生成AIデザインパターン ―AIエージェント構築、アプリケーション開発のベストプラクティス

7章行動するエージェント

これまでに紹介したパターンは、何らかの形で「コンテンツ」を作成することに関係していた。本章では、基盤モデル上に構築された「アプリケーション」が、世界と何らかのやり取りを行うことを可能にする3つのパターンについて説明する。これらのパターンが境界線となっていて、この境界線を超えるとアプリケーションはエージェントになる。ツール呼び出し［パターン21］は、構造化されたインタフェースを介してモデルが外部関数を呼び出すことを可能にする。コード実行［パターン22］は、モデルが複雑な問題を解決するためにコードを書いて実行することを可能にする。マルチエージェントコラボレーション［パターン23］は、階層型、ピアツーピア型、またはマーケットベースのアーキテクチャで、複数のそれぞれ特化したAIエージェントを協調させて、分業によって複雑なタスクに取り組む。

7.1　パターン21：ツール呼び出し

ツール呼び出しパターンは、LLMが世界の中で行動することを可能にする。情報を得る（例えばWeb検索）、環境に変更を加える（例えばファイルを書き出す）などだ。LLMがある関数を呼び出す必要があると判断すると、特殊なトークンとその関数に渡すべき引数とを出力する。クライアント側のポストプロセッサが、これらのパラメータを使って関数を呼び出し、その結果をLLMに送り返す。

7.1.1　問題

マルチモーダルLLMの中心となる機能は、さまざまな形態（テキスト、画像、音声、動画）のコンテンツの生成である。この機能は、研究レポートの作成、言語間の翻訳、コードの生成などの機能を提供するのに十分だ。訓練時に基盤モデルが獲得した内部知識によって、生成できるコンテンツが制約されるなら、RAGを使って新しい知識を注入すればいい（ ...