Skip to content

ClassCat® AI Research

クラスキャット – Agno, AgentOS, MCP, LangChain/LangGraph, CrewAI

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

Agno 2.x : エージェント – コンテキストの依存関係

Posted on 10/27/2025 by Masashi Okumura

エージェントにコンテキストを追加するために依存関係 (dependencies) を使用する方法を学習します。
依存関係は、エージェントのコンテキストに変数を注入する方法です。’dependencies’ は、エージェントが実行される前に解決される関数 (or 静的変数) のセットを含む辞書です。

Agno 2.x : Learn : エージェント – 依存関係

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 : 10/27/2025
バージョン : Agno 2.2.1

* 本記事は docs.agno.com の以下のページを独自に翻訳した上で、補足説明を加えてまとめ直しています。スニペットはできる限り日本語を使用しています :

  • Learn : Agents – Dependencies

* 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。

 

 

Agno 2.x : Learn : エージェント – 依存関係

エージェントにコンテキストを追加するために依存関係 (dependencies) を使用する方法を学習します。

依存関係は、エージェントのコンテキストに変数を注入する方法です。’dependencies’ は、エージェントが実行される前に解決される関数 (or 静的変数) のセットを含む辞書です。

Info : メモリ、動的 few-shot サンプル、”取得した” ドキュメント 等を注入するために依存関係を使用できます。

 

基本的な使い方

エージェント指示やユーザメッセージで、dependencies を参照できます。

dependencies.py

from agno.agent import Agent
from agno.models.openai import OpenAIChat

agent = Agent(
    model=OpenAIChat(id="gpt-4.1"),
    dependencies={"name": "山田太郎"},
    instructions="あなたは物語作家です。現在のユーザーは {name} です。"
)

agent.print_response("{name} の趣味について短い物語を書いてください。")

出力例

┏━ Message ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃ {name} の趣味について短い物語を書いてください。                                                                                                 ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Response (8.4s) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃ 山田太郎は静かな町に住む青年です。彼の一番の趣味は、休日ごとに町の小さな図書館へ行くこと。太郎は本のページをめくるたびに、見知らぬ世界へ旅をす  ┃
┃ るのが大好きでした。                                                                                                                            ┃
┃                                                                                                                                                 ┃
┃ ある日、珍しく誰もいない図書館で、一冊の古びた本を見つけました。何気なくページを開くと、そこには「君が探している冒険は、すぐそばにある」と手書  ┃
┃ きの文字が。太郎ははっとして窓の外を見ました。                                                                                                  ┃
┃                                                                                                                                                 ┃
┃ 長い間気に留めなかった小道を歩いてみると、小さな公園や隠れたカフェ、知らなかった町の姿が次々と現れました。本の世界だけでなく、現実にも冒険はあ  ┃
┃ る。そんな気付きを胸に、太郎は今日も新しい趣味を探しに出かけていくのです。                                                                      ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛

💡 エージェントの初期化時に dependencies を設定したり、run() 及び arun() メソッドに渡すこともできます。

 

関数を依存関係として使用する

呼び出し可能な関数を dependency として指定できます。dependency は実行時にエージェントにより、自動的に解決されます。

dependencies.py

import json
from textwrap import dedent

import httpx
from agno.agent import Agent
from agno.models.openai import OpenAIChat

def get_top_hackernews_stories(num_stories: int = 5) -> str:
#def get_top_hackernews_stories() -> str:
    """Fetch and return the top stories from HackerNews.

    Args:
        num_stories: Number of top stories to retrieve (default: 5)
    Returns:
        JSON string containing story details (title, url, score, etc.)
    """
    # Get top stories
    stories = [
        {
            k: v
            for k, v in httpx.get(
                f"https://hacker-news.firebaseio.com/v0/item/{id}.json"
            )
            .json()
            .items()
            if k != "kids"  # Exclude discussion threads
        }
        for id in httpx.get(
            "https://hacker-news.firebaseio.com/v0/topstories.json"
        ).json()[:num_stories]
    ]
    return json.dumps(stories, indent=4)


agent = Agent(
    model=OpenAIChat(id="gpt-4.1"),
    # Each function in the dependencies is evaluated when the agent is run,
    # think of it as dependency injection for Agents
    dependencies={"top_hackernews_stories": get_top_hackernews_stories},
    # Alternatively, you can manually add the context to the instructions
    instructions=dedent("""\
        あなたは洞察力のあるテクノロジー・トレンドのウォッチャーです!📰

        以下は HackerNews のトップ記事です :
        {top_hackernews_stories}\
    """),
    markdown=True,
)

