CrewAIによるマルチエージェントシステム#

CrewAIは、自律的に協力して動作するAIエージェントのチームを作成できるようにします。各エージェントは、その行動を導く特定の役割、目標、バックストーリーを持っています。

CrewAIとは？#

CrewAIは、役割分担する自律エージェントを調整するためのフレームワークです。以下のことが可能です：

特定のペルソナと専門知識を持つエージェントを定義する
明確な目的を持つタスクを作成する
エージェント間の協調を調整する
エージェントの能力に基づいて作業を自動的に委任する

インストール#

bash

pip install crewai crewai-tools

コアコンポーネント#

エージェント#

エージェントはあなたのクルーの構成要素です：

python

from crewai import Agent

researcher = Agent(
    role="シニアリサーチアナリスト",
    goal="AIにおける最先端の進展を明らかにする",
    backstory="""あなたは主要なテックシンクタンクで働いています。
    あなたの専門は、新興トレンドを特定することにあります。""",
    tools=[search_tool, scrape_tool],
    llm=claude_3,
    verbose=True
)

writer = Agent(
    role="テックコンテンツストラテジスト",
    goal="AIの発見に関する魅力的なコンテンツを作成する",
    backstory="""あなたは、複雑なトピックを分かりやすくすることで知られる
    有名なコンテンツストラテジストです。""",
    llm=claude_3,
    verbose=True
)

タスク#

タスクは、エージェントが達成する必要があることを定義します：

python

from crewai import Task

research_task = Task(
    description="""2024年にリリースされた最新の
    AIエージェントフレームワークに関する包括的な調査を実施してください。""",
    expected_output="主要な発見を含む詳細なレポート",
    agent=researcher
)

writing_task = Task(
    description="""調査結果を使用して、
    トップAIエージェントフレームワークに関するブログ記事を作成してください。""",
    expected_output="公開準備が整った洗練されたブログ記事",
    agent=writer,
    context=[research_task]  # このタスクは調査に依存します
)

クルーの組み立て#

python

from crewai import Crew, Process

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential,  # または Process.hierarchical
    verbose=True
)

result = crew.kickoff()

高度なパターン#

階層型プロセス#

複雑なワークフローの場合は、マネージャーエージェントを使用します：

python

from crewai import Crew, Process

crew = Crew(
    agents=[researcher, writer, editor],
    tasks=[research_task, writing_task, editing_task],
    process=Process.hierarchical,
    manager_llm=gpt4,  # マネージャーエージェントはGPT-4を使用します
)

カスタムツール#

エージェント用の専門ツールを作成します：

python

from crewai_tools import BaseTool

class DataAnalysisTool(BaseTool):
    name: str = "データアナライザー"
    description: str = "データセットを分析し、洞察を返します"

    def _run(self, dataset_path: str) -> str:
        # 実装
        return analysis_results

ベストプラクティス#

明確な役割定義: エージェントに明確で重複しない役割を与える
具体的な目標: エージェントの目標を測定可能で達成可能なものにする
豊富なバックストーリー: 詳細なバックストーリーはエージェントの推論を改善する
タスク依存関係: コンテキストを使用してタスク出力を連鎖させる
メモリ管理: 長時間実行されるクルーにはメモリを有効にする

実世界のユースケース#

コンテンツ作成パイプライン: 調査執筆 → 編集 → SEO
カスタマーサポート: トリアージ解決 → フォローアップ
データ分析: 収集処理 → 可視化 → レポート作成