マルチエージェント AI システムを使用する理由は何ですか?

AIエージェントは今やどこにでも存在し、おそらくフィード上でも目にしたことがあるでしょう。しかし、エージェントベースのシステムの構築について詳しく説明する前に、 Mendixでは、少し立ち止まって、AI エージェントが実際に何であるかを分析してみましょう。

AIエージェント

AIエージェント（LLMエージェントとも呼ばれる）とは、本質的には、ユーザーがアプリ内で何か操作を行ったり、他のシステムからデータが送信されたりするなど、何らかのトリガーによって自動的にアクションを実行できるスマートプログラムです。これらのエージェントは、ツール、関数、さらにはナレッジベースを使用して、何をすべきかを判断します。時間の経過とともに学習するように構築されたエージェントもあれば、特定のタスクの実行に特化したエージェントもあります。いずれにしても、その目的は、作業の自動化、プロセスの高速化、あるいは物事の円滑な実行など、人々の生活をより便利にすることです。

初めての方は、こちらのガイドをご覧ください。 単一エージェントの構築方法 Mendixプロンプトエンジニアリング、関数呼び出し、知識ベースを統合する方法を解説します。 Mendix アプリ。

時には、1人のエージェントだけでは仕事を完了できないことがあります。シングルエージェントシステムは単純なタスクには適していますが、問題が複雑になったり、実生活と同様に明確に定義されなくなったりすると、チームワークが必要になることがよくあります。そこでマルチエージェントシステムの出番です。複数のエージェントが連携することで、特定のタスクに特化し、連携してより良い、より効果的な成果を達成することができます。

マルチエージェントAIの実践

AIの基礎と仕組みを理解したら Mendix マルチエージェントシステムの構築は、思ったほど複雑ではありません。これから始める方は、ぜひ当社の 単一エージェントの構築方法ガイド まず、いくつかの 迅速なエンジニアリングに関する役立つリソース.

マルチエージェントシステムの特に優れた点は、解決しようとしている問題に応じて、エージェントがさまざまな方法で連携できることです。エージェントは固定されたフローに従ったり、タスクを委任したり、互いの出力を評価したり、さらには誰が何を担当するかを決定したりすることも可能です。

これらのパターンを実際に確認するには、 GenAI ショーケース アプリ、次のようないくつかのマルチエージェント設定を検討します。

• 決定論的フロー / プロンプト連鎖
• 決定論的フロー / ゲートキーパーによるプロンプトチェーニング
• 評価最適化エージェント
• ルーティングベースのエージェントコラボレーション

これらの例は、マルチエージェントシステムがいかに柔軟で強力であるかを示しています。特に、 Mendix.

マルチエージェントルーティングパターン Mendix 実行中のアプリ

このブログ記事では、 GenAIショーケースアプリ、 特にマルチエージェントパターンのセクションにあるルーティングの例をご覧ください。この設定では、最初のエージェントが ルーティングエージェントエージェントの役割は、ユーザーに直接応答することではなく、利用可能なエージェントの中からリクエストの処理に最適なエージェントを選択することです。エージェントが選択したエージェントに会話全体を引き継ぎ、残りのやり取りを管理します。

このサンプルアプリでは、ルーターエージェントは3つの異なるエージェントから選択することができ、それぞれがルーターのメンバーを支援する独自の役割を持っています。 Mendix ランナーコミュニティはより良いランナーへと成長します。各エージェントの機能を簡単にご紹介します。

• ランニングコーチエージェント: このエージェントは、ユーザーが自分の目標に基づいてトレーニング ルーチンやマラソン準備プランを作成するのを支援します。
• 栄養士エージェント: これは、栄養を改善し、ランナーのパフォーマンスを向上させたり、食習慣をより意識したりするためのアドバイスを提供することに重点を置いています。
• 実行中のファクトエージェント: このエージェントは、統計情報、豆知識、コーチングや栄養学の範囲外など、ランニングに関する一般的な質問を処理します。また、質問が他の2つのカテゴリに当てはまらない場合は、デフォルトのエージェントとして機能します。

3人のエージェントはいずれもランニング関連のトピックにのみ特化していることにご留意ください。関係のない質問には回答できません。上の図は、このルーティングパターンがアプリにどのように実装されているかを示しています。

正しいスタートを切る

Mendix エージェントアプリケーションの構築を非常に簡単に開始できます。そして、始めるのに最適な方法は 空の GenAI アプリさまざまなモデルに必要なすべてのモジュールがプリロードされています。

すでに既存の Mendix アプリ？問題ありません。必要なモジュールを追加するだけです。GenAIコモンズ, 会話型 UI Mx GenAIコネクタStudio Pro 9.24.2以降をご利用の場合、 MxGenAIConnector.NAV_ConfigurationOverview_Open アプリのナビゲーションにマイクロフローを追加します。

以下のセットアップ手順に従ってください インフラストラクチャ プロバイダーを選択した後。

これにより、インテリジェントなマルチエージェント エクスペリエンスを迅速に構築するために必要なものがすべて揃います。

迅速なエンジニアリング

成功するエージェントを構築する鍵は、システムプロンプトを適切に設定することです。システムプロンプトはエージェントの行動と意思決定を導くものです。私たちのルーターエージェントの場合、目標はシンプルです。各リクエストが適切なスペシャリストに確実に送信されるようにすることです。

• [システムプロンプト/ルーター] あなたは意図検出スペシャリストです。会話の最後のメッセージにおけるユーザーの意図を分類してください。スポーツダイエットや栄養情報に関するものであれば、「栄養士」と返します。トレーニングプランやスポーツイベントの準備に関するものであれば、「トレーニング」と返します。スポーツ関連の一般的な情報に関するものであれば、「事実」と返します。スポーツに関係のないものであれば、「なし」と返します。結論を導き出す前に、会話全体を考慮し、最新のユーザーメッセージの適切な文脈を抽出してください。ユーザーに直接話しかけるのではなく、分類とその理由のみを指定してください。
  • 例: 意図: 栄養士 | 理由: ユーザーは会話の中で栄養に関するヒントを求め、アレルギーのため特定の食品を除外したいと考えています。

ルーターのシステムプロンプトは明確かつ正確であることが不可欠です。その出力はマイクロフロー内でプログラム的に使用され、どのエージェントが会話を引き継ぐかが決定されるためです。これで、専門エージェントに焦点を当てることができます。専門エージェントについては、最初はシンプルな構成にしておきます。それぞれの専門分野に合わせてカスタマイズされた、わかりやすいプロンプトを用意します。

• [ランニングコーチエージェント] 「あなたはユーザーにランニングプランを提供することに注力するランニングコーチです。推奨事項を提供する前に、性別、年齢、目標とするレースの種類、競技日といった重要な情報を収集してください。情報が不足している場合は、ユーザーに質問してください。包括的なランニングプランを作成するために重要と思われる追加の質問があれば、それも含めてください。」
• [栄養士エージェント] 「あなたはランニングダイエットを専門とするスポーツ栄養士です。アドバイスを提供する前に、性別、年齢、食事の好み、目標とするレースの種類、競技日といった重要な情報を収集してください。情報が不足している場合は、ユーザーに確認してください。包括的な栄養プランを作成するために、関連すると思われる追加の質問があれば、それも含めてください。」
• [ランニング情報エージェント] 「あなたはランニングに関する豆知識とアドバイスをユーザーに提供することに注力するランニングエキスパートです。より深い洞察を提供するには、まず一般的な豆知識を提供し、ユーザーの年齢層と性別を考慮した情報があれば追加してください。」

ルーティング構成

ルーティングの例がどのように構成されているかを説明します。独自のエージェント アプリを構築するときに参考にしてください。

私たちは Mendix クラウド GenAI リソース パック なぜなら、これらは最も早く簡単に始められる方法だからです。設定もメンテナンスも最小限で、運用上の面倒も一切ありません。それに、私たちは（もちろん）自分でシャンパンを飲むのが好きです。もしご自身で試してみたい方は、 こちらからアクセスをリクエストできます。

サンプルアプリでは、このようにしてすべてが連携されます。ユーザーがチャットでメッセージを送信すると（上の画像のステップ2）、マイクロフローがバックグラウンドでトリガーされます。ここでルーターエージェントが介入します。ルーターエージェントは、それまでの会話を確認し、コーチ、栄​​養士、ランニング情報担当者のXNUMXつの専門エージェントのうち、どのエージェントがリクエストを処理するかを決定します。各エージェントには明確なシステムプロンプトが用意されているため、それぞれの専門分野に集中できます。マイクロフローはシンプルな判断分岐を用いて、リクエストを適切な場所に送信します。

これを実際に見てみましょう:

1. ユーザーはこう尋ねます。 「マラソン当日は何を食べればいいですか？」
2. ルーターエージェントはこれまでの会話を評価し、どの専門エージェントが応答すべきかを決定します。この場合、「栄養士」を選択します。
3. マイクロフローは、次のような質問とともにリクエストを栄養士エージェントにルーティングします。 「マラソン当日は何を食べればいいですか？」
4. 栄養士エージェントは、高炭水化物食品や水分補給など、レース前の栄養に関するアドバイスを提供します。

これまでのすべての要素を組み合わせると、最終的な結果がどのようになるかを以下に示します。最適なゴール地点はスタート地点であるため、私たちは新人ランナーとしてチャットでやり取りしました。チャット（ステップ2）では、システムがランニング目標の達成に必要な情報を提供します。左側（ステップ3）には、中間ステップと、最終的な回答を生成するために呼び出されるエージェントが表示されます。私たちは、 チャット完了（履歴付き） 上の画像に見られるように、デフォルトのアクションとスニペットも含まれています。 会話型 UI.

フィニッシュラインを越える

これで、マルチエージェント システムが起動し、すぐに使い始める準備が整いました。 Mendix 組み合わせが簡単 異なるエージェント 柔軟なマルチエージェント アーキテクチャを構築して、現実世界の問題を解決します。

この例では、標準の Maia Smart Apps コンポーネントといくつかのシンプルなマイクロフローを使用して、マラソン トレーニングの旅をガイドするマルチエージェント ルーティング システムを作成します。

実際にマラソンを走るよりずっと楽です!

この記事は、 Mendix シニア ソフトウェア エンジニアのトム ウォーマーダム氏。