Posted in人工知能

CrewAIでマルチエージェントAIを構築：Pythonで複数のAIエージェントを割り当て、連携させる

Artificial Intelligence tutorial - IT technology blog
Artificial Intelligence tutorial - IT technology blog

現代のソフトウェア開発では、多種多様なスキルを必要とするプロジェクトに頻繁に遭遇します。市場調査、機能のアイデア出し、コーディング、テスト、ドキュメント作成、マーケティング戦略まで、完全なシステムを構築する過程を想像してみてください。各段階でそれぞれ専門的な知識が必要です。

駆け出しの頃、小さなプロジェクトでほとんど全ての作業を自分でこなしたのを覚えています。多才な「ヒーロー」になった気分でしたが、実際には各分野での専門知識が不足していたため、多くの時間を費やし、ミスを犯しやすい状況でした。その時、私は、複雑なプロジェクトには、単独の個人ではなくチームが必要であるということに気づきました。この原則は、人工知能 (AI) を複雑なタスクに適用する際に、さらに当てはまります。

実問題：なぜ単一のAIエージェントでは不十分なのか？

AIを使い始めたばかりの頃、多くの人は「万能なスーパーAI」について考える傾向があります。私もかつてそうでした。私たちは通常、大規模言語モデル (LLM) に全体的なタスクを割り当て、それが自動的に解決することを期待します。例えば、「Xのトピックについて、コード例とSEO最適化を含んだブログ記事を書いてください」といった要求です。

一見シンプルに聞こえますが、結果は期待通りにならないことがよくあります。記事は調査の深さに欠けたり、コードが最適化されていなかったり、SEOが基本的なレベルにとどまったりする可能性があります。なぜそうなるのでしょうか？

原因分析：単一タスクAIエージェントの限界

問題は、LLMが非常に強力であるにもかかわらず、多面的なタスクや深い専門知識を必要とするタスクを処理する際に、固有の限界があるということです。私はよく、あらゆることに長けているが、どの分野にも深く特化していない友人に助けを求めるようなものだと想像します。その友人は多くのことができますが、卓越したレベルに達するのは難しいのです。

第一に、専門化の欠如：LLMが一度に複数のタスクを割り当てられると、注意が分散されます。一つのテーマを深く研究することに専念しながら、最適化されたコードを書くプログラマーの役割を果たし、最終的にキーワードを効果的に最適化するSEOスペシャリストの役割を果たすことはできません。そのため、結果は一般的で、際立ったものにはなりません。

第二に、コンテキストウィンドウの制限：タスクが長大かつ複雑になると、処理すべき情報がLLMの「コンテキストウィンドウ」の制限を超える可能性があります。これにより、タスクの異なる部分間の整合性や関連性を維持することが困難になります。この点については、MCPとは？Model Context Protocolを理解してAIプロジェクトに統合する方法も参照してください。

第三に、調整と制御の難しさ：AIに特定のプロセス（例：まず調査し、次に執筆し、そして最適化する）で作業させたい場合、単一のAIではそれを正確に遵守するのが困難です。ワークフローの制御やエラー修正への介入も複雑になります。

実際の作業の中で、私はこれが習得すべき重要なスキルであることに気づきました。それは、大きな問題をより小さな部分に分解し、専門の「コンポーネント」に処理を割り当てる能力です。この考え方をAIに適用すると、計り知れない可能性が見えてきます。

解決策：手動から自動化へ

1. 手動での方法：各ステップを自分で調整する

当初、私はこの方法を適用しました。LLMを使用して調査を行い、その結果を自分でコピーし、そのLLM（または別のLLM）を使用して執筆し、その後、SEOのために自分で調整するというものです。この方法は、各ステップを完全に制御し、必要に応じて簡単に修正できるという利点がありました。しかし、この方法は非常に時間がかかり、反復的であり、タスクの数や規模が増加すると拡張が困難でした。

