5639606163
This pull request introduces the following changes: 1. **Exclude translated pages from search**: I explored ways to make the search plugin work with the i18n plugin, but it would require extensive custom JavaScript hacks. So for now, I’m holding off on this work. 2. **Switch from GPT-4.1 to o3 for even better translation quality**: While 4.1 performs well, o3 shows even greater quality for this task, and there’s no reason to avoid using it.
41 lines
No EOL
4.1 KiB
Markdown
41 lines
No EOL
4.1 KiB
Markdown
---
|
|
search:
|
|
exclude: true
|
|
---
|
|
# 複数エージェントのオーケストレーション
|
|
|
|
オーケストレーションとは、アプリ内でエージェントがどのように流れるかを指します。どのエージェントが、どの順序で実行され、その後どう決定するかを制御します。エージェントをオーケストレーションする主な方法は次の 2 つです。
|
|
|
|
1. LLM に判断させる: LLM の知能を活用し、計画・推論を行い、その結果に基づいて次のステップを決定します。
|
|
2. コードでオーケストレーションする: コード側でエージェントの流れを定義します。
|
|
|
|
これらのパターンは組み合わせて使用できます。それぞれにトレードオフがあり、以下で説明します。
|
|
|
|
## LLM によるオーケストレーション
|
|
|
|
エージェントとは、 instructions、ツール、ハンドオフを備えた LLM です。オープンエンドなタスクが与えられた場合、 LLM はタスクをどのように進めるかを自律的に計画し、ツールを使って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へタスクを委譲できます。たとえば、リサーチエージェントには次のようなツールを装備できます。
|
|
|
|
- Web 検索でオンライン情報を取得する
|
|
- ファイル検索で独自データや接続を調べる
|
|
- コンピュータ操作でコンピュータ上のアクションを実行する
|
|
- コード実行でデータ分析を行う
|
|
- 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 の知能に頼りたい場合に最適です。重要な戦術は次のとおりです。
|
|
|
|
1. 良いプロンプトに投資する。利用可能なツール、使い方、守るべきパラメーターを明確に示します。
|
|
2. アプリを監視し、改善を繰り返す。問題が起きた箇所を特定し、プロンプトを改善します。
|
|
3. エージェントに内省と改善を許可する。たとえばループで実行し自己批評させたり、エラーメッセージを渡して修正させたりします。
|
|
4. 何でもこなす汎用エージェントより、特定タスクに特化したエージェントを用意します。
|
|
5. [evals](https://platform.openai.com/docs/guides/evals) に投資する。これによりエージェントを訓練し、タスク性能を向上できます。
|
|
|
|
## 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、コードでオーケストレーションすると速度・コスト・性能の面でより決定的かつ予測可能になります。よく使われるパターンは次のとおりです。
|
|
|
|
- [structured outputs](https://platform.openai.com/docs/guides/structured-outputs) を使って、コード側で検査できる 適切な形式のデータ を生成する。たと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、そのカテゴリーに応じて次のエージェントを選択します。
|
|
- 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複数エージェントをチェーンする。ブログ記事執筆を「リサーチ → アウトライン作成 → 記事執筆 → 批評 → 改善」という一連のステップに分解できます。
|
|
- タスクを実行するエージェントを `while` ループで回し、評価とフィードバックを行うエージェントと組み合わせ、評価者が基準を満たしたと判断するまで繰り返します。
|
|
- `asyncio.gather` など Python の基本コンポーネントを用いて複数エージェントを並列実行する。互いに依存しない複数タスクがある場合に高速化できます。
|
|
|
|
[`examples/agent_patterns`](https://github.com/openai/openai-agents-python/tree/main/examples/agent_patterns) には多数のコード例があります。 |