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。