自己整合性）
--関係性：マルチエージェントが独立に推論を行い、それらの...
--シミュレーション性：高い。各エージェントを一つの「自己...
-GKP（Generated Knowledge Prompting）
--関係性：あるエージェントが生成した知識を別のエージェン...
--シミュレーション性：中〜高。知識共有や知識ベースのプロ...
-Self-Ask
--関係性：タスク分解や質問の生成→他エージェントに解決させ...
--シミュレーション性：高。特に質問応答・サブタスク分担型...
-ToT（Tree of Thoughts）
--関係性：各エージェントが「思考の分岐」や「候補生成」に...
--シミュレーション性：中〜高。特に評価・選択メカニズムを...
-AoT（Algorithm of Thoughts）
--関係性：タスク解決を「アルゴリズム」として明示的に分解...
--シミュレーション性：高。構造化された役割分担とステップ...
***実装例 [#abe27875]
-Generative Agents
--架空の町（例: Smallville）に複数のエージェントが暮らし...
--各エージェントは「観察」「記憶」「計画」「行動」などの...
--GPT-4などのLLMで内面の思考・対話・行動を生成。
-ChatDev：
--開発プロセスを企業のようにモデル化（例: CEO、CTO、プロ...
--各役職に対応するLLMエージェントが協調してコードを設計・...
--各フェーズでチャットを通じて議論・意思決定。
***繋がり方 [#u969328f]
-同期的チャット：エージェント同士がリアルタイムで交互に発...
-非同期メッセージパッシング：あるエージェントがメッセージ...
-ブラックボードアーキテクチャ：共通の「知識ベース」や「ワ...
-メモリ共有と再利用：各エージェントが記憶や知識を共有する...
-オーケストレーション（制御）：マスターエージェントやタス...
**フレームワーク [#v6874125]
***[[OpenAI Agents SDK]] [#r5b1d61d]
***[[CrewAI]] [#s540afde]
***[[LangGraph]] [#q3447d17]
***[[AutoGen]] [#p245766b]
*参考 [#c6364fe2]
https://speakerdeck.com/os1ma/imakosoxue-bullmbesunoaiezi...
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
