Microsoft AutoGen 「りんご売買」エージェントの顛末

みなさんこんにちは。エンジニアの佐藤です。

前回「LangGraphで最小限のAIエージェントを作る」というお話をしました。今回はこれを一歩進めて、AIエージェント同士の会話を試みたいと思います。

Microsoft AutoGenに辿り着くまで

前回はLangGraphを使いましたが、それは「著名なLangChainの姉妹品なら」という期待があったためです。実は、あのコードをクラスにして2つ展開すれば、エージェント同士の会話は成立します。しかし、「もっと簡単な方法はないのか？」という気持ちが募ってきました。筆者が最も苦痛に感じたのは、双方のやり取りのメッセージ履歴を維持し、それを元に条件分岐を判断する部分です。この処理はAIエージェントの核心ではありますが、当たり前の処理とも言えます。これらをフレームワークの内部に隠蔽し、メッセージのやり取りに集中できるフレームワークはないものでしょうか？世間では「2025年はAIエージェントの年だ」という期待も聞こえてきます。既にどこかで開発されているものはないのでしょうか？

そう思って探していると、Microsoft AutoGenを見つけました。執筆時点の安定版はv0.2ですので、本稿はこれを使います。年末年始にドキュメントを読んでいると、なかなか良さそうに感じました。筆者が魅力的に感じたのは以下の点です。

フレクト研究開発室からIBIS2024に参加しました

こんにちは．研究開発室の牧野と北村です．研究開発室においてOperations Research (OR)のビジネス活用について研究を行っております．

さて，先日の2024年11月4日~7日にかけて第27回情報論的学習理論ワークショップ (IBIS2024)が大宮にて開催されました．そこで行われたポスターセッションにおいてフレクト研究開発室から1件のポスター発表をさせていただきました．そこで，本稿では我々の発表内容，IBISの様子などについてお伝えできればと思います.

LangGraphで最小限のAIエージェントを作る

みなさんこんにちは。エンジニアの佐藤です。

先月(2024年10月)の話ですが、Dreamforce'24でAgentforceが発表されました。これまであったEinstein Copilotが「質問すれば答えてくれる」「お願いすればやってくれる」存在だったのに対し、今度のAgentforceは「代わりに働いてくれる」というものです。キーノートで披露されたデモでは、商談日程を見込み顧客と決める、質問対応をこれまでより高度に自動処理する、オフィスの仲間のように各種作業をやってくれる、などの「AIエージェント」が登場します。マスコット達も未来的なロボットになり、何やらSFの世界に踏み込んだような感じさえします。

しかし、楽しんでばかりはいられません。これをお客さまの要望に沿ってインテグレーションするにはどうすれば良いのでしょうか？

Agentforceは言わば、Einstein Copilotを外向きに公開したようなものです。しかしそれだけではありません。Einstein Copilotの立ち位置が「副操縦士(co-pilot)」で、逐次従う存在であったのに対し、Agentforceは自律的に動作します。この自立性を実現するのがAtlas Reasoning Engineですが、その中身ははっきりしません。

しかし筆者には心当たりがありました。

Service Agent を Web ページから利用する

こんにちは。エンジニアの山下です。

Dreamforce 2024 で華々しく発表された Agentforce ですが、中でも一際力が入っていたのが Service Agent の発表です。これは LLM にエージェントとしてお客様の対応を行なってもらうサービスで、チャットボットなどの従来のサービスよりも自然かつ柔軟な対応が行える点が魅力です。

Service Agent は Salesforce の外部の Web ページからも利用できるように設計されており、任意の画面にチャット形式で埋め込むことが可能です。Salesforce に直結したフルマネージド LLM をそのまま Web ページに埋め込めるとあっては試さないわけにはいきません。

しかしながら、Service Agent の Web ページへの組み込みにはその実装方法が難解であるという難点があります。これは Service Agent が Omni-Channel というあらゆる種類の営業チャネルを統括する仕組みを利用して外部に公開されることに由来します。Omni-Channel はそのコンテキストの大きさ故にそれなりに複雑かつ公式ドキュメントも雑多なため、Service Agent を Web ページに組み込むための必要十分な情報を得るのが難しくなってしまっている印象があります。

せっかく筋の良さそうなサービスがあるのに、これはもったいない状況です。というわけで、今回は Service Agent を Web ページに組み込むのに必要最小限の設定内容について書きたいと思います。

機械学習を活用した製造機器の予知保全技術の紹介

こんにちは。研究開発室の北村 蘭丸です。研究開発室では、Operations Research (OR) のビジネス活用について研究を進めています。本記事では、その一環として現在取り組んでいる機械学習による製造機器の予知保全についてご紹介いたします。

AWSを使用したDatabricksの環境構築

こんにちは。研究開発室の東です。

今回はDatabricksを使用する際の作業領域であるワークスペースを手動で構成する方法について解説します。 本稿では、ワークスペースを構築するために必要なクラウドサービスにはAWSを使用し、S3、IAMロール、VPCなどの必要なリソースの作成にはAWS CDKを使用します。

本稿では、以下の点を取り扱います。

• Databricksワークスペースの手動作成
• AWS CDK (Python)を使用したCloudformationスタックの作成
• S3, IAM role, VPCの作成

想定される読者は、以下のような方々です。

• Databricksの導入(premium plan以上・クラウドにAWSを使用)を考えている方
• Databricksに必要なAWSのリソースを手動で作成したい方
• CDK/ CloudformationでDatabricksに必要なクラウドリソースを一括で管理したい方

Agentforce へのリブランディングに伴う Copilot の仕様の変化

こんにちは。エンジニアの山下です。

先日行われた Dreamforce 2024 の目玉として Agentforce が大きく取り上げられました。その一環として Einstein Copilot は Agent の一種として取り扱うという階層変更が行われ、またこれに伴い８月末から９月初頭にかけて一部の仕様が変更されています。

この仕様変更の中には Einstein Copilot の開発工程に大きく影響を与えるものが含まれており、その筆頭が Agent Topics の追加です。端的に述べると、これは既存の Copilot と Action の間に階層を一つ追加するような変更で、開発に対して設計レベルの影響があります。

この Agent Topics の追加により、これまで当ブログに書いてきた Einstein Copilot の記事の内容が古くなってしまったわけで、これはいただけない状況です。というわけで、今回は Agent Topics について書きたいと思います。