2. 調整システムの自作

さらに一歩進んで、私はPythonコードを自作し、LLMを複数回呼び出し、毎回異なるプロンプトを与え、その結果を結合しました。例えば、「調査」のためにLLMを呼び出し、結果を保存した後、その結果を基に2番目のLLMを呼び出し、「記事を執筆」するよう要求しました。

この方法は部分的に自動化に役立ちましたが、調整ロジックの構築、エラー処理、そして各ステップが正しい順序で実行されることの確認に多大な労力を費やす必要がありました。これは、各家に独自の水道管を自作するようなもので、コストがかかる上に長期的には非効率的です。

3. マルチエージェントAIフレームワークの活用

これこそが、私が皆さんにご紹介したい最適なソリューションです。全てを自分で行う代わりに、複数のAIエージェントを作成し調整するために特別に設計されたライブラリやフレームワークを使用します。各エージェントは、プロのチームのように、特定の役割 (role) と目標 (goal) を持ちます。それらは互いに通信し、情報を交換し、協力して大きなタスクを完了することができます。

これらのフレームワークは、単一のAIエージェントの限界を克服し、LLMの能力を最大限に活用し、それぞれの専門分野に集中できるようにします。

最善策：CrewAIでマルチエージェントAIを構築する

現在利用可能なマルチエージェントフレームワーク（MicrosoftのAutoGenなど）の中でも、CrewAIはそのシンプルさ、アクセスのしやすさ、そして明確な構造により際立っており、特にPythonでこの概念に慣れ親しむ初心者にとって最適です。

CrewAIとは？

CrewAIはPython上に構築されたオープンソースフレームワークで、独立して動作しながらも連携するAIエージェントを作成、管理、調整することができます。会社の中の、市場調査員、コンテンツライター、デザイナーなどの専門家がいる部署を想像してみてください。CrewAIは、このようなAIエージェントで構成される「仮想部署」の構築を支援します。

CrewAIの目標は、複雑な問題をより小さなタスクに分割し、それを専門のエージェントに処理させることで解決することです。これらのエージェントは、互いに通信し、外部ツール（例：Web検索、ドキュメントの読み取り）を使用し、定義されたプロセスに基づいて意思決定を行うことができます。

CrewAIの主要コンポーネント

CrewAIで「チーム」を構築するには、以下の4つの主要な概念を理解する必要があります。

  • Agent: AIチームの「メンバー」です。各Agentは以下によって定義されます。
    • role (役割): 例：「市場調査専門家」。
    • goal (目標): 例：「最新のテクノロジートレンド情報を検索する」。
    • backstory (背景): エージェントの経験や性格の簡単な説明。例：「細心で慎重、データ分析を好む」。
    • llm (言語モデル): エージェントが使用するAIモデル（GPT-4、Claude 3など）。
    • tools (ツール): エージェントが使用できるツール（例：Google Search、APIアクセス、PDFファイルの読み取り）。
  • Task: エージェントが完了する必要がある特定の「タスク」です。各Taskには以下があります。
    • description (説明): タスクの詳細な内容。
    • expected_output (期待される出力): 返却される結果の形式または内容。例：「Markdown形式の500語のレポート」。
    • agent: このタスクを割り当てられたエージェント。
  • Tool: エージェントが外部世界と対話できるようにする拡張機能です。CrewAIはいくつかの組み込みツール（例：Web検索用のSerperDevTool）を提供するか、独自のツールを定義することもできます。
  • Crew: エージェントとタスクをまとめ、ワークフローを定義する「チーム」です。
    • agents: 参加するエージェントのリスト。
    • tasks: 完了する必要があるタスクのリスト。
    • process: ワークフロー。主な2つのタイプは、Process.sequential（エージェントが順番に実行：あるエージェントが完了してから次のエージェントへ）またはProcess.hierarchical（あるエージェントが他のエージェントを管理し調整する）です。

