※この記事は AI（Microsoft Copilot）によって生成され、筆者が内容を確認・調整しています。
※この記事は前回の記事
https://qiita.com/genkyoryo110/items/bf7ff080a2a2fe4d9fe8
の続編です。

はじめに

本記事では、LangGraph・FAISS・Ollama を組み合わせて構築した
「AIタウン」Version 8 の技術的な実装内容と設計思想をまとめます。

AIタウンは、
「管理AIがユーザー入力を分類し、適切な作業AIへ委譲する都市型AIアーキテクチャ」
をコンセプトにしたプロジェクトです。

Version 8 では、以下の基盤を完成させました。

タスク分類（chat / search / save / summarize）
作業AI（chat_agent / rag_agent / memory_agent / summarize_agent）
RAGStore による永続化記憶
LangGraph によるノードフロー構築
pytest による自動テスト整備

この記事では、Version 8 の技術内容を体系的に解説します。

1. Version 8 の目的

Version 8 の主目的は以下の通りです。

ユーザー入力を分類し、適切な作業AIへ委譲する基盤を整備する
記憶を永続化し、RAG検索で再利用できるようにする
LangGraph によるノードフローを確立する
テスト可能な構造を持たせ、品質を担保する
Version 9 のタスク拡張に備える

2. ディレクトリ構造

解析対象は以下の5ディレクトリ。

ai-town/
├─ agents/          # 各エージェント（LLM）の実装
├─ city_controller/ # LangGraph ノードと制御フロー
├─ memory/          # RAGStore（FAISS永続化）
├─ test/            # pytest テスト群
└─ tools/           # LangChain BaseTool ラッパー

3. LangGraph のノード構成

Version 8 の LangGraph は以下の4ノードで構成されます。

ノードの役割

ノード	役割
task_planner	ユーザー入力を分類（chat / search / save / summarize）
agent_selector	タスク種別に応じて作業AIを選択
worker_call	選択されたツールを実行
memory_update	save タスク時に記憶を永続化

4. 作業AI（agents/）

Version 8 では4種類の作業AIを実装しました。

4-1. chat_agent

自然な会話応答を生成するエージェント。

4-2. rag_agent

RAGStore から文脈を検索し、コンテキスト付き応答を生成。

4-3. memory_agent（要約して保存）

長文 → 要約
短文 → 保存用に整形
RAGStore に保存する前処理を担当

4-4. summarize_agent（要約専用）

文章全体を簡潔にまとめる専用エージェント。

5. RAGStore（FAISS永続化）

Version 8 の RAGStore は以下の特徴を持ちます。

FAISS によるローカル永続化
起動時に空インデックスを自動生成
add_text() → save() による即時永続化
search() による類似検索
pytest では tmp_path を使って永続化テストを実施

6. TaskPlanner の分類ロジック

Version 8 のタスク分類は以下の4種類。

タスク	キーワード例
save	覚えて、保存して、記録して
search	調べて、検索、情報
summarize	要約、まとめて
chat	上記以外

LLM には JSONOutputParser を使い、
{"task_type": "save"} のような形式で返します。

7. pytest によるテスト整備

Version 8 では、以下のテストを作成しました。

test/
├─ test_agents/
├─ test_city_controller/
├─ test_memory/
└─ test_tools/

テスト内容

agents の run() 動作確認
LangGraph の統合テスト（graph.invoke）
RAGStore の永続化テスト（tmp_path）
tools の _run() テスト

テスト結果

17 passed, 1 warning in 0.54s

Version 8 の基盤は十分に安定していることが確認できました。

8. Version 9 の拡張方針（概要）

Version 9 では、より実務的なタスクとエージェントを追加します。

8-1. 新規タスク分類案

generate（文章生成）
code（コード生成）
rewrite（書き換え）
translate（翻訳）
plan（計画立案）

8-2. 新規エージェント案

code_agent
writer_agent
translator_agent
planner_agent

8-3. LangGraph の拡張

ノード追加
並列処理
複数タスク候補の返却
worker_call の高度化

9. まとめ

Version 8 では、AIタウンの基盤となる以下の構造を完成させました。

管理AIによるタスク分類
作業AIへの委譲
RAGStore による永続化記憶
LangGraph による明確なノードフロー
pytest による品質担保

この基盤の上に、Version 9 では
より高度なタスク拡張とエージェント追加を行い、
都市型AIアーキテクチャとしての完成度を高めていきます。

✨ おわりに

Version 8 の開発は、AIタウンの「基盤構築フェーズ」を完了させる重要なステップでした。
LangGraph × RAG × 複数エージェントという構成は、
今後の AI システム開発においても応用可能な強力なアーキテクチャです。

Version 9 では、さらに実務的なタスク処理能力を持つ都市へと進化させます。