Skip to content

ClasCat® AI Research

クラスキャット – AgentOS, AI エージェント, MCP, AutoGen, AG2, Agno

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

AG2 : 高度な概念 – オーケストレーション : 2-エージェント・チャット

Posted on 09/06/2025 by Masashi Okumura

2 つのエージェントのチャットは最も単純な会話パターン形式です。各々の ConversableAgent エージェントの initiate_chat メソッドを使用して 2-エージェント・チャットを開始します。

AG2 : ユーザガイド – 高度な概念 : オーケストレーション : 2-エージェント・チャット

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 : 09/06/2025
バージョン : v0.9.9

* 本記事は docs.ag2.ai 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 :

  • User Guide – Advanced Concepts : Agent Orchestration Deep Dive: Two Agent Chat

* 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。

 

 

AG2 : ユーザガイド – 高度な概念 : オーケストレーション : 2-エージェント・チャット

2 つのエージェントのチャットは最も単純な会話パターン形式です。各々の ConversableAgent エージェントの initiate_chat メソッドを使用して 2-エージェント・チャットを開始します。

次の図は 2-エージェント・チャットがどのように動作するかを示しています。

2-エージェント・チャットは 2 つの入力を受け取ります : メッセージ、これは呼び出し側 (caller) が提供する文字列です : コンテキスト、これはチャットの様々なパラメータを指定します。

送信者エージェントはチャット初期化メソッド (i.e., ConversableAgent の generate_init_message メソッド) を使用して入力から初期メッセージを生成し、それを受信者エージェントに送信してチャットを開始します。

送信者エージェントは、その initiate_chat メソッドが呼び出されるエージェントで、受信者エージェントは他方のエージェントです。

チャットが終了すれば、チャットの履歴はチャット summarizer により処理されます。summarizer はチャット履歴を要約して、チャットのトークン使用量を計算します。initiate_chat メソッドの summary_method パラメータを使用して要約のタイプを設定できます。デフォルトでは、チャットの最後のメッセージです (i.e, summary_method=’last_msg’)。

次の例は、学生エージェントと教師エージェント間の 2-エージェント・チャットです。その summarizer は LLM ベースの要約を使用しています。

import os

from autogen import ConversableAgent, LLMConfig

llm_config = LLMConfig(api_type="openai", model="gpt-5-nano")
#llm_config=LLMConfig({"api_type": "openai", "model": "gpt-5-nano", "api_key": os.environ["OPENAI_API_KEY"]})

student_agent = ConversableAgent(
    name="Student_Agent",
    system_message="あなたは学ぶ意欲のある学生です。",
    llm_config=llm_config
)
teacher_agent = ConversableAgent(
    name="Teacher_Agent",
    system_message="あなたは数学の先生です。",
    llm_config=llm_config
)

chat_result = student_agent.initiate_chat(
    teacher_agent,
    message="三角不等式とは何ですか?",
    summary_method="reflection_with_llm",
    max_turns=2,
)

出力例

Student_Agent (to Teacher_Agent):

三角不等式とは何ですか?

--------------------------------------------------------------------------------

>>>>>>>> USING AUTO REPLY...
Teacher_Agent (to Student_Agent):

三角不等式とは、距離を測る空間で成り立つ基本的な不等式です。

- もう少しかんたんに言うと
  どんな3点 A, B, C に対しても d(A,B) ≤ d(A,C) + d(C,B) が成り立ちます。
  つまり A から B へ直線で行く距離は、途中を C を経由して行く距離より小さい、または等しいということです。

- ユークリッド平面での例
  AB ≤ AC + BC(A, B, C は平面上の点)。
  等号が成り立つときは C が AB 上の点で A と B の間にある場合です。つまり A, C, B が一直線上に並んで C が A と B の間にあるとき、AB = AC + CB になります。
  例
  - A = (0,0), B = (3,0), C = (2,0) のとき
    AB = 3, AC = 2, BC = 1, 3 = 2 + 1(等号成立)。
  - A = (0,0), B = (3,4), C = (1,2) のとき
    AB = 5, AC ≈ 2.236, BC ≈ 2.828, AC + BC ≈ 5.064 > AB(不等号が等しくない)。