CrewAIのインストールと基本的な例

まず、CrewAIライブラリとCrewAI Toolsをインストールする必要があります。CrewAI Toolsには、エージェントが使用できる便利なツールが含まれています。


pip install crewai crewai-tools

次に、使用したい言語モデル（例：OpenAI、Anthropic Claude）のAPIキーを設定する必要があります。これらのキーは、セキュリティと管理の容易さのために環境変数に保存することをお勧めします。


import os
os.environ["OPENAI_API_KEY"] = "YOUR_OPENAI_API_KEY"
os.environ["OPENAI_MODEL_NAME"] = "gpt-4-turbo" # または gpt-3.5-turbo

さて、簡単な例を構築しましょう。「研究者」エージェントと「編集者」エージェントからなる「ブログ執筆チーム」です。


from crewai import Agent, Task, Crew, Process
from langchain_openai import ChatOpenAI

# 1. LLMの初期化
llm = ChatOpenAI(model="gpt-4-turbo", temperature=0.7)

# 2. エージェントの定義
researcher = Agent(
    role='市場調査専門家',
    goal='最新の人工知能情報とトレンドを検索する',
    backstory='AIの技術革新を常に把握している経験豊富なアナリストです。',
    verbose=True,
    allow_delegation=False,
    llm=llm
)

writer = Agent(
    role='コンテンツ編集者',
    goal='調査結果に基づき、魅力的で分かりやすいブログ記事を執筆する',
    backstory='複雑な情報を魅力的なコンテンツに変える能力を持つベテランライターです。',
    verbose=True,
    allow_delegation=True, # 必要に応じて作業を委任できる
    llm=llm
)

# 3. タスクの定義
research_task = Task(
    description='2024年のAIにおける最も顕著な3つのトレンドを検索し、それらの可能性を分析する。',
    expected_output='3つの主要なAIトレンドに関する詳細な要約と説明。',
    agent=researcher
)

write_task = Task(
    description=(
        '調査されたAIトレンドの要約に基づき、約800語のブログ記事を執筆する。 '
        '記事は明確な構成を持ち、一般読者にとって分かりやすく魅力的な言葉を使用する必要がある。'
    ),
    expected_output='Markdown形式のブログ記事の全コンテンツ。',
    agent=writer
)

# 4. Crew（チーム）の構築
blog_crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential, # 順次プロセス：調査が完了してから執筆
    verbose=True
)

# 5. Crewを起動し、結果を確認する
print("### CrewAIによるブログ作成プロセスを開始 ###")
result = blog_crew.kickoff()
print("\n### ブログの最終結果： ###")
print(result)

高度な例：ツールを使った現実世界での割り当てと連携

エージェントが真に役立つためには、外部世界と対話する能力が必要です。ここでToolsがその威力を発揮します。エージェントがインターネット上で情報を検索できるようにしたいと仮定しましょう。

CrewAI Toolsが提供するWeb検索ツールであるSerperDevToolを使用します。使用するには、SerperのAPIキーが必要です（一定量のクエリは無料で登録できます）。


# Serperライブラリがまだない場合はインストール
pip install google-search-results


import os
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool
from langchain_openai import ChatOpenAI

# APIキーの設定
os.environ["OPENAI_API_KEY"] = "YOUR_OPENAI_API_KEY"
os.environ["SERPER_API_KEY"] = "YOUR_SERPER_API_KEY" # serper.devで登録

llm = ChatOpenAI(model="gpt-4-turbo", temperature=0.7)

# 検索ツールの初期化
search_tool = SerperDevTool()

# 検索ツールを持つ研究者エージェントの定義
researcher_with_tool = Agent(
    role='市場データ分析専門家',
    goal='インターネット上で最新のテクノロジートレンドを検索・分析する',
    backstory='正確かつタイムリーな情報を収集するために常に検索ツールを使用するベテラン研究者です。',
    verbose=True,
    allow_delegation=False,
    tools=[search_tool], # このエージェントに検索ツールを割り当てる
    llm=llm
)

# コンテンツ戦略エージェントの定義
content_strategist = Agent(
    role='コンテンツ戦略専門家',
    goal='調査された市場トレンドに基づいて詳細なコンテンツ計画を策定する',
    backstory='データを魅力的なコンテンツ戦略に変え、ターゲット読者を惹きつける能力があります。',
    verbose=True,
    allow_delegation=True,
    llm=llm
)

