マルチエージェント
オーケストレーションは、アプリ内のエージェントの流れを指します。どのエージェントがどの順序で動作し、その後の判断をどのように行うか。エージェントをオーケストレーションする方法は主に 2 つあります。
- LLM に意思決定を任せる方法: LLM の知能を使って計画・推論し、それに基づいて次の手順を決めます
- コードでオーケストレーションする方法: コードでエージェントのフローを決定します
これらのパターンは組み合わせて使えます。それぞれにトレードオフがあります(以下参照)。
LLM によるオーケストレーション
Section titled “LLM によるオーケストレーション”エージェントは、instructions、tools、ハンドオフを備えた LLM です。これは、オープンエンドなタスクが与えられたときに、LLM が自律的に計画を立て、ツールでアクションやデータ取得を行い、ハンドオフでサブエージェントに委譲できることを意味します。例えば、リサーチエージェントには次のようなツールを備えられます。
- Web 検索によるオンライン情報の収集
- ファイル検索と取得による自社データや接続先の検索
- コンピュータ操作によるコンピュータ上でのアクション実行
- コード実行によるデータ分析
- 計画立案やレポート作成などに長けた専門エージェントへのハンドオフ
このパターンは、タスクがオープンエンドで、LLM の知能に依拠したい場合に適しています。重要な戦術は次のとおりです。
- 良いプロンプトに投資すること。利用可能なツール、その使い方、遵守すべきパラメーターを明確にします
- アプリを監視し、反復すること。問題箇所を見極め、プロンプトを改善します
- エージェントに内省と改善を許可すること。例えばループで実行して自己批評させる、またはエラーメッセージを与えて改善させます
- 何でもこなす汎用エージェントではなく、1 つのタスクに特化して卓越したエージェントを用意すること
- 評価 (evals) に投資すること。これによりエージェントを訓練してタスク熟達度を高められます
コードによるオーケストレーション
Section titled “コードによるオーケストレーション”LLM によるオーケストレーションは強力ですが、コードによるオーケストレーションは速度・コスト・性能の観点で、より決定的で予測可能になります。一般的なパターンは次のとおりです。
- structured outputs を用いて、コードで検査できる適切な形式のデータを生成する。例えば、エージェントにタスクをいくつかのカテゴリーに分類させ、カテゴリーに基づいて次のエージェントを選ぶ
- 複数のエージェントを、あるエージェントの出力を次のエージェントの入力に変換して連結する。ブログ記事作成のようなタスクを、リサーチ→アウトライン作成→本文執筆→批評→改善という一連のステップに分解する
- 実行役のエージェントと、それを評価してフィードバックするエージェントを
while
ループで回し、評価者が基準を満たしたと判断するまで繰り返す - 複数のエージェントを並列に実行する(例:JavaScript の基本コンポーネントである
Promise.all
を使用)。互いに依存しない複数タスクがある場合に速度面で有用
examples/agent-patterns
に多数の例があります。