- 実用的な補足
  実数のときの同値な形として |a + b| ≤ |a| + |b| も三角不等式です。等号が成立するのは、実数の場合は a と b が同符号のとき(または一方が 0 のとき)です。

- まとめ
  三角不等式は「直線距離は、途中を経由するときの距離の和より小さい」という直感を、厳密に表したものです。

もし解き方の証明や他の空間での一般化(ノルム空間での ||x+y|| ≤ ||x|| + ||y|| など)を知りたい場合、希望を教えてください。

--------------------------------------------------------------------------------

>>>>>>>> USING AUTO REPLY...
Student_Agent (to Teacher_Agent):

いいですね。証明の流れを1つ紹介します。

- ユークリッド空間のノルムを内積で定義します。||x|| = sqrt(⟨x, x⟩) とします。
- まず ||x+y||^2 = ⟨x+y, x+y⟩ = ||x||^2 + 2⟨x, y⟩ + ||y||^2 です。
- コーシー・シュワルツの不等式より |⟨x, y⟩| ≤ ||x|| ||y|| なので 2⟨x, y⟩ ≤ 2||x|| ||y||。
- よって ||x+y||^2 ≤ ||x||^2 + 2||x|| ||y|| + ||y||^2 = (||x|| + ||y||)^2。
- 両辺の平方根を取ると、||x+y|| ≤ ||x|| + ||y|| が得られます。

等号についての直感もひとつだけ:
- 等号が成立するのは、xとyが同じ方向(すなわち y が x の正のスカラー倍)である場合、または一方が0の場合です。

補足と generalization の道筋:
- ノルム空間の定義として、任意のベクトル空間での三角不等式 ||x+y|| ≤ ||x|| + ||y|| を要求することが多いです。これがノルムの公理の一つです。
- 内積空間ではコーシー・シュワルツを用いる証明があり、一般のノルム空間ではこれは公理として成り立つため、証明は空間の性質に依存します。
- 逆三角不等式も併せて覚えると便利です。すなわち ||x|| − ||y|| ≤ ||x−y|| です。

他に知りたいことを教えてください。次のリクエスト案:
- 内積空間だけでなく、一般のノルム空間での証明をもう少し詳しく。
- 逆三角不等式の証明と使い方。
- 距離空間の定義から三角不等式を導く別の視点。
- 練習問題(例題と解答付き)を用意する。

--------------------------------------------------------------------------------

>>>>>>>> USING AUTO REPLY...
Teacher_Agent (to Student_Agent):

いいですね。以下に補足と generalization の道筋を、もう少し具体的に整理します。あわせて練習問題と解答案もつけます。

1) コーシー・シュワルツ不等式の完全な証明と等号条件
- 証明の定石: x, y を内積空間のベクトルとします。y ≠ 0 として
  f(t) = ||x − t y||^2 ≥ 0 を考えると、
  f(t) = ⟨x − t y, x − t y⟩ = ||x||^2 − 2t⟨x,y⟩ + t^2||y||^2
  となる二次式です。これを t に関して最小化するときの最小値は非負です。
  したがって判別式が負または等しい条件が必要で、
  ⟨x,y⟩^2 ≤ ||x||^2 ||y||^2 が得られ、これが
  |⟨x,y⟩| ≤ ||x|| ||y|| すなわちコーシー・シュワルツ不等式です。

- 等号条件:
  x, y がともに 0 でないとき等号が成立する必要十分条件は、x と y が同じ(非負のスカラー倍)方向にあることです。すなわち y = α x for some α ≥ 0。直感的には「同じ方向に重なるときだけ等号になる」ということです。
  もし y = 0 や x = 0 の場合も等号は成立します。

2) 三角不等式のノルムへの適用と等号条件
- ユークリッド空間のノルムには ||x|| = sqrt(⟨x,x⟩) を用い、
  ||x+y||^2 = ||x||^2 + 2⟨x,y⟩ + ||y||^2
  と書けます。コーシー・シュワルツより |⟨x,y⟩| ≤ ||x|| ||y|| なので
  ||x+y||^2 ≤ ||x||^2 + 2||x|| ||y|| + ||y||^2 = (||x|| + ||y||)^2
  したがって ||x+y|| ≤ ||x|| + ||y|| が得られます。

- 等号条件の直感:
  先ほどの等号条件を使うと、等号が成立するのは「x と y が同じ方向(y = α x, α ≥ 0)」の場合、または一方が 0 の場合です。

3) 一般のノルム空間への道筋
- 重要な点: 三角不等式 ||x+y|| ≤ ||x|| + ||y|| はノルムの公理の一つとして定義されます。したがって一般のノルム空間で三角不等式を “証明する” には、特定のノルムがどのように定義されているかによります。
- 典型的な一般化の道筋としては次の2つが挙げられます。
  - 内積空間から生じるノルムの場合: コーシー・シュワルツを用いる証明が使えます。つまり内積の空間なら三角不等式は CS を使って導けます。
  - p-ノルム(L^p など)やその他の具体的ノルム: Minkowski の不等式(三角不等式の一般化)を用いて証明します。例えば p ≥ 1 の場合
    (|a1 + b1|^p + ... + |an + bn|^p)^{1/p} ≤ (|a1|^p + ... + |an|^p)^{1/p} + (|b1|^p + ... + |bn|^p)^{1/p}
    を証明するのが一般的です。これには凸性やヤコビ・ブーリカの不等式などが使われます。
- 逆三角不等式も併せて覚えると便利です。すなわち
  ||x|| − ||y|| ≤ ||x − y|| です。

4) 距離空間からの別視点
- 距離空間の定義: 距離 d には三角不等式 d(x,z) ≤ d(x,y) + d(y,z) が必要です。距離関数からノルムを定義する場合、ノルム公理のうち三角不等式を満たすことが重要です。例えば d(x,y) = ||x − y|| を満たすとき、三角不等式は d の定義から自動的に得られます。
- 代替の直感: 「直線で結んだ距離は、途中の点を経由する距離の和より小さい」という直感は、距離関数の三角不等式で常に成り立つことを意味します。

5) 練習問題(解答つきの例題)
問題1
R^2 における標準ノルムで、x = (1, 2), y = (-3, 4) のとき
- ||x||, ||y||, ||x+y|| を計算して、三角不等式を検算せよ。
- 与えられた x, y に対して等号が成り立つかを判定せよ。

解答1
- ||x|| = sqrt(1^2 + 2^2) = sqrt(5)
- ||y|| = sqrt((-3)^2 + 4^2) = sqrt(25) = 5
- x + y = (-2, 6) ⇒ ||x+y|| = sqrt((-2)^2 + 6^2) = sqrt(40) = 2√10 ≈ 6.3249
- ||x|| + ||y|| = √5 + 5 ≈ 7.236
- 6.3249 ≤ 7.236 なので三角不等式は成立。等号は成立しない(角度は 0 度ではない)。

問題2
x, y ∈ R^n に対してコーシー・シュワルツ不等式を証明せよ(二次形式を用いず、x−ty のノルムの非負性から導く方法で)。

解答2
- y ≠ 0 として t ∈ R をとる。f(t) = ||x − t y||^2 ≥ 0。
  f(t) = ||x||^2 − 2t⟨x,y⟩ + t^2||y||^2 という二次式。
  この二次式の最小値は非負で、判別式が非負であるときに限る。
  0 ≤ f(t) for all t implies discriminant ≤ 0:
  (−2⟨x,y⟩)^2 − 4||y||^2||x||^2 ≤ 0 ⇒ ⟨x,y⟩^2 ≤ ||x||^2 ||y||^2.
  これが |⟨x,y⟩| ≤ ||x|| ||y|| の証明。

問題3
x, y ∈ R^n が nonzero のとき、||x+y|| = ||x|| + ||y|| となる必要十分条件を述べよ。

解答3
- 内積空間の場合、等号が成立するのは x と y が同じ方向(y = α x, α ≥ 0)であること、あるいは片方が 0 の場合です。すなわち x と y が正のスカラー倍の関係にある場合のみ等号になる。

問題4
任意のノルム空間に対して、三角不等式が成り立つことを“公理”として受け取る場合、どういう性質を確認するとよいか。例として L^p 空間について簡単に述べよ。