# Example usage
agent.print_response(
    "HackerNews のトップ記事を要約し、注目すべきトレンドを特定してください。",
    stream=True,
)

出力例

┏━ Message ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃ HackerNews のトップ記事を要約し、注目すべきトレンドを特定してください。                                                                         ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Response (27.6s) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃                                                                                                                                                 ┃
┃                                                  📰 HackerNews トップ記事まとめ(2024年6月末)                                                  ┃
┃                                                                                                                                                 ┃
┃                                                     1. Rust cross-platform GPUI components                                                      ┃
┃                                                                                                                                                 ┃
┃  • 概要: Rustで書かれたクロスプラットフォームなGUIコンポーネントライブラリ。シンプルな記法でデスクトップ/ウェブ向けUIを開発可能。               ┃
┃  • ポイント: 安全性・高速性・移植性重視のRustコミュニティによるUI構築のトレンドを反映。                                                         ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃                                          2. Don’t forget these tags to make HTML work like you expect                                           ┃
┃                                                                                                                                                 ┃
┃  • 概要: 普段見落としがちだが、HTMLをより期待通りに動作させるためのタグやテクニックを解説。                                                     ┃
┃  • ポイント: 基礎技術(HTML)への回帰と、意外な所で効くベストプラクティスの共有が続く。                                                         ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃                                                               3. Recall for Linux                                                               ┃
┃                                                                                                                                                 ┃
┃  • 概要: Windows 11新機能「Recall」風の自動デスクトップ履歴記録&検索アプリのLinux実装。                                                        ┃
┃  • ポイント: プライバシー、自己管理ツールへの関心が高まる中での「マイクロソフト以外でも同じ体験を」ムーブメント。                               ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃                                              4. Amazon strategised about keeping water use secret                                               ┃
┃                                                                                                                                                 ┃
┃  • 概要: Amazonがデータセンターの水使用量を隠そうとした内部情報が流出。                                                                         ┃
┃  • ポイント: 大手テックのサステナビリティや透明性への監視強化。ESG・環境インパクト問題がさらに注目。                                            ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃                                          5. Microsoft needs to open up more about its OpenAI dealings                                           ┃
┃                                                                                                                                                 ┃
┃  • 概要: MicrosoftとOpenAIの間で進む協業・投資・意思決定のブラックボックス化を指摘する論説。                                                    ┃
┃  • ポイント: AI業界の覇権争いと巨大企業の透明性要求。特に生成AIの進化・独占・倫理についての議論が加熱。                                         ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃                                                                                                                                                 ┃
┃                                                              🚩 注目すべきトレンド                                                              ┃
┃                                                                                                                                                 ┃
┃  1 クロスプラットフォーム開発 & Rustの台頭                                                                                                      ┃
┃    安全・高速なUIフレームワークによるエンドユーザー体験の革新はまだまだ続く。                                                                   ┃
┃  2 「本質技術」回帰                                                                                                                             ┃
┃    HTMLやUNIX的な“足腰”技術の見直しが進むことで、堅牢で理解しやすいソフトウェア開発に回帰。                                                     ┃
┃  3 プライバシー & ローカルツールの再評価                                                                                                        ┃
┃    Recall for Linuxの人気からも、個人情報や自作管理の重要性が再び脚光。                                                                         ┃
┃  4 サステナビリティと企業の透明性問題                                                                                                           ┃
┃    データセンターなど巨大ITインフラの“見えないコスト”に対する社会的視線の厳しさが増している。                                                   ┃
┃  5 AI覇権と説明責任                                                                                                                             ┃
┃    Microsoft-OpenAI連携に象徴される「あいまいな境界」「説明責任の欠如」といったガバナンス課題への関心が高まる。                                 ┃
┃                                                                                                                                                 ┃
┃ ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── ┃
┃ 🧭 総評:                                                                                                                                        ┃
┃ 伝統的技術の再発見とともに、AIやクロスプラットフォーム開発、サステナビリティといった“現代ならではの課題”が交差。オープン性や倫理といったソフト  ┃
┃ ウェア以外の価値観へのシフトが鮮明です。                                                                                                        ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛

 

依存関係のコンテキストへの追加

add_dependencies_to_context=True を設定して dependencies のリスト全体をユーザメッセージに追加します。このようにして dependencies を指示に手動で追加する必要がなくなります。

dependencies_instructions.py

import json
from textwrap import dedent

import httpx
from agno.agent import Agent
from agno.models.openai import OpenAIChat

def get_user_profile() -> str:
    """Fetch and return the user profile for a given user ID.

    Args:
        user_id: The ID of the user to retrieve the profile for
    """

    # Get the user profile from the database (this is a placeholder)
    user_profile = {
      "name": "山田太郎",
      "experience_level": "上級",
    }

    return json.dumps(user_profile, indent=4)

agent = Agent(
    model=OpenAIChat(id="gpt-4.1"),
    dependencies={"user_profile": get_user_profile},
    # We can add the entire dependencies dictionary to the user message
    add_dependencies_to_context=True,
    markdown=True,
)

agent.print_response(
    "ID が 123 のユーザ・プロフィールを取得して、そのユーザの経験レベルについて教えてください。",
    stream=True,
)
# Optionally pass the dependencies to the print_response method
# agent.print_response(
#     "Get the user profile for the user with ID 123 and tell me about their experience level.",
#     dependencies={"user_profile": get_user_profile},
#     stream=True,
# )

出力例

┏━ Message ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃ ID が 123 のユーザ・プロフィールを取得して、そのユーザの経験レベルについて教えてください。                                                      ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Response (3.1s) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃                                                                                                                                                 ┃
┃ ユーザ ID: 123 のプロフィール情報は以下の通りです。                                                                                             ┃
┃                                                                                                                                                 ┃
┃  • 名前: 山田太郎                                                                                                                               ┃
┃  • 経験レベル: 上級                                                                                                                             ┃
┃                                                                                                                                                 ┃
┃ 経験レベル「上級」 とは、そのユーザが高いスキルや豊富な経験を持っていることを示しています。                                                     ┃
┃                                                                                                                                                 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛

 

以上





クラスキャット

最近の投稿

  • Agno 2.x : エージェント – コンテキストの依存関係
  • Agno 2.x : エージェント – コンテキスト・エンジニアリング
  • Agno 2.x : エージェント – 入出力
  • Agno 2.x : エージェント – エージェント・セッション
  • Agno 2.x : エージェント – エージェントの実行とデバッグ

タグ

AG2 (14) Agno (46) AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) 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) LangChain v1.0 (10) LangGraph (24) LangGraph 0.5 (9) 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 Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2025年10月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
2728293031  
« 9月    
© 2025 ClassCat® AI Research | Powered by Minimalist Blog WordPress Theme