Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

OpenAI Agents SDK : マルチ・エージェントのオーケストレーション

Posted on 03/23/2025 by Masashi Okumura

マルチ・エージェントのオーケストレーション, i.e. アプリケーションのエージェントのフローについての説明です。LLM によるオーケストレーションと、コードベースのオーケストレーションの 2 種類が考えられます。

OpenAI Agents SDK : マルチ・エージェントのオーケストレーション

作成 : クラスキャット・セールスインフォメーション
作成日時 : 03/23/2025

* 本記事は openai.github.io/openai-agents-python の以下のページを独自に翻訳した上でまとめ直し、補足説明を加えています :

  • Orchestrating multiple agents

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス ⭐️ リニューアルしました 😉

◆ クラスキャット は人工知能に関する各種サービスを提供しています。お気軽にご相談ください :

  • 人工知能導入個別相談会(無償)実施中! [詳細]

  • 人工知能研究開発支援 [詳細]
    1. 自社特有情報を含むチャットボット構築支援
    2. 画像認識 (医療系含む) / 画像生成

  • PoC(概念実証)を失敗させないための支援 [詳細]

◆ お問合せ : 下記までお願いします。

  • クラスキャット セールス・インフォメーション
  • sales-info@classcat.com
  • ClassCatJP

 

 

OpenAI Agents SDK : マルチ・エージェントのオーケストレーション

オーケストレーションはアプリケーションのエージェントのフローを指します。どのエージェントがどの順序で実行され、次に何が起きるかをどのように決定するのでしょう?エージェントをオーケストレーションするために、2 つの主要な方法があります :

  1. LLM に決定を委ねる : これは LLM の知性を使用して、計画し、推論し、そしてそれに基づいて取るステップを決定します。

  2. コードによるオーケストレーション : コードを使用してエージェントのフローを決定します。

これらのパターンを混在させて組み合わせることができます。それぞれにトレードオフがあり、後述します。

 

LLM によるオーケストレーション

つまり、自由度が高い (open-ended) タスクが与えられたとき、LLM は、ツールを使用してアクションを取りデータを取得し、ハンドオフを使用してタスクをサブエージェントに委任することで、タスクに取り組む方法を自律的にに計画することができます。例えば、リサーチ・エージェントは以下のようなツールを装備できるでしょう :

  • 情報をオンラインで見つける Web 検索

  • 独自な (proprietary) データと接続を検索するファイル検索と取得

  • コンピュータ上でアクションを実行するコンピュータの使用

  • データ分析を行うコード実行

  • 計画、レポート作成等に優れた専門エージェントにハンドオフ

このパターンは、タスクの自由度が高く、LLM の知性に頼りたい場合に最適です。ここで最も重要な戦略は以下です :

  1. 良いプロンプトに投資します。どのようなツールが利用可能であるか、それらの使用方法、そしてどのようなパラメータの操作が必要かを明確にします。

  2. アプリケーションを監視して反復します。どこで間違えるかを確認して、プロンプトで反復します。

  3. エージェントが内省 (内部点検, introspect) して改良できるようにする。例えば、ループで実行し、自身を批評させます; あるいは、エラーメッセージを提供して改良させます。

  4. なんでも得意なことが期待される汎用目的のエージェントではなく、一つのタスクで優れた専門エージェントを持ちます。

  5. 評価に投資します。これはエージェントをトレーニングして、タスク上で改良し良くなるようにします。

 

コードによるオーケストレーション

LLM によるオーケストレーションが強力である一方、コードによるオーケストレーションは、速度、コストとパフォーマンスの点でタスクをより決定論的で予測可能とします。ここでの一般的なパターンは :

  • 構造化出力 を使用して、コードで検査可能な整形式 (well formed) データを生成します。例えば、エージェントにタスクを幾つかのカテゴリーに分類するように依頼してから、カテゴリーに基づいて次のエージェントを選択することができる場合があります。

  • 一つのエージェントの出力を次の入力に変換することで複数のエージェントを連鎖します。ブログ記事の作成のようなタスクを、調査、アウトラインの作成、ブログ記事の作成、その批評、そして改良の一連のステップに分解することができます。

  • while ループでタスクを遂行するエージェントを、評価してフィードバックを提供するエージェントとともに、評価するエージェント (evaluator) が出力が特定の基準をパスしたと判断するまで実行します。

  • 例えば asyncio.gather のような Python プリミティブを使用して、複数のエージェントを並列に実行します。これは、互いに依存しない複数のタスクがある場合に、速度の点で有用です。

We have a number of examples in examples/agent_patterns.

 

以上



クラスキャット

最近の投稿

  • LangGraph Platform : Get started : クイックスタート
  • LangGraph Platform : 概要
  • LangGraph : Prebuilt エージェント : ユーザインターフェイス
  • LangGraph : Prebuilt エージェント : 配備
  • LangGraph : Prebuilt エージェント : マルチエージェント

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (20) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2025年3月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
31  
« 1月   4月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme