Skip to content

ClasCat® AI Research

クラスキャット – AgentOS, AI エージェント, MCP, LangChain/LangGraph, 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

CrewAI 1.0 α : Get Started : クイックスタート

Posted on 10/07/2025 by Masashi Okumura

CrewAI も 1.0 Alpha のプレリリースが公開されています。
クイックスタートでは、CrewAI を使用して最初の AI エージェントを数分で構築します。

CrewAI 1.0 alpha : Get Started : クイックスタート

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 : 10/07/2025
バージョン : 1.0.0a3 (0.201.1)

* 本記事は github.com/crewAIInc/crewAI 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 :

  • CrewAI 1.0 α : Get Started : Quickstart

* 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。

 

 

CrewAI 1.0 α : Get Started : クイックスタート

CrewAI を使用して 5 分以内に最初の AI エージェントを構築します。

 

最初の CrewAI エージェントの構築

単純な crew を作成しましょう、これは指定されたトピックやサブジェクトについて最新の AI 開発の調査やレポートに役立ちます。

先に進む前に、CrewAI のインストールを完了していることを確認してください。まだインストールしていない場合には、インストールガイド に従ってインストールできます。

Follow the steps below to get Crewing! 🚣‍♂️
​

  1. crew の作成
    ターミナルで以下のコマンドを実行することで新しい crew プロジェクトを作成します。これは crew の基本的な構造を含む latest-ai-development という名前の新しいディレクトリを作成します。

    crewai create crew latest-ai-development
    

    以下のようなプロジェクトが作成されます :

    latest_ai_development
    ├── .env
    ├── .gitignore
    ├── knowledge
    │   └── user_preference.txt
    ├── pyproject.toml
    ├── README.md
    ├── src
    │   └── latest_ai_development
    │       ├── __init__.py
    │       ├── config
    │       │   ├── agents.yaml
    │       │   └── tasks.yaml
    │       ├── crew.py
    │       ├── main.py
    │       └── tools
    │           ├── __init__.py
    │           └── custom_tool.py
    └── tests
    

  2. 新しい crew プロジェクトに移動する

    cd latest_ai_development
    

  3. `agents.yaml` ファイルの変更

    Info : ユースケースに合わせるために必要に応じてエージェントを変更したり、そのままプロジェクトにコピー&ペーストすることができます。{topic} のような agents.yaml と tasks.yaml ファイルで変数展開される任意の変数は main.py ファイルの変数の値で置き換えられます。

    agents.yaml

    # src/latest_ai_development/config/agents.yaml
    researcher:
      role: >
        {topic} 上級データ研究員
      goal: >
        {topic} の最先端の動向を明らかにする
      backstory: >
        あなたは {topic} の最新の動向を見抜く洞察力を持つ、熟練の研究者です。
        最も関連性の高い情報を的確に見つけ出し、明確かつ簡潔にまとめる能力で知られています。
    
    reporting_analyst:
      role: >
        {topic} レポート作成アナリスト
      goal: >
        {topic} のデータ分析と調査結果に基づいて詳細なレポートを作成します
      backstory: >
        あなたは細部にまで鋭い観察力を持つ、綿密なアナリストです。
        複雑なデータを明確で簡潔なレポートに変換し、他の人がその情報を簡単に理解し、それに基づいて行動に移せるようにする能力で知られています。
    

  4. `tasks.yaml` ファイルの変更

    tasks.yaml

    # src/latest_ai_development/config/tasks.yaml
    research_task:
      description: >
        {topic} について徹底的に調査してください。
        現在の年は2025年として、興味深く関連性のある情報を確実に見つけてください。
      expected_output: >
        {topic} に関する最も関連性の高い情報を 10 個の箇条書きでまとめたリスト
      agent: researcher
    
    reporting_task:
      description: >
        得られたコンテキストをレビューし、各トピックをレポートの完全なセクションに拡張します。
        レポートが詳細で、関連するすべての情報が含まれていることを確実にしてください。
      expected_output: >
        主要なトピックを網羅し、それぞれ完全な情報セクションを備えた本格的なレポート。
        '```' を除いたマークダウン形式でフォーマットされています。
      agent: reporting_analyst
      output_file: report.md
    

  5. `crew.py` ファイルの変更

    crew.py

    # src/latest_ai_development/crew.py
    from crewai import Agent, Crew, Process, Task
    from crewai.project import CrewBase, agent, crew, task
    from crewai_tools import SerperDevTool
    from crewai.agents.agent_builder.base_agent import BaseAgent
    from typing import List
    
    @CrewBase
    class LatestAiDevelopmentCrew():
      """LatestAiDevelopment crew"""
    
      agents: List[BaseAgent]
      tasks: List[Task]
    
      @agent
      def researcher(self) -> Agent:
        return Agent(
          config=self.agents_config['researcher'], # type: ignore[index]
          verbose=True,
          tools=[SerperDevTool()]
        )
    
      @agent
      def reporting_analyst(self) -> Agent:
        return Agent(
          config=self.agents_config['reporting_analyst'], # type: ignore[index]
          verbose=True
        )
    
      @task
      def research_task(self) -> Task:
        return Task(
          config=self.tasks_config['research_task'], # type: ignore[index]
        )
    
      @task
      def reporting_task(self) -> Task:
        return Task(
          config=self.tasks_config['reporting_task'], # type: ignore[index]
          output_file='output/report.md' # This is the file that will be contain the final report.
        )
    
      @crew
      def crew(self) -> Crew:
        """Creates the LatestAiDevelopment crew"""
        return Crew(
          agents=self.agents, # Automatically created by the @agent decorator
          tasks=self.tasks, # Automatically created by the @task decorator
          process=Process.sequential,
          verbose=True,
        )
    

  6. [オプション] before / after crew 関数の追加

    crew.py

    # src/latest_ai_development/crew.py
    from crewai import Agent, Crew, Process, Task
    from crewai.project import CrewBase, agent, crew, task, before_kickoff, after_kickoff
    from crewai_tools import SerperDevTool
    
    @CrewBase
    class LatestAiDevelopmentCrew():
      """LatestAiDevelopment crew"""
    
      @before_kickoff
      def before_kickoff_function(self, inputs):
        print(f"Before kickoff function with inputs: {inputs}")
        return inputs # You can return the inputs or modify them as needed
    
      @after_kickoff
      def after_kickoff_function(self, result):
        print(f"After kickoff function with result: {result}")
        return result # You can return the result or modify it as needed
    
      # ... remaining code
    

  7. カスタム入力を crew に自由に渡してください

    例えば、topic 入力を crew に渡して、調査とレポートをカスタマイズできます。

    main.py

    #!/usr/bin/env python
    # src/latest_ai_development/main.py
    import sys
    from latest_ai_development.crew import LatestAiDevelopmentCrew
    
    def run():
      """
      Run the crew.
      """
      inputs = {
        'topic': 'AI Agents'
      }
      LatestAiDevelopmentCrew().crew().kickoff(inputs=inputs)
    

  8. 環境変数の設定

    crew を実行する前に、.env ファイルに環境変数として以下のキーセットがあることを確認してください :

    • Serper.dev API キー: SERPER_API_KEY=YOUR_KEY_HERE

    • API キーのような、選択したモデル用の構成設定。See the LLM setup guide to learn how to configure models from any provider.

  9. 依存関係をロックしてインストール

    • CLI コマンドを使用して、依存関係をロックしてインストールします :

      crewai install
      

    • インストールしたい追加のパッケージがある場合、次を実行することで対応できます :

      uv add 
      

  10. crew の実行

    • crew を実行するには、プロジェクトのルートで以下のコマンドを実行します :
    crewai run
    

  11. 最終レポートの表示

    コンソールに出力が表示され、最終レポートを含む report.md ファイルがプロジェクトのルート内に作成されます。Here’s an example of what the report should look like:

    output/report.md

 

以上



クラスキャット

最近の投稿

  • CrewAI 1.0 α : Get Started : クイックスタート
  • LangGraph 1.0 α : 本番環境 – アプリケーション構造
  • LangGraph 1.0 α : Get Started with Colab – オーケストレーター-ワーカー構成
  • LangGraph 1.0 α : Get Started with Colab – ワークフローとエージェント
  • LangGraph 1.0 α : Get started – ローカルサーバの実行

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 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme