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 ```bash pip install crewai ``` ### 基本的な使用例 ```python 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 ```python # 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 ```python 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 ```python # 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）