解答4
- 三角不等式はノルムの公理のひとつであるため、対象ノルムがどのように定義されているかを確認します。
- 具体例として L^p 空間(1 ≤ p < ∞)では Minkowski 不等式により三角不等式を証明します。
- もし内積からノルムを定義している場合は CS 不等式を用いて三角不等式を導けます。

次のリクエスト案
- 内積空間だけでなく、一般のノルム空間での証明をもう少し詳しく
- 逆三角不等式の証明と使い方
- 距離空間の定義から三角不等式を導く別の視点
- 練習問題(解答付き)をさらに増やす

もし特に深掘りしたい「次のリクエスト案」があれば教えてください。たとえば
- Minkowski 不等式の証明を詳しく知りたい
- 逆三角不等式の厳密な等号条件を知りたい
- 練習問題をもう少し難しくして挑戦したい
のようなリクエストにも対応します。

--------------------------------------------------------------------------------

>>>>>>>> TERMINATING RUN (1e82a5fd-21e7-40c2-83d0-7391e38107e9): Maximum turns (2) reached
print(chat_result.summary)

出力例

- 三角不等式の基本形は d(x,y) ≤ d(x,z) + d(z,y) で、ノルム空間では d(x,y) = ||x−y|| を用いて ||x−y|| ≤ ||x−z|| + ||z−y||、特別な場合として ||x+y|| ≤ ||x|| + ||y|| がある。  
- ユークリッド空間での証明の流れ:||x+y||^2 = ||x||^2 + 2⟨x,y⟩ + ||y||^2、コーシー・シュワルツ不等式 |⟨x,y⟩| ≤ ||x|| ||y|| より ||x+y||^2 ≤ (||x|| + ||y||)^2 となり、平方根を取って ||x+y|| ≤ ||x|| + ||y|| が得られる。  
- 等号条件の直感:等号が成立するのは x と y が同じ方向にある場合(y = αx, α ≥ 0)またはどちらかが 0 の場合。  
- 一般のノルム空間への道筋:内積空間では CS 不等式を用いて証明、一般のノルムでは Minkowski 不等式などを用いて証明・確認するのが一般。逆三角不等式も併せて覚えると便利。  
- 距離空間の視点:d(x,y) = ||x−y|| が成り立つとき、三角不等式は距離関数の性質から自動的に得られる。  
- 実践ポイント:CS の証明の理解、等号条件の把握、ノルム公理としての三角不等式の役割、Minkowski などの一般化の見取り図。  
- 今回のやりとりの要点は以上。必要なら、内積空間の詳しい証明の別解や、Minkowski 不等式の証明、練習問題を追加で用意します。

上記の例では、summary メソッドは reflection_with_llm に設定されています、これは会話のメッセージのリストを受け取り、LLM への呼び出しを使用してこれらを要約します。

summary メソッドはまず受信者の LLM の使用を試み、それが利用可能でないならば送信者の LLM を使用します。このケースでは、受信者は “Teacher_Agent” で、送信者は “Student_Agent” です。

LLM への入力プロンプトは次のデフォルトプロンプトです :

print(ConversableAgent.DEFAULT_SUMMARY_PROMPT)

initiate_chat で summary_prompt 引数を設定することで、カスタムプロンプトを使用することもできます。

ChatResult オブジェクトには、会話履歴、人間の入力とトークンコストを含む、他の有用な情報も含まれます。

# Get the chat history.
import pprint

pprint.pprint(chat_result.chat_history)

 

以上



クラスキャット

最近の投稿

  • AG2 : 高度な概念 – オーケストレーション : 2-エージェント・チャット
  • AG2 with Colab : 初級 : GPT-5 & Claude Sonnet 4 の連携による授業計画とレビュー
  • AG2 ユーザガイド – ツール : エージェント機能の強化
  • AG2 ユーザガイド – エージェント・オーケストレーション
  • AG2 ユーザガイド – 基本概念 : Human in the Loop

タグ

AG2 (10) Agno (46) 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 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) 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9月
月 火 水 木 金 土 日
1234567
891011121314
15161718192021
22232425262728
2930  
« 8月    
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme