Pengent: 軽量・高性能なAIエージェントフレームワークをご紹介

まもなくリリース＄ソース公開予定！！

🐧 Pengentとは？

Pengentは、LangChainライクな軽量フレームワークで、複数のLLM(OpenAI, Claude, Gemini, OpenRouterなど)を同じインターフェースで利用できるライブラリです。
由来は Linuxのペンギン(Tux) + AIエージェント を掛け合わせたものです。

特徴は以下の通りです：

• LangChainより軽量で高性能
• LLMとルールベースのハイブリッド構築が可能
• バックエンド・フロントエンドを含めた「すぐ使える基盤」
• 50種類以上の標準ツールと専門エージェントを搭載

---

🚀 強み

• 軽量 × 高性能：LangChainよりも扱いやすい
• 実務寄りのプリセット：すぐに役立つツール＆エージェント
• カスタマイズ性：独自要件に合わせたエージェントを簡単に構築可能
• 拡張性：MCP、バッチ処理、外部サービス連携をサポート

---

💡 ユースケース

1. 業界情報の自動収集・解析・発信

   • ニュース収集 → AI要約 → 各プラットフォームへ配信

2. AIヘルプデスク

   • ドキュメント/ソース解析 → RAG活用 → FAQ・問い合わせ対応

3. タスクアシスタント

   • Slack, Redmine, GitHub Issuesと連携
   • 通知・FAQ回答・チケット作成

4. 本格的なチャットアプリ基盤

   • 認証、DB、APIを備えたバックエンド
   • チャット＋プロジェクト管理UI

5. エージェントオーケストレーション

   • Task Runnerで複数エージェントを連携
   • ニュース収集 → 要約 → 翻訳 → 発信などを自動化

---

Pengentの主な構成

主な機能を紹介

LLM統合

• OpenAI, Claude, Gemini, OpenRouter を同じインターフェースで利用可能
• モデル切替やパラメータ調整が容易
• バッチリクエスト対応(OpenAI社、Anthropic社ならば半額)

サンプルコード

    llm_client = LLMOpenAIClient(
        model_name="gpt-4.1-mini",
        temperature=0.3,
        config={
            "is_output_file": False,
            "max_tokens": 200,
            "system_prompt": "\n".join([
                "あなたは優秀な窓口案内です。",
                "わかりやすく、自然な日本語で丁寧に説明してください。",
                "誤字や不自然な表現を避け、短めにまとめてください。"
            ]),
        }
    )
    res = llm_client.request(prompt="富士山はどこの県にありますか？")
    print(res.content)

    llm_client = LLMGeminiClient(
        model_name="gemini-2.5-flash-lite",
        temperature=0.3,
        config={            
            "is_output_file": False,
            "is_auto_setup": True,
            "max_tokens": 500,
            "system_prompt": "\n".join([
                "あなたは優秀な窓口案内です。",
                "わかりやすく、自然な日本語で丁寧に説明してください。",
                "誤字や不自然な表現を避け、短めにまとめてください。"
            ]),
        }
    )
    res = llm_client.request(prompt="富士山はどこの県にありますか？")
    print(res.content)

ツール & MCP連携（50+）

• Web検索
  • WEB検索, WEB解析,PDF読み込み,RAG登録
• ソース管理、コード解析
  • Git管理,リポジトリ解析(Github, Gitea)
• コード実行
• メッセージ通知
  • Redmine,Slack,RocketChat,Mattermost,Line,Git Issues
• ストレージ連携
• 翻訳
• データベース接続
• コンテンツ生成
• MCPを通じた外部サービス連携

エージェント

• 汎用エージェント（チャット、QAなど）
• 専門エージェント（ヒアリング、コンテンツ生成、システムデザイン、FAQ対応）
• 独自エージェントも簡単に作成可能
  • モデルの設定
  • プロンプトカスタマイズ
  • ツール/MCPの組み込み
  • パラメータ調整
• ルールベースによりエージェントを制御可能

agent = AgentCoder()
agent.set_tools(is_tools_call=False)
agent.run()
output:AgentSendOutput = agent.send("""
C#の配列の使い方を教えて欲しいです。
サンプルコードを書いてください。
"""    )
logger.debug(output)

Task Runner

• 複数エージェントをオーケストレーションが可能
• ワークフローを定義し、要件に応じた処理を自動化
• 複数メッセージ管理を実現
  • Historyメモリ
  • 要約メモリ
  • RAGメモリ

バックエンドコア機能構築

• リクエスト・タスク管理機能
• 外部データベース連携(RDB,インメモリ,NoSQL)
• ルーティング機能(エージェントの切り替え)
  • リクエストのパス、パラメータによる切替
  • メッセージによりルールベースでの切替
  • LLM(ナビゲータエージェント)の判断による切替

---

🔭 今後の展望

OSSとしてコードを公開する予定です

• 従来型AI（機械学習・ディープラーニングモデル）との統合
• 外部サービス連携のさらなる拡充
• より柔軟なワークフロー
• 開発者コミュニティとエコシステムの拡大

開発者: Ryoh (https://ryho-ya-porfolio.netlify.app/)