CrewAI

CrewAIとは

CrewAIは、複数のAIエージェントが協力して複雑なタスクを解決するためのフレームワークです。João Mouraによって開発されたオープンソースプロジェクトで、異なる役割や専門知識を持つAIエージェントのチームを作成し、人間のチームのように協力して作業させることができます。

主な特徴

• 役割ベースのエージェント: 各AIエージェントに特定の役割、目標、バックストーリーを割り当て可能
• 協調作業: エージェント間の会話と協力により、単一のAIでは難しい複雑なタスクを解決
• ツール統合: エージェントがウェブ検索、コード実行、データ分析などの外部ツールを使用可能
• プロセス管理: タスクの順序付け、依存関係の管理、結果の集約を自動化
• 柔軟なアーキテクチャ: 様々なLLM（GPT-4、Claude、Llama、Mistralなど）と互換性あり
• メモリと状態管理: エージェントの会話履歴と状態を保持

ユースケース

1. 複雑なリサーチ: 市場調査、競合分析、トレンド分析などを複数の視点から実施
2. コンテンツ作成: 企画、執筆、編集、校正などの役割を持つエージェントによる高品質コンテンツ作成
3. 製品開発: 製品マネージャー、UXデザイナー、開発者などの役割を持つエージェントによる製品設計
4. データ分析: データサイエンティスト、ドメインエキスパート、ビジネスアナリストなどによるデータ分析
5. 教育コンテンツ: 教師、学生、専門家などの視点を組み合わせた教材作成

CrewAIは、単一のAIモデルでは対応が難しい複雑なタスクや、複数の専門知識や視点が必要なプロジェクトに特に有効です。

CrewAIの使い方

インストール

pip install crewai

基本的な使用例

from crewai import Agent, Task, Crew, Process
from crewai.tools import SerperDevTool  # 検索ツールの例

# 検索ツールの初期化（オプション）
search_tool = SerperDevTool(api_key="your_serper_api_key")

# エージェントの定義
researcher = Agent(
    role="リサーチャー",
    goal="最新の市場動向と競合情報を徹底的に調査する",
    backstory="あなたは10年以上の経験を持つ市場調査の専門家です。",
    verbose=True,
    allow_delegation=True,
    tools=[search_tool]  # ツールを割り当て
)

writer = Agent(
    role="コンテンツライター",
    goal="調査結果を基に説得力のあるマーケティング資料を作成する",
    backstory="あなたは受賞歴のあるコピーライターで、複雑な情報をわかりやすく伝えるのが得意です。",
    verbose=True,
    allow_delegation=False
)

# タスクの定義
research_task = Task(
    description="AIエージェントフレームワークの最新動向を調査し、主要プレイヤーと特徴をまとめる",
    expected_output="主要なAIエージェントフレームワークの比較表と市場動向の要約（1000語程度）",
    agent=researcher
)

writing_task = Task(
    description="調査結果を基に、CrewAIの利点を強調したマーケティング資料を作成する",
    expected_output="説得力のあるマーケティング資料（800-1200語）",
    agent=writer,
    context=[research_task]  # 前のタスクの結果を参照
)

# クルー（チーム）の作成と実行
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    verbose=2,
    process=Process.sequential  # タスクを順番に実行
)

# クルーの実行
result = crew.kickoff()
print(result)

高度な使用例

並列処理

# 並列処理の設定
crew = Crew(
    agents=[agent1, agent2, agent3],
    tasks=[task1, task2, task3],
    process=Process.hierarchical  # 階層的に処理（依存関係に基づいて並列実行）
)

カスタムツールの作成

from crewai.tools import BaseTool
from typing import Any

class CustomDatabaseTool(BaseTool):
    name: str = "データベース検索ツール"
    description: str = "特定の条件に基づいてデータベースを検索します"
    
    def _run(self, query: str) -> Any:
        # データベース検索のロジックを実装
        return "検索結果のデータ"

エージェント間の会話

# エージェント間の会話を有効にする
crew = Crew(
    agents=[agent1, agent2],
    tasks=[task],
    verbose=2,
    process=Process.collaborative  # エージェント間の協力を促進
)

ベストプラクティス

1. 明確な役割と目標: 各エージェントには明確な役割、目標、バックストーリーを設定する
2. 適切なツール: タスクに必要なツールをエージェントに提供する
3. タスクの分割: 複雑な問題は小さなタスクに分割する
4. コンテキストの共有: 関連タスク間でコンテキストを共有する
5. プロセスの選択: タスクの性質に合わせてプロセス（sequential/hierarchical/collaborative）を選択する
6. デバッグ: verbose=Trueを設定して詳細なログを確認する
7. モデル選択: タスクの複雑さに応じて適切なLLMを選択する（GPT-4は複雑なタスクに推奨）