# ツールを使用する調査タスクの定義
research_task_with_tool = Task(
    description='検索ツールを使用して、今後2年間でIT業界に影響を与える可能性のある最も顕著なテクノロジートレンドを5つ見つける。その後、各トレンドを要約する。',
    expected_output='各トレンドに簡単な説明と潜在的な影響を伴う、5つの主要なテクノロジートレンドのリスト。',
    agent=researcher_with_tool,
)

# コンテンツ計画タスクの定義
strategy_task = Task(
    description=(
        '調査された5つのテクノロジートレンドに基づいて、3つのブログ記事シリーズの詳細なコンテンツ計画を策定する。 '
        '各ブログ記事には、タイトル、主要なアウトライン（H2/H3）、およびターゲット読者が必要。 '
        'ブログ記事が連動し、トレンドの異なる側面をカバーしていることを確認する。'
    ),
    expected_output='タイトル、アウトライン、各記事のターゲット読者を含む、3つのブログ記事の詳細なコンテンツ計画をJSON形式で。',
    agent=content_strategist,
)

# Crewの構築
marketing_crew = Crew(
    agents=[researcher_with_tool, content_strategist],
    tasks=[research_task_with_tool, strategy_task],
    process=Process.sequential,
    verbose=True
)

# Crewの実行
print("### CrewAIと検索ツールを使ったコンテンツ計画プロセスを開始 ###")
result_advanced = marketing_crew.kickoff()
print("\n### 完成したコンテンツ計画： ###")
print(result_advanced)

CrewAIを使用する際の注意点

CrewAIでマルチエージェントAIを構築する際に最高の効果を得るために、いくつかの経験を共有したいと思います。

  1. エージェントとタスクの効果的なプロンプト技術：これが鍵です。エージェントの役割（role）、目標（goal）、背景（backstory）、そしてタスクの説明（description）、期待される出力（expected_output）は、非常に明確かつ詳細である必要があります。具体的であればあるほど、エージェントはタスクをよりよく理解し、正確な結果を生成します。
  2. 適切なLLMの選択：異なるLLMは異なる能力とコストを持っています。重要で創造性を要するタスクには、GPT-4のような強力なモデル（現在、入力1Kトークンあたり約0.03 USD、出力1Kトークンあたり0.06 USD）を優先します。よりシンプルなタスクには、GPT-3.5 Turbo（10〜20倍安い）や他のモデルの方が費用対効果が高い選択肢となります。
  3. コスト管理：エージェントがLLMを呼び出すたびにトークンとコストが発生します。CrewAIの出力（verbose=Trueの場合）を監視して、ワークフローを理解し、不必要なLLM呼び出しの数を最適化してください。APIコストを監視するツールや、各呼び出しにトークン制限を設定することをお勧めします。
  4. 実験と反復：完璧なCrewAIを構築するのは一度でできることではありません。望ましいパフォーマンスに達するまで、結果をテスト、確認、プロンプトやエージェントの役割、ワークフローの調整を繰り返す必要があります。継続的な変更と改善を恐れないでください！
  5. ツールの効果的な使用：LLMの純粋な推論能力を超えた実際の行動をエージェントに実行させるために、既存のツールを活用したり、独自のツールを構築したりしてください。これは問題解決に役立ちます。

結論

マルチエージェントAIは、興味深い概念であるだけでなく、ソフトウェア開発や他の多くの分野における複雑な課題を解決するための強力なアプローチでもあります。CrewAIを使用することで、「AIチーム」のアイデアを現実のものにし、ワークフローを自動化し、生産性を大幅に向上させるための強力な支援ツールをすぐに手に入れることができます。

問題を分割し、各エージェントに明確な役割を定義し、それらを円滑に連携させる方法を学ぶことは、非常に価値のあるスキルです。CrewAIの使い方を習得すれば、よりスマートで効率的なAIアプリケーションを構築する新しい時代を切り開くと信じています。ぜひ今日から実験を始めてみてください！

Share:
Tags: