本記事はこちらのブログを参考にしています。
翻訳にはアリババクラウドのModelStudio(Qwen)を使用しております。
AIエージェントのトレンドと実践
著者: Yanlin
過去一年間、大規模モデル分野では主に2つのホットスポットが見られました。1つはLLM（大規模言語モデル）で、ほぼ月ごとに革新が進んでおり、主に効果とコストに関する懸念が注目されています。もう1つはAIエージェントであり、さまざまな分野でのアプリケーション問題を解決しようとする試みが行われており、特にシナリオと競争力に焦点が当てられています。以下では、AIエージェントに関するトレンドと実践について詳しく共有します。
AIエージェントの洞察
AIエージェントの進化は、単一エージェントからマルチエージェントシステムへの移行が加速しています。データ中心のインテリジェントプラットフォームメカニズムがその形成を促進します。高品質なデータを構築し、継続的にデータ品質能力を最適化することが、これらのエージェントの成功にとって重要です。
AIエージェントのアーキテクチャと開発トレンド
インテリジェントエージェントとは何でしょうか？ AIエージェントは、環境を認識し、自律的に意思決定を行い、行動を実行できる知的なエンティティです。独立した思考とツールの呼び出しを通じて、徐々に目標を達成する能力を持っています。なぜエージェントが必要なのか？ それは、LLMが人間の脳内の神経推論プロセスを模倣しているだけであり、現実世界での特定のタスクを実行するには、人間の感覚（聴覚、触覚、味覚など）に類似した感覚システムが必要だからです。この感覚システムは記憶や経験によってサポートされ、最終的に行動につながる意思決定を助けます。
エージェント開発のトレンド
昨年、多くの人々が固定された単一タスクのエージェントを探索しており、特定の小さな問題を解決しようとしました。今年に入ってからは、エージェントプラットフォームやパラダイムの構築に取り組む動きが強まり、マルチエージェントの協調、オーケストレーション、データ品質システムの最適化を目指しています。究極のゴールは、すべての問題をワンストップで解決できるスーパーエージェントを開発することであり、これが真の汎用人工知能（AGI）の到来を示すでしょう。汎用性と特異性を考えると、バランスが必要であり、コスト効率も考慮しなければなりません。AGIの到来にはまだ時間がかかるため、今後の主な方向性は、データ中心のマルチエージェント協調モデルになると判断しています。
AIエージェントの競争力を構築
AIエージェントの構築において、最初に考えるべき質問は、「インテリジェントエージェントのコアとなる競争力とは何か？」です。
私たちは、モデル＋データ＋シナリオという3つのポイントがAI製品の競争力を構築する鍵であると考えています。モデルはすでに公共ドメインのデータを十分に活用しており、次の焦点はコストとパフォーマンス（DeepSeekがこの変化を加速させています）。プライベートドメインのデータは各企業のコアな障壁です。重点は、プライベートデータを徹底的に掘り下げ、それを固め、継続的に最適化し、顧客価値を最大限に引き出すことにあります。優れた生産リソースと基盤モデルの生産性サポートがあれば、継続的な進化が可能です。自分の分野に関連する高頻度、構造化、リスク管理可能なシナリオを特定し、段階的にシナリオの専門性を拡張して顧客の効率を向上させます。例えば、DEVOPS分野では、スマートコーディングがLingmaによって高頻度のシーンを突破し、インテリジェントエージェントの構築効率を向上させています。
AIエージェントのデータフライホイール
誰もがデータがコアな競争力であることを知っています。では、それぞれの分野で高品質なデータをどのように作成すればよいのでしょうか？まず、各アプリケーションは顧客から個別化された専門データを収集・統合する必要があります。次に、各分野には独自の専門データとSOPがあり、これらを顧客データと組み合わせることで、顧客の問題を効果的に解決できます。AIエージェントを構造化して顧客にリリースする際には、顧客のSLA確実性要件を満たすためにデータ評価セットを準備する必要があります。オンライン化後は、顧客からのフィードバックデータを収集し、業界データ、ツールセット、シナリオの分析と最適化に活用します。左側の評価データシステムを通じて右側のプライベート高品質データシステムを継続的に最適化することで、顧客の需要とデータの高品質な整合性を実現できます。こうしてフライホイールは回転し続け、企業の競争力を継続的に向上させます！
AIエージェント：データ中心のインテリジェントエージェントプラットフォームの構築
上記の4種類のデータを担い、循環させるシステムとは何でしょうか？私たちの答えは、データ中心のインテリジェントエージェントプラットフォームを構築することです。企業のナレッジベースを構築し、プラットフォームツールを通じてデータをMarkdown形式に変換し、それをベクトルデータベースにプッシュしてドメインデータを構築します。ツールはエージェントが構造化された顧客データにアクセスするのを支援します。データ評価セットと自動化されたインテリジェントデータ評価システムを構築します。フロントエンドで顧客フィードバックと追跡システムを確立します。マルチエージェントアーキテクチャを通じてデータとタスクの自動循環を実装します。
AIエージェント：グローバル技術アーキテクチャ
どのようにマルチエージェントアーキテクチャを構築するのか？アリババは昨年の雲栖会議でSpring-AI-Alibabaフレームワークとエコシステムツールセットを導入し、企業がインテリジェントエージェントを構築するのを支援しています。Higressを通じてシステムデータとツールセットをワンクリックで統合し、プライベートな顧客データを取得します。Otel観測システムを通じてフルチェーンのデータ品質観測を完了します。Nacosを介してプロンプトワードデータをリアルタイムで動的に更新し、最適化効果を確認します。Apache RocketMQを使用してRAGデータを動的に更新し、リアルタイムのフィードバックと最適化を行います。
AIエージェントの実践
これまでの紹介を通じて、データ中心のインテリジェントエージェントを構築することの重要性とトレンドが明らかになりました。次に、アリババがAIエージェントの実装において行ったベスト
現在、多数のお客様がHigressを使用してDeepSeekとのワンクリック統合や接続機能を利用し、Quark検索データを統合することで最適な体験を実現しています。Higressを使用することで、モデルアクセスチェーンでエンドツーエンドのTLSを有効にし、データセキュリティを保護することができます。コンテンツセーフティ対策は、データのコンプライアンスとセキュリティの問題に対応し、APIキーを一元管理することで同時実行性を向上させ、エージェントに内部APIキーを提供し、APIキー漏洩のリスクを防ぎ、内部APIキーに基づいてトラフィックとクォータを制御して、コードのバグによる高額なトークン呼び出しを回避できます。! 11
さらに詳しい議論については、ぜひグループに参加してください！! 12