マイクロソフト AutoGen：複数エージェント AI ワークフローと高度な自動化

マイクロソフトは、2023 年 9 月に AutoGen をオープン ソースの Python フレームワークとして導入しました。AutoGen は、複雑な多エージェント コラボレーションが可能な AI エージェントを構築するためのフレームワークです。AutoGen は、研究者、開発者、組織間で人気を博しており、GitHub では 290 人以上のコントリビューターが参加し、2024 年 5 月時点で約 900,000 回のダウンロードがあります。この成功に基づいて、マイクロソフトは AutoGen Studio を発表しました。AutoGen Studio は、開発者が AI エージェントを迅速にプロトタイピングし、実験できる低コード インターフェイスを提供します。

このライブラリは、複雑なタスクを解決し、意思決定を自動化し、コードを効率的に実行することができる、知能とモジュラー性を持つエージェントを開発するために使用されます。

マイクロソフトは最近、AutoGen Studio も導入しました。AutoGen Studio は、AI エージェントの開発を容易にするために、インタラクティブでユーザー フレンドリーなプラットフォームを提供します。AutoGen Studio は、広範なコーディングの必要性を最小限に抑え、グラフィカル ユーザー インターフェイス (GUI) を提供します。ここでは、ユーザーがエージェントをドラッグ アンド ドロップし、ワークフローを構成し、AI ドリブンのソリューションを簡単にテストできます。

AutoGen のユニークな点

AI エージェントの理解

AI の文脈では、エージェントは、自然言語処理と機械学習を使用して特定のタスクを実行できる自律的なソフトウェア コンポーネントです。マイクロソフトの AutoGen フレームワークは、従来の AI エージェントの機能を強化し、複雑な構造化された会話に参加し、共通の目標を達成するために他のエージェントとコラボレーションすることを可能にします。

AutoGen は、幅広いエージェントの種類と会話パターンをサポートしています。この多様性により、従来は人間の介入が必要だったワークフローを自動化し、金融、広告、ソフトウェア エンジニアリングなど、さまざまな業界でのアプリケーションに最適なツールとなります。

会話可能なエージェントとカスタマイズ可能なエージェント

AutoGen では、「会話可能な」エージェントの概念が導入されています。これらのエージェントは、自然言語の指示に基づいてメッセージを処理し、応答を生成し、行動を実行することができます。これらのエージェントは、豊富な対話に参加するだけでなく、特定のタスクのパフォーマンスを向上させるためにカスタマイズすることもできます。このモジュラー デザインにより、AutoGen は、シンプルな AI プロジェクトから複雑な AI プロジェクトまで、幅広いプロジェクトに強力なツールとなります。

主要なエージェントの種類:

• アシスタント エージェント: LLM を搭載したアシスタントで、コードの記述、デバッグ、または複雑なクエリへの回答などのタスクを処理できます。
• ユーザー プロキシ エージェント: ユーザーの行動をシミュレートし、開発者がユーザーを介入せずにインタラクションをテストできるようにします。また、自律的にコードを実行することもできます。
• グループ チャット エージェント: エージェントのコレクションで、複数のスキルまたは視点が必要なシナリオに最適です。

多エージェント コラボレーション

AutoGen の最も印象的な機能の 1 つは、多エージェント コラボレーション をサポートしていることです。開発者は、各エージェントに専門化された役割を割り当てて、複雑なタスクをより効率的に処理するエージェントのネットワークを作成できます。これらのエージェントは、情報を交換し、共同で決定を下し、エラーが発生しやすいまたは時間のかかるプロセスを合理化することができます。

AutoGen のコア機能

1. 多エージェント フレームワーク

AutoGen では、各エージェントが独立して動作したり、他のエージェントと協調して動作したりするエージェント ネットワークの作成を容易にします。フレームワークでは、完全に自律的なワークフローまたは必要に応じて人間の監視を含むワークフローを設計するための柔軟性が提供されます。

会話パターンには以下が含まれます:

• 1 対 1 の会話: 2 つのエージェント間のシンプルなインタラクション。
• 階層構造: エージェントはタスクをサブ エージェントに委任できるため、複雑な問題を処理しやすくなります。
• グループ会話: エージェントがタスクを解決するために共同で作業する、多エージェント グループ チャット。

2. コードの実行と自動化

多くの AI フレームワークとは異なり、AutoGen ではエージェントがコードを生成、実行、デバッグすることができます。この機能は、ソフトウェア エンジニアリングとデータ分析タスクに不可欠です。ユーザー プロキシ エージェントは、実行可能なコード ブロックを識別し、実行し、さらにコードを改良することができます。

3. ツールと API との統合

AutoGen のエージェントは、外部ツール、サービス、API と相互作用することができます。これにより、エージェントの機能が大幅に拡張され、データベースからデータを取得したり、Web リクエストを行ったり、Azure サービスと統合したりすることができます。

