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

CrewAI マルチエージェント・プラットフォーム : Get Started : イントロダクション

Posted on 03/26/2025 by Masashi Okumura

CrewAI の Get Started の「イントロダクション」を翻訳します。CrewAI はマルチエージェント用プラットフォームで、複雑なタスクに取り組むために協力する AI エージェント・チームを構築します。CrewAI は LangChain や他のエージェントフレームワークからは完全に独立してゼロから構築された、無駄のない軽量で高速な Python フレームワークです。

CrewAI マルチエージェント・プラットフォーム : Get Started : イントロダクション

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 : 03/26/2025

* 本記事は github.com/crewAIInc/crewAI/docs 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 :

  • introduction.mdx

* 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

 

 

CrewAI マルチエージェント・プラットフォーム : Get Started : イントロダクション

複雑なタスクに取り組むために協力する AI エージェント・チームを構築します。

 

CrewAI とは何か?

CrewAI は LangChain や他のエージェントフレームワークからは完全に独立してゼロから構築された、無駄のない軽量で高速な Python フレームワークです。

CrewAI は高位な単純さと正確な低位の制御の両方を開発者に提供し、どのようなシナリオにも合わせられる自律的 AI エージェントを作成するために理想的です :

  • CrewAI クルー : 自立性と協調的なインテリジェンスに最適化し、各エージェントが特定の役割、ツールと目標を持つような、AI チームを作成することを可能にします。

  • CrewAI フロー : きめ細かい、イベント駆動型制御、正確なタスク・オーケストレーションのための単一 LLM 呼び出し、そしてクルーをネイティブにサポートします。

100,000 人以上の開発者が私たちのコミュニティ・コースを通じて認定されており、CrewAI は enterprise-ready AI 自動化の標準に急速になりつつあります。

 

クルーがどのように動作するか

企業がビジネスゴールを達成するためにリーダーシップのもとに協力する部門 (営業、技術、マーケティング) を持つように、CrewAI も複雑なタスクを達成するために協力する専門の役割を持つ AI エージェントの組織を作成するのに役立ちます。


CrewAI フレームワーク概要

  • Crew – トップレベルの組織
    • AI エージェント・チームの管理
    • ワークフローの監督
    • コラボの保証
    • 結果の提供

  • AI エージェント – 専門チームメンバー
    • 特定の役割を持つ (研究者、執筆者)
    • 指定ツールの使用
    • タスクを委任可能
    • 自律的な決定をする

  • プロセス – ワークフロー管理システム
    • コラボパターンの定義
    • タスク割り当ての制御
    • 相互作用の管理
    • 効率的な実行の保証

  • タスク – 個々の割り当て
    • 明確な目標を持つ
    • 特定のツールの使用
    • より大きなプロセスへのフィード
    • 実行可能な結果の生成

 

How It All Works Together

  1. クルー は全体のオペレーションを組織化 (体系化)

  2. AI エージェント は特定のタスクに取り組みます。

  3. プロセス はスムースなコラボを保証します。

  4. タスク は完了して目標を達成します。

 

Key Features

  • ロール (役割) ベースのエージェント – 定義されたロール、専門性と目標を持つ専門エージェントの作成 – 研究者からアナリストそしてライターまで

  • 柔軟なツール – 外部サービスやデータソースと相互作用するためにカスタムツールや API をエージェントに装備させます。

  • インテリジェントなコラボ – エージェントは強調して動作し、洞察を共有し、そして複雑な目標を達成するためにタスクをコーディネートします。

  • タスク管理 – エージェントがタスクの依存関係を自動的に処理し、逐次的 or 並列的なワークフローを定義します。

 

How Flows Work

クルーが自律的コラボに優れている一方で、フローは構造化された自動化を提供し、ワークフロー実行に対するきめ細かい制御を提供します。フローは、タスクが確実に、安全に、効率的に実行されることを確実にし、条件付きロジック、ループや動的状態管理を正確に処理します。フローはシームレスにクルーに統合され、高い自律性と厳格な制御のバランスを取ることを可能にします。

  • フロー – 構造化ワークフロー・オーケストレーション
    • 実行パスの管理
    • 状態遷移の処理
    • タスクの順序づけ (task sequencing) の制御
    • 信頼性の高い実行の保証

  • イベント – ワークフロー・アクションのトリガー
    • 特定のプロセスの初期化
    • 動的レスポンスを有効にする
    • 条件分岐のサポート
    • リアルタイムの適応を可能にする

  • 状態 – ワークフロー実行コンテキスト
    • 実行データの保持
    • 永続性を有効にする
    • 再開性のサポート
    • 実行の整合性の保証

  • クルー・サポート – ワークフロー自動化の強化
    • 必要に応じて部分的な自律性の注入
    • 構造化ワークフローの補完
    • 自動化をインテリジェンスとバランスを取る
    • 適応性のある意思決定を可能にする

 

Key Capabilities

  • イベント駆動オーケストレーション – イベントに動的に応答する正確な実行パスの定義

  • きめ細かい制御 – ワークフローの状態と条件付き実行を安全に効率的に管理する

  • ネイティブのクルー統合 – 自律性とインテリジェンスの強化のためにクルーと労力なしに連携します。

  • 決定論的実行 – 明示的な制御フローとエラー処理で予測可能な結果を確実にします。

 

When to Use Crews vs. Flows

いつクルー v.s. フローを使用するかを理解することは、アプリケーションで CrewAI の可能性を最大化するためのキーとなります。

  • (Use Case) 自由度の高い研究 – (Recommended Approach) クルー – (Why?) タスクが創造的な思考、探究、そして適応を必要とする場合

  • コンテンツ生成 – クルー – 記事、レポートやマーケティング資料の共同作成

  • 意思決定ワークフロー – フロー – 正確な制御を持つ、予測可能で、監査可能な意思決定パスが必要な場合

  • API オーケストレーション – フロー – 特定の順序で複数の外部サービスを信頼性高く統合するため

  • ハイブリッドなアプリケーション – 組み合わせアプローチ – フローを使用して複雑なサブタスクを処理するクルーと全体のプロセスをオーケストレーションします。

 

意思決定フレームワーク

  • 次の場合にクルーを選択 : 自律的な問題解決、創造的なコラボレーション、あるいは探究的なタスクが必要。

  • 次の場合にフローを選択 : 決定論的結果、監査可能性、あるいは実行に対する正確な制御が必要。

  • 次の場合に両方を組み合わせる : アプリケーションが構造化プロセスや部分的な自律的インテリジェンスの両方を必要とする。

 

Why Choose CrewAI?

  • 🧠 自律的な操作 : エージェントは、ロールと利用可能なツールに基づいて、知的な決定を行います。

  • 📝 自然なインタラクション : エージェントは人間のチームメンバーのようにコミュニケーションを取りコラボします。

  • 🛠️ 拡張可能なデザイン : 新しいツール、ロールや機能が簡単に追加できます。

  • 🚀 Production Ready : 実世界のアプリケーションの信頼性とスケーラビリティのために構築されています。

  • 🔒 セキュリティ重視 : エンタープライズなセキュリティ要件を念頭に設計されています。

  • 💰 コスト効率性 : トークン使用量と API 呼び出しを最小化するように最適化されています。

 

以上



クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー
  • LangGraph on Colab : エージェント型 RAG
  • LangGraph : 例題 : エージェント型 RAG

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 (24) 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