Skip to content

ClassCat® AI Research

クラスキャット – assistant-ui, AG-UI, Agno, MCP, LangChain/LangGraph

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

CopilotKit 入門 : バックエンド – Copilot ランタイム

Posted on 04/21/2026 by Masashi Okumura

Copilot ランタイムは、フロントエンドアプリケーションを AI エージェントを接続するバックエンドレイヤーです。クイックスタートでセットアップされ、CopilotKit を使用するための推奨方法です。

CopilotKit : バックエンド – Copilot ランタイム

作成 : Masashi Okumura (@classcat.com)
作成日時 : 04/21/2026
バージョン : v1.56.2

* 本記事は docs.copilotkit.ai の以下のページ等を参考にしています :

  • Backend : Copilot Runtime

* 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。

 

 

CopilotKit : バックエンド – Copilot ランタイム

Copilot ランタイムは、フロントエンドを AI エージェントに接続するバックエンドであり、認証、ミドルウェア、ルーティング、等の機能を提供します。

Copilot ランタイムは、フロントエンドアプリケーションを AI エージェントを接続するバックエンドレイヤーです。クイックスタート でセットアップされ、CopilotKit を使用するための推奨方法です。

 

ランタイムのセットアップ

ランタイムは、バックエンドに追加する軽量なサーバー・エンドポイントです。Next.js を使用した最小限の例を以下に示します :

app/api/copilotkit/route.ts

import {
  CopilotRuntime,
  ExperimentalEmptyAdapter,
  copilotRuntimeNextJSAppRouterEndpoint,
} from "@copilotkit/runtime";
import { NextRequest } from "next/server";

const serviceAdapter = new ExperimentalEmptyAdapter();

const runtime = new CopilotRuntime({
  agents: {
    // your agents go here
  },
});

export const POST = async (req: NextRequest) => {
  const { handleRequest } = copilotRuntimeNextJSAppRouterEndpoint({
    runtime,
    serviceAdapter,
    endpoint: "/api/copilotkit",
  });

  return handleRequest(req);
};

そして、フロントエンドがエンドポイントを指すようにします :

<CopilotKit runtimeUrl="/api/copilotkit">
  <YourApp />
</CopilotKit>

 

エージェント

ランタイムは複数のエージェント・タイプをサポートしています。BuiltInAgent は主要なエージェントクラスです :

  • シンプルモード : model 文字列を渡すだけで、CopilotKit がすべてを処理します。迅速なセットアップに最適です。

    const builtInAgent = new BuiltInAgent({ 
      model: "openai:gpt-5.4",
    });
    const runtime = new CopilotRuntime({
      agents: { default: builtInAgent }, 
    });
    

  • ファクトリーモード:独自の AI SDK、TanStack AI、またはカスタム LLM バックエンドをもちこめます。完全な制御が必要な場合に最適です。ファクトリーモード を参照してください。

 

デフォルトエージェント

“default” という名前でエージェントを登録すると、CopilotKit の事前組み込み済み UI コンポーネントは、フロントエンドでの追加設定なしに自動的にそれを使用します。これは、プライマリエージェントが1つだけで、すべての場所で agentId を指定したくない場合に便利です。

app/api/copilotkit/route.ts

const runtime = new CopilotRuntime({
  agents: {
    // This agent will be used automatically by CopilotPopup, CopilotSidebar, etc.
    "default": new HttpAgent({ url: "https://my-agent.example.com" }),
  },
});

複数のエージェントを登録した場合、特定のエージェントが選択されない限り、”default” のエージェントがチャットを強化するものとなります。他のエージェントは、agentId を useAgent または事前構築済みコンポーネントに渡すことで使用できます。

 

ランタイムが提供するもの

認証とセキュリティ

ランタイムはサーバー上で動作する ので、エージェント通信はサーバー側で行われます。これにより、認証の強制、リクエストの検証、API キーを安全に保持するために信頼できる環境が確保されます。ランタイムを使用すると、エージェントのエンドポイントが認証されていないアクセスにさらされないように、安全なデフォルト設定が適用されます。

 

AG-UI ミドルウェア

AG-UI プロトコル は、ログ記録、ガードレール、リクエスト変換、等を行うためのミドルウェア層(agent.use)をサポートしています。ランタイムはサーバー側で実行されるため、このミドルウェアはクライアントによる改ざんが不可能な信頼できる環境で実行されます。

 

エージェント・ルーティング

ランタイムに複数のエージェントを登録すると、検出 (discovery) とルーティングを自動的に処理します。フロントエンドは、各エージェントの存在する場所やアクセス方法の詳細を知る必要はありません。

 

プレミアム機能

スレッド、可観測性、インスペクターなどの機能は、ランタイムを通じて提供されます。これらの機能により、会話の永続化、監視、デバッグ機能がすぐに利用できます。

 

組み込みミドルウェア

ランタイムは、各エージェントで .use() を手動で呼び出すことなく、CopilotRuntime 上で直接有効化できる 2 つのファーストクラスのミドルウェア・オプションをサポートしています。

 

A2UI

登録済みのすべてのエージェントに A2UIMiddleware を自動的に適用するには、”a2ui: {}” を渡します :

app/api/copilotkit/route.ts

const runtime = new CopilotRuntime({
  agents: { default: myAgent },
  a2ui: {},  // enables A2UI rendering for all agents
});

特定のエージェントのみにスコープを絞るには、エージェントのリストを渡します :

a2ui: { agents: ["my-agent"] }

フロントエンドでは、A2UI レンダラーが自動的にアクティブ化されるため、追加の設定は不要です。デフォルトのテーマを上書きしたい場合は、<CopilotKit> に a2ui prop を渡してください :

<CopilotKit runtimeUrl="/api/copilotkit" a2ui={{ theme: myCustomTheme }}>
  {children}
</CopilotKit>

 

mcpApps

mcpApps を渡すと、すべてのエージェントの MCP サーバーを単一の場所から設定できます :

app/api/copilotkit/route.ts

const runtime = new CopilotRuntime({
  agents: { default: myAgent },
  mcpApps: {
    servers: [
      { type: "http", url: "http://localhost:3108/mcp", serverId: "my-server" },
    ],
  },
});

各サーバーエントリは、オプションで agentId フィールドを受け取り、これはスコープをサーバーから単一のエージェントに限定します。指定しない場合、サーバーはすべてのエージェントから利用可能です。

 

以上





クラスキャット

最近の投稿

  • CopilotKit 入門 : バックエンド – Copilot ランタイム
  • CopilotKit 入門 : 基本 – 事前構築済みコンポーネント
  • CopilotKit 入門 : フルスタック・エージェント型アプリケーション構築用 SDK
  • AG-UI 入門 : コンセプト – コア・アーキテクチャ
  • CopilotKit 入門 : クイックスタート (LangChain, Mastra, Pydantic AI, Agno)

タグ

AG2 (14) Agno (46) Agno 2.x (22) assistant-ui (19) AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) Cursor (20) 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 Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) 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 Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2026年4月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
27282930  
« 3月    
© 2026 ClassCat® AI Research | Powered by Minimalist Blog WordPress Theme