AWSマルチエージェントオーケストレーター：例を掲載したガイド

AWSマルチエージェントコーディネーター：複雑なAIアプリケーションのための柔軟なフレームワークを構築する

新しい生成AIテクノロジーが毎週出現し、AWSマルチエージェントコーディネーターは、複数のAIエージェントを管理するための最近のフレームワークです。カスタマーサポートシステムを構築している場合でも、専用のマルチエージェントアプリケーションを構築している場合でも、このフレームワークを検討する価値があります。

このチュートリアルでは、AWSマルチエージェントコーディネーターの独自性を説明し、環境をセットアップするための段階的なガイダンスを提供し、フレームワークを実際に体験するためのデモンストレーションプロジェクトを開発します。

AWSマルチエージェントコーディネーターとは何ですか？

AWSマルチエージェントコーディネーターは、AIエージェントを管理し、複雑なマルチラウンド会話を促進するために設計された柔軟で強力なフレームワークです。事前に構築されたコンポーネントは迅速に開発および展開されるため、ゼロから再構築することなく、独自のアプリケーションに集中できます。

AWSマルチエージェントコーディネーターは、次の機能を提供します

インテリジェントルーティング：各クエリに最適なエージェントを動的に識別します。
ストリーミングおよび非ストリーミング応答：2つのエージェント応答形式をサポートします。
コンテキスト管理：複数回の会話で一貫性と履歴を管理します。
スケーラビリティ：新しいエージェントを作成するか、既存のエージェントを変更します。
一般的な展開：AWSラムダ、オンプレミス環境、クラウドプラットフォームで実行できます。
このフレームワークは、PythonとTypeScriptをサポートしています。

マルチエージェントコーディネーターの作業原則の概要。 （ソース）

上記の画像は、分類器が利用可能なエージェント、ユーザープロンプト、および以前の会話履歴を検討して、ユーザー入力に最適なエージェントを選択することを示しています。その後、エージェントはリクエストを処理します。ワークフローはシンプルで効果的です。

AWSマルチエージェントコーディネーターを設定します

環境をすばやくセットアップするには、ドキュメントの指示に従うことができます。

まず、新しいフォルダーと新しいPython環境を作成して、必要なライブラリをインストールします。

新しい仮想環境をアクティブにした後、ライブラリをインストール

<code>mkdir test_multi_agent_orchestrator
cd test_multi_agent_orchestrator
python -m venv venv
source venv/bin/activate  # 在Windows上使用venv\Scripts\activate</code>

次に、AWSアカウントを構成する必要があります。 AWSアカウントをお持ちでない場合は、無料のアカウントにサインアップして無料層を使用してください。登録後、AWS CLIをダウンロードしてください。

<code>pip install multi-agent-orchestrator</code>

AWS CLIには構成も必要です。詳細な手順については、AWS CLIのセットアップの手順に従ってください。ただし、Command AWS構成を使用してAWS Access Key IDとSecret Access Keyを提供して簡単にアプローチできます。ダッシュボードで新しいユーザーを作成した後、これらのキーを取得できます。

新しいユーザーを作成するときに提供されるアクセスキー。

キーにアクセスする準備ができたら、AWSの構成を実行してキーを提供し、あなたに最も近い地域名（完全なリストが提供されている）を選択し、デフォルトの出力形式をJSONに設定します。

CLIが正しく構成されている場合、コマンドAWS STS Get-Caller-Identityを実行すると、AWSアカウントID、ユーザーID、およびARNが表示されます。

AWS CLIの準備ができたので、必要なLLMにアクセスするためにAWSベッドロックを構成する必要があります。 Amazon Bedrockは、APIを介して基礎となるモデル（Llama 3.2やClaude 3.5 Sonnetなど）をテストおよび呼び出すことができるサービスです。マルチエージェントコーディネーターは、このサービスを使用してデフォルトで2つのモデルを呼び出します。

claude 3.5 Sonnet as lassifier
1. エージェントとしてのクロード3ハイク
2. もちろん、これらのモデルは変更できますが、デフォルトの選択を続けましょう。

両方のモデルにアクセスするには、Amazon Bedrock＆GTにアクセスして、モデルアクセスの変更を選択します。両方のモデル（および他の人）を選択し、必要な情報を入力します。この部分は次のとおりです

リクエストを完了した後、モデルは1〜2分以内に利用可能になります。要求されたモデルへのアクセスを許可した後、「アクセスが付与された」前に表示されるはずです。

注：作成されたユーザーにポリシーを割り当てる必要がある場合があります。記事の次のセクション（設定をテスト）に問題がある場合は、テストできます。その場合は、このページを確認してください。全体として、Amazon Bedrockfullaccessへの定義されたユーザーアクセスを許可する必要があります。

設定をテスト

以前のすべての手順が正しく設定されていることを確認するには、次のコードを使用します。

回答を促して受け取ることができれば、すべてが正常に機能します。

AWSマルチエージェントコーディネーターを使用したデモプロジェクト

<code>mkdir test_multi_agent_orchestrator
cd test_multi_agent_orchestrator
python -m venv venv
source venv/bin/activate  # 在Windows上使用venv\Scripts\activate</code>

AWSマルチエージェントコーディネーターリポジトリには、いくつかのタイプスクリプトとPythonのサンプルプロジェクトが提供されます。 Python開発者エージェントとMLエキスパートエージェントの2つのエージェントを含む簡略化されたPythonアプリケーションを作成します。

また、

ChainLit（オープンソースPythonパッケージ）を使用して、アプリケーションに簡単なUIを実装します。まず、必要なライブラリをインストールします：

次のコードをデモアプリケーションとして使用しますが、最初に説明しましょう。

1. 最初に必要なライブラリをインポートします。
2. 「Anthropic.Claude-3-Haiku-20240307-V1：0」を分類器のモデルとして使用します。新しいユーザー入力が到着すると、この分類子は使用するエージェントを選択します。
3. 作成された分類