4. ヒューマン イン ザ ループの問題解決

人間の入力が必要なシナリオでは、AutoGen は ヒューマン エージェントの相互作用 をサポートします。開発者は、特定のタスクを実行する前に、エージェントが人間のユーザーから指示または承認を求めるように構成することができます。この機能により、重要な決定が適切なレベルの管理下で行われることを保証します。

AutoGen の動作: ディープ ダイブ

エージェントの初期化と構成

AutoGen を使用するための最初のステップは、エージェントを設定し、構成することです。各エージェントは、特定のタスクを実行するようにカスタマイズできます。開発者は、使用する LLM モデル、有効なスキル、実行環境などのパラメーターをカスタマイズすることができます。

エージェントの相互作用の調整

AutoGen では、エージェント間の会話の流れを構造化された方法で処理します。典型的なワークフローは以下のようになります:

1. タスクの紹介: ユーザーまたはエージェントがクエリまたはタスクを提示します。
2. エージェントの処理: 関連するエージェントが入力を分析し、応答を生成し、またはアクションを実行します。
3. エージェント間の通信: エージェントがデータと洞察を共有し、タスクを共同で完了します。
4. タスクの実行: エージェントがコードを実行したり、外部システムとやり取りしたりします。
5. 終了: 会話は、タスクが完了したとき、またはエラーのしきい値に達したとき、または終了条件がトリガーされたときに終了します。

エラーの処理と自己改善

AutoGen のエージェントは、エラーを賢く処理するように設計されています。タスクが失敗した場合、エージェントは問題を分析し、修正を試み、さらに解決策を繰り返すことができます。この自己修復機能は、長期間自律的に動作する信頼性の高い AI システムを作成する上で重要です。

前提条件とインストール

AutoGen を使用する前に、AI エージェント、オーケストレーション フレームワーク、Python プログラミングの基礎について十分に理解していることを確認してください。AutoGen は Python ベースのフレームワークであり、その全容は、他の AI サービス (OpenAI の GPT モデルや Microsoft Azure AI など) と組み合わせて実現されます。

pip を使用した AutoGen のインストール:

追加の機能、たとえば最適化された検索機能や外部ライブラリとの統合の場合:

環境の設定

AutoGen では、環境変数と API キーを安全に構成する必要があります。ワークスペースの初期化と構成に必要な基本的なステップを説明します:

1. 環境変数の読み込み: 機密の API キーを .env ファイルに保存し、dotenv を使用してセキュリティを維持します (api_key = os.environ.get(“OPENAI_API_KEY”))
2. 言語モデル構成の選択: 使用する LLM (OpenAI の GPT-4 など) を決定し、API エンドポイント、モデル名、キーなどの構成設定を明確に定義して、エージェント間のシームレスな通信を可能にします。

複雑なシナリオ用の AutoGen エージェントの構築

多エージェント システムを構築するには、エージェントを定義し、その動作を指定する必要があります。AutoGen では、さまざまな種類のエージェントがサポートされており、それぞれが独自の役割と機能を持ちます。

アシスタント エージェントとユーザー プロキシ エージェントの作成: コードの実行とユーザーとのやり取りを管理するためのエージェントを、洗練された構成で定義します:

from autogen import AssistantAgent, UserProxyAgent

<p># LLM 構成の定義
llm_config = {
&quot;model&quot;: &quot;gpt-4&quot;,
&quot;api_key&quot;: api_key
}</p>

<p># 複雑なコード記述と分析タスク用のアシスタント エージェントを作成
assistant = AssistantAgent(
name=&quot;coding_assistant&quot;,
llm_config=llm_config
)</p>

<p># ユーザーとのやり取りとコードの実行を管理するユーザー プロキシ エージェント
user_proxy = UserProxyAgent(
name=&quot;user_proxy&quot;,
code_execution_config={
&quot;executor&quot;: autogen.coding.LocalCommandLineCodeExecutor(work_dir=&quot;coding_workspace&quot;)
}
)</p>

from autogen import AssistantAgent, UserProxyAgent

<p># 教育用ワークフロー用のエージェントを定義します
teacher = AssistantAgent(name=&quot;teacher&quot;, llm_config=llm_config)
student = AssistantAgent(name=&quot;student&quot;, llm_config=llm_config)
evaluator = AssistantAgent(name=&quot;evaluator&quot;, llm_config=llm_config)</p>

<p># エージェント間の会話の流れを定義します
teacher.send_message(&quot;今日のトピックは微積分です。微分方程式に取り組みましょう.&quot;)
student.send_message(&quot;導関数の概念を説明してください.&quot;)
teacher.send_message(&quot;導関数は関数の変化率を表します。ここに簡単な説明があります...&quot;)</p>