はじめに
AI技術の急速な進歩に伴い、複数のAIエージェントを組み合わせて複雑なタスクを解決する「マルチエージェントシステム」が注目を集めています。本記事では、そのような次世代のAI Agent開発を簡単に行えるフレームワーク「Praison AI」について紹介します。
Praison AIとは
Praison AIは、AutoGenやCrewAIなどのエージェントフレームワークを活用した、ローコードで集中型のフレームワークです。様々なLLM（大規模言語モデル）アプリケーションのためのマルチエージェントシステムの作成とオーケストレーションを簡素化することを目的としています。
特徴：
- 使いやすさ
- カスタマイズ性
- 人間とエージェントの対話重視
AI Agentの基本概念
AI Agentとは、特定のタスクや目標を達成するために設計された自律的なAIシステムです。マルチエージェントシステムでは、複数のAI Agentが協力して作業を行います。各エージェントは特定の役割や専門知識を持ち、他のエージェントと情報を共有しながら複雑な問題を解決します。
Praison AIは、このようなAI Agentの作成と管理を容易にするフレームワークです。
Praison AIの主要機能
- 自動化されたAIエージェント作成: CrewAIやAutoGenフレームワークを使用
- 100以上のLLMサポート: 様々な言語モデルを利用可能
- コードベース全体とのチャット機能: プロジェクト全体のコードを理解し対話
- インタラクティブなUI: 使いやすいインターフェース
- YAML形式の設定: 簡単にエージェントを定義
- カスタムツール統合: 独自のツールを追加可能
Praison AIの使い方
インストール
!pip install praisonai
初期化
import os
from google.colab import userdata
os.environ['OPENAI_API_KEY'] = userdata.get('OPENAI_API_KEY')
!praisonai --init create a movie script about dog in moon
これにより、現在のディレクトリにagents.yamlファイルが自動生成されます。
実行
!praisonai
または
!python -m praisonai
完全自動モード
!praisonai --auto "犬が月に行く映画の脚本を作成"
Google Colabで実行したときの出力の例
ユーザーインターフェース
Praison AIは以下のインターフェースを提供しています：
- UI（マルチエージェント）
- Chat（単一AIエージェントとのチャット）
- Code（コードベース全体とのチャット）
UIを使用する場合：
pip install -U "praisonai[ui]"
export OPENAI_API_KEY="あなたのAPIキー"
chainlit create-secret
export CHAINLIT_AUTH_SECRET=xxxxxxxx
praisonai ui
カスタムツールとエージェントプレイブック
カスタムツールの作成
Praison AIでは、独自のツールを作成して統合することができます。詳細は公式ドキュメントを参照してください。
エージェントプレイブック
エージェントの役割や動作を定義するYAMLファイルを「プレイブック」と呼びます。以下は簡単な例です：
framework: crewai
topic: 犬が月に行く映画の脚本を作成
roles:
screenwriter:
backstory: "AIに関する台本を魅力的な対話で作成するスキルを持つ。"
goal: "{topic}の脚本を作成する。"
role: 脚本家
tasks:
scriptwriting_task:
description: "AIに関する魅力的なキャラクターと対話を含む脚本を開発する。"
expected_output: "制作準備が整った完全な脚本。"
| 項目 | 値 |
|---|---|
| フレームワーク | crewai |
| トピック | 犬が月に行く映画の脚本を作成 |
| 役割 | 脚本家 |
| バックストーリー | AIに関する台本を魅力的な対話で作成するスキルを持つ。 |
| 目標 | {topic}の脚本を作成する。 |
| タスク名 | scriptwriting_task |
| タスク説明 | AIに関する魅力的なキャラクターと対話を含む脚本を開発する。 |
| 期待される出力 | 制作準備が整った完全な脚本。 |
設定を変更して実行しているコードの例
import os
import yaml
from praisonai import PraisonAI
from google.colab import userdata
# Example agent_yaml content
agent_yaml = """
framework: crewai
topic: 犬が月に行く映画の脚本を作成
roles:
screenwriter:
backstory: "AIに関する台本を魅力的な対話で作成するスキルを持つ。"
goal: "{topic}の脚本を作成する。"
role: 脚本家
tasks:
scriptwriting_task:
description: "AIに関する魅力的なキャラクターと対話を含む脚本を開発する。"
expected_output: "制作準備が整った完全な脚本。"
"""
# Create a PraisonAI instance with the agent_yaml content
praisonai = PraisonAI(agent_yaml=agent_yaml)
# Add OPENAI_API_KEY Secrets to Google Colab on the Left Hand Side 🔑 or Enter Manually Below
os.environ["OPENAI_API_KEY"] = userdata.get('OPENAI_API_KEY') or "ENTER OPENAI_API_KEY HERE"
# Run PraisonAI
result = praisonai.run()
# Print the result
print(result)
Google Colabでの実行例
出力結果
Entering new CrewAgentExecutor chain...
Thought: I now can give a great answer
Final Answer: my best complete final answer to the task.
タイトル: 犬とAIの月への冒険
シーン 1: 地球 - 宇宙研究所
（室内、宇宙研究所のラボ。科学者たちが忙しく働いている。）
博士（Dr. Yamazaki）: （興奮して）ついに完成だ！このAI、ルナは犬のアポロをサポートして月に行くために設計されたんだ。
助手（Asuka）: 本当に犬が月に行ける日が来るなんて、信じられません。ルナはどの程度のサポートができるんですか？
ルナ（AI）: こんにちは、アスカ。私はアポロの健康管理、ナビゲーション、通信などを全てサポートします。
アポロ（犬）: （尻尾を振りながら）ワン！
博士（Dr. Yamazaki）: さあ、アポロ、準備はいいかい？月への旅が君を待っているぞ。
アポロ（犬）: （自信満々に）ワン！
シーン 2: 発射台
（発射台、ロケットが準備されている。アポロとルナはカプセル内に乗り込んでいる。）
ルナ（AI）: 発射まであと10秒です。アポロ、緊張しないで。私がついています。
アポロ（犬）: （少し緊張しながら）ワン...
管制官（Mission Control）: 発射5秒前、4、3、2、1... 発射！
（ロケットが発射し、空へと飛び立つ。）
シーン 3: 宇宙 - ロケット内部
（宇宙空間、アポロとルナが地球を見下ろしている。）
ルナ（AI）: 見て、アポロ。あれが地球だよ。美しいね。
アポロ（犬）: （窓の外を見て、興味津々）ワン！
ルナ（AI）: 月までの旅は順調です。何か気になることがあったら教えてね。
アポロ（犬）: ワン！（しっぽを振る）
シーン 4: 月面着陸
（月面、ロケットが静かに着陸する。）
ルナ（AI）: 着陸成功です。アポロ、外に出てみましょうか。
アポロ（犬）: （興奮して）ワン！ワン！
（アポロは宇宙服を着て、月面に降り立つ。）
シーン 5: 月面探査
（月面、アポロが走り回りながら探索している。）
ルナ（AI）: アポロ、あまり遠くへ行かないでね。ここには地球にはない景色がたくさんあるから、気を付けて。
アポロ（犬）: （楽しそうに）ワン！ワン！
（アポロは月の石を見つけ、興味深げに匂いを嗅ぐ。）
ルナ（AI）: あれは月の石だね。とても貴重なものだよ。
シーン 6: 帰還
（月面からロケットに戻り、再び地球へ向けて出発する。）
ルナ（AI）: アポロ、君は本当に素晴らしい探検家だったね。地球に戻ったら、みんなに君の冒険を話してあげよう。
アポロ（犬）: （満足そうに）ワン！
シーン 7: 地球 - 宇宙研究所
（地球、研究所に帰還したアポロとルナ。）
博士（Dr. Yamazaki）: よくやった、アポロ！君のおかげで新しい発見ができたよ。
助手（Asuka）: ルナも素晴らしいサポートをありがとう！
ルナ（AI）: 皆さんのおかげです。アポロ、またいつか新しい冒険に出かけようね。
アポロ（犬）: （喜んで）ワン！
（アポロがルナと一緒に研究所を歩いていくシーンで終わる。）
終わり
Final Answer: my best complete final answer to the task.
まとめ
Praison AIは、AI Agentの開発と運用を大幅に簡素化する強力なフレームワークです。多様なLLMのサポート、使いやすいインターフェース、カスタマイズ性の高さなど、多くの利点を持っています。AI技術者やデベロッパーにとって、複雑なAIシステムを構築する際の強力なツールとなるでしょう。
Praison AIを使って、あなたも革新的なAIアプリケーションの開発を始めてみませんか？
参考リンク
- Praison AI公式ドキュメント
-
Praison AI GitHub
GitHubには、Google Colabで簡単に動作確認ができるサンプルのノートブックがあります。
この記事がPraison AIとAI Agentについて理解する助けになれば幸いです。