Upsonicとは
Upsonicは、企業向けのLLM（大規模言語モデル）オーケストレーションフレームワークです。以下の特徴を持っています：
📢 UpsonicというAIエージェントフレームワークについて詳しく解説していきます！
— Maki@Sunwood AI Labs. (@hAru_mAki_ch) January 24, 2025
1️⃣ Upsonicとは？
・エンタープライズ向けのLLMオーケストレーションフレームワーク
・タスク指向のアーキテクチャを採用
・AWS、GCP、ローカル環境でのデプロイに対応
・コスト効率の高いタスク実行が可能 https://t.co/xAj8W8Ighl
主要な特徴
-
Production-Ready設計
- AWS、GCP、またはDockerを使用したローカル環境での展開が可能
- ステートレスな企業向けアーキテクチャ
-
タスク中心の設計
- 基本的なLLM呼び出し
- V1エージェントによる高度なタスク
- MCPを統合したV2エージェントによる複雑な自動化
-
統合機能
- MCPサーバーサポート（マルチクライアント処理）
- ツール呼び出しサーバー
- Computer Use統合（Anthropicの機能を使用）
サンプルコードの基本構造
📢 UpsonicというAIエージェントフレームワークを触ってみる②
— Maki@Sunwood AI Labs. (@hAru_mAki_ch) January 31, 2025
claude-3-5-sonnet なら無事に動いた！！！
まずは基本的なニュースまとめエージェントを作成しました！ https://t.co/8idTONRlKX pic.twitter.com/mMoOEkfHrf
from upsonic import UpsonicClient, Task, AgentConfiguration
from upsonic.client.tools import Search
# クライアント設定
client = UpsonicClient("localserver")
client.set_config("ANTHROPIC_API_KEY", api_key)
client.default_llm_model = "claude/claude-3-5-sonnet"
# タスクとエージェントの定義
task = Task(description="AnthropicとOpenAIの最新ニュースを調査する", tools=[Search])
product_manager_agent = AgentConfiguration(
job_title="プロダクトマネージャー",
company_url="https://upsonic.ai",
company_objective="人々がタスクを完了するのを助けるAIエージェントフレームワークを構築する",
)
処理フローの詳細
Step 1: サーバー接続の確立
╭─────────────── Upsonic - Server Connection ────────────────╮
│ Server Type: Local(LocalServer) │
│ Connection Status: ✓ Established │
╰────────────────────────────────────────────────────────────╯
- ローカルサーバーに接続
- APIキーの設定を確認
Step 2: 企業情報の分析
╭────────────────── Upsonic - Call Result ─────────────────╮
│ LLM Model: claude/claude-3-5-sonnet │
│ Company Objective: Enterprise AI市場での展開 │
│ Estimated Cost: ~0.0045$ │
│ Time Taken: 4.34 seconds │
╰──────────────────────────────────────────────────────────╯
- エージェントが会社の目的と文脈を理解
- プロダクトマネージャーとしての視点を設定
Step 3: タスクの分解
╭────────────────── Upsonic - Call Result ─────────────────╮
│ Total Subtasks: 3 │
│ Subtask 1: Anthropicニュース検索 │
│ Subtask 2: OpenAIニュース検索 │
│ Subtask 3: 比較分析 │
│ Time Taken: 6.16 seconds │
╰──────────────────────────────────────────────────────────╯
- メインタスクを3つのサブタスクに分解
- 各サブタスクに必要なツールを割り当て
Step 4: ニュース収集と分析
Anthropicニュース分析:
╭────────────────── Upsonic - Agent Result ────────────────╮
│ Result: Anthropicの最新動向: │
│ - Claude 3の発表 │
│ - 新機能の追加 │
│ Time Taken: 26.05 seconds │
╰──────────────────────────────────────────────────────────╯
OpenAIニュース分析:
╭────────────────── Upsonic - Agent Result ────────────────╮
│ Result: OpenAIの最新動向: │
│ - GPT-4の更新 │
│ - 新サービスの展開 │
│ Time Taken: 40.64 seconds │
╰──────────────────────────────────────────────────────────╯
Step 5: 最終レポート生成
╭────────────────── Upsonic - Agent Total Cost ────────────╮
│ Estimated Cost: ~0.1825$ │
│ Total Time Taken: 101.44 seconds │
╰──────────────────────────────────────────────────────────╯
パフォーマンス分析
処理時間の内訳
- 企業情報分析: 4.34秒
- タスク分解: 6.16秒
- Anthropic分析: 26.05秒
- OpenAI分析: 40.64秒
- レポート生成: 17.73秒
コストの内訳
- 企業情報: $0.0045
- タスク分解: $0.0068
- Anthropic分析: $0.0418
- OpenAI分析: $0.1096
- レポート生成: $0.0145
- 総コスト: $0.1825
主な特徴
-
自動化されたワークフロー
- タスクの自動分解
- 並行した情報収集
- 構造化されたレポート生成
-
コスト効率
- 必要な情報のみを収集
- 効率的なAPI利用
- リアルタイムのコスト追跡
-
品質管理
- プロダクトマネージャーの視点での分析
- 一貫した情報の構造化
- 詳細なログ記録
このサンプルは、Upsonicを使用して複雑なニュース分析タスクを自動化する方法を示しており、企業のAI実装における実践的な例となっています。
リポジトリ