@@ -4,15 +4,16 @@ search:
4
4
---
5
5
# エージェント
6
6
7
- エージェントはアプリの主要な構成ブロックです。 エージェントは、大規模言語モデル ( LLM ) に instructions と tools を設定したものです 。
7
+ エージェントは、アプリにおける中核の構成要素です。エージェントとは、 instructions と tools で設定された大規模言語モデル( LLM )です 。
8
8
9
9
## 基本設定
10
10
11
- エージェントで最も一般的に設定するプロパティは次のとおりです 。
11
+ エージェントで最もよく設定するプロパティは次のとおりです 。
12
12
13
+ - ` name ` : エージェントを識別する必須の文字列。
13
14
- ` instructions ` : 開発者メッセージまたは system prompt とも呼ばれます。
14
- - ` model ` : 使用する LLM と、temperature や top_p などのモデル調整パラメーターを指定する任意の ` model_settings ` 。
15
- - ` tools ` : エージェントがタスクを達成するために利用できるツール 。
15
+ - ` model ` : 使用する LLM と、 temperature や top_p などのモデル調整パラメーターを指定する省略可能な ` model_settings ` 。
16
+ - ` tools ` : エージェントがタスクを遂行するために利用できるツールの一覧 。
16
17
17
18
``` python
18
19
from agents import Agent, ModelSettings, function_tool
@@ -31,7 +32,7 @@ agent = Agent(
31
32
32
33
## コンテキスト
33
34
34
- エージェントはその ` context ` 型について汎用的です。コンテキストは依存性注入の手段で、 ` Runner.run() ` に渡すオブジェクトです。これはすべてのエージェント 、ツール、ハンドオフなどに渡され、エージェント実行時の依存関係や状態をまとめて保持します。任意の Python オブジェクトをコンテキストとして渡せます。
35
+ エージェントは汎用的に ` context ` 型を取ります。コンテキストは依存性インジェクション用ツールであり、あなたが作成して ` Runner.run() ` に渡すオブジェクトです。このオブジェクトはすべてのエージェント 、ツール、ハンドオフなどに渡され、エージェント実行時の依存関係や状態をまとめて保持します。任意の Python オブジェクトをコンテキストとして渡せます。
35
36
36
37
``` python
37
38
@dataclass
@@ -49,7 +50,7 @@ agent = Agent[UserContext](
49
50
50
51
## 出力タイプ
51
52
52
- デフォルトでは 、エージェントはプレーンテキスト ( つまり ` str ` ) を出力します。特定の型で出力させたい場合は ` output_type ` パラメーターを使用します。一般的には [ Pydantic] ( https://docs.pydantic.dev/ ) オブジェクトを利用しますが 、Pydantic の [ TypeAdapter] ( https://docs.pydantic.dev/latest/api/type_adapter/ ) でラップ可能な型であれば何でも対応します。たとえば dataclass、list 、TypedDict などです 。
53
+ 既定では 、エージェントはプレーンテキスト( つまり ` str ` ) を出力します。エージェントに特定の型の出力を生成させたい場合は、 ` output_type ` パラメーターを使用します。よく使われるのは [ Pydantic] ( https://docs.pydantic.dev/ ) オブジェクトですが 、Pydantic の [ TypeAdapter] ( https://docs.pydantic.dev/latest/api/type_adapter/ ) でラップ可能な型 ― dataclass、リスト 、TypedDict など ― であれば何でもサポートしています 。
53
54
54
55
``` python
55
56
from pydantic import BaseModel
@@ -70,11 +71,11 @@ agent = Agent(
70
71
71
72
!!! note
72
73
73
- `output_type` を渡すと、モデルは通常のプレーンテキスト応答の代わりに [structured outputs](https://platform.openai.com/docs/guides/structured-outputs) を使用するよう指示されます。
74
+ `output_type` を渡すと、モデルは通常のプレーンテキスト応答ではなく [structured outputs](https://platform.openai.com/docs/guides/structured-outputs) を使用するよう指示されます。
74
75
75
76
## ハンドオフ
76
77
77
- ハンドオフは、エージェントが委譲できるサブエージェントです。ハンドオフのリストを渡しておくと、エージェントは必要に応じてそれらに処理を委譲できます。これにより、単一のタスクに特化したモジュール式エージェントを編成できる強力なパターンが実現します 。詳細は [ handoffs ] ( handoffs.md ) ドキュメントをご覧ください。
78
+ ハンドオフは、エージェントが委任できるサブエージェントです。ハンドオフのリストを渡すと、関連性がある場合にエージェントがそれらへ委任できます。これは、単一タスクに特化したモジュール型エージェントをオーケストレーションする強力なパターンです 。詳細は [ ハンドオフ ] ( handoffs.md ) ドキュメントをご覧ください。
78
79
79
80
``` python
80
81
from agents import Agent
@@ -95,7 +96,7 @@ triage_agent = Agent(
95
96
96
97
## 動的 instructions
97
98
98
- 通常はエージェント作成時に instructions を指定しますが、関数を介して動的に instructions を提供することもできます 。その関数はエージェントとコンテキストを受け取り、プロンプトを返す必要があります。同期関数と ` async ` 関数の両方に対応しています 。
99
+ 多くの場合、エージェント作成時に instructions を指定できますが、関数を介して動的に渡すことも可能です 。その関数はエージェントとコンテキストを受け取り、プロンプトを返す必要があります。通常の関数も ` async ` 関数も使用できます 。
99
100
100
101
``` python
101
102
def dynamic_instructions (
@@ -110,17 +111,17 @@ agent = Agent[UserContext](
110
111
)
111
112
```
112
113
113
- ## ライフサイクルイベント (hooks)
114
+ ## ライフサイクルイベント(フック)
114
115
115
- 場合によっては、エージェントのライフサイクルを観察したいことがあります 。たとえば、イベントをログに記録したり、特定のイベント発生時にデータを事前取得したりする場合です。 ` hooks ` プロパティを使ってエージェントのライフサイクルにフックできます。[ ` AgentHooks ` ] [ agents.lifecycle.AgentHooks ] クラスをサブクラス化し 、関心のあるメソッドをオーバーライドしてください。
116
+ エージェントのライフサイクルを監視したい場合があります 。たとえば、イベントをログに記録したり、特定のイベント発生時にデータを事前取得したりしたい場合です。 ` hooks ` プロパティを使ってエージェントのライフサイクルにフックできます。 [ ` AgentHooks ` ] [ agents.lifecycle.AgentHooks ] クラスを継承し 、関心のあるメソッドをオーバーライドしてください。
116
117
117
118
## ガードレール
118
119
119
- ガードレールを使うと、エージェントの実行と並行してユーザー入力に対するチェックやバリデーションを実行できます 。たとえば、ユーザーの入力内容が関連しているかをスクリーニングできます 。詳細は [ guardrails] ( guardrails.md ) ドキュメントをご覧ください。
120
+ ガードレールを使用すると、エージェントの実行と並行してユーザー入力のチェックやバリデーションを行えます 。たとえば、ユーザー入力の関連性をスクリーニングすることが可能です 。詳細は [ guardrails] ( guardrails.md ) ドキュメントをご覧ください。
120
121
121
- ## エージェントの複製
122
+ ## エージェントのクローン/コピー
122
123
123
- ` clone() ` メソッドを使用すると、エージェントを複製し、必要に応じて任意のプロパティを変更できます 。
124
+ エージェントの ` clone() ` メソッドを使用すると、エージェントを複製し、任意のプロパティを変更できます 。
124
125
125
126
``` python
126
127
pirate_agent = Agent(
@@ -137,15 +138,15 @@ robot_agent = pirate_agent.clone(
137
138
138
139
## ツール使用の強制
139
140
140
- ツールの一覧を渡しても、 LLM が必ずツールを使用するとは限りません。 [ ` ModelSettings.tool_choice ` ] [ agents.model_settings.ModelSettings.tool_choice ] を設定することでツール使用を強制できます。有効な値は次のとおりです 。
141
+ ツールのリストを渡しても、必ずしも LLM がツールを使用するとは限りません。 [ ` ModelSettings.tool_choice ` ] [ agents.model_settings.ModelSettings.tool_choice ] を設定することでツール使用を強制できます。有効な値は以下のとおりです 。
141
142
142
- 1 . ` auto ` — ツールを使用するかどうかを LLM が判断します 。
143
- 2 . ` required ` — LLM にツール使用を必須化します ( ただし使用するツールは自動選択 ) 。
144
- 3 . ` none ` — LLM にツールを使用しないことを要求します 。
145
- 4 . 特定の文字列 ( 例: ` my_tool ` ) — その特定のツールを LLM に使用させます 。
143
+ 1 . ` auto ` : LLM がツールを使用するかどうかを判断します 。
144
+ 2 . ` required ` : LLM にツール使用を必須にします( ただし使用するツールは自動選択) 。
145
+ 3 . ` none ` : LLM にツールを使用しないことを必須にします 。
146
+ 4 . 文字列(例 ` my_tool ` )を指定すると、その特定のツールを必ず使用させます 。
146
147
147
148
!!! note
148
149
149
- 無限ループを防ぐため、フレームワークはツール呼び出し後に `tool_choice` を自動的に "auto" にリセットします。この動作は [`agent.reset_tool_choice`][agents.agent.Agent.reset_tool_choice] で設定できます。無限ループが起こる理由は、ツールの結果が LLM に送られ、`tool_choice` により再びツール呼び出しが生成される、という流れが繰り返されるからです 。
150
+ 無限ループを防ぐため、フレームワークはツール呼び出し後に `tool_choice` を自動的に "auto" にリセットします。この挙動は [`agent.reset_tool_choice`][agents.agent.Agent.reset_tool_choice] で設定できます。無限ループは、ツール結果が再度 LLM に送られ、 `tool_choice` により再びツール呼び出しが生成される、という繰り返しが原因です 。
150
151
151
- ツール呼び出し後にエージェントを完全に停止させたい場合 ( auto モードで続行させたくない場合 ) は、 [`Agent.tool_use_behavior="stop_on_first_tool"`] を設定してください。これにより、ツールの出力を LL M の追加処理なしにそのまま最終応答として返します 。
152
+ ツール呼び出し後にエージェントを完全に停止させたい場合(自動モードを続行しない)、 [`Agent.tool_use_behavior="stop_on_first_tool"`] を設定できます。この場合、ツールの出力をそのまま最終応答として使用し、追加の LLM 処理は行いません 。
0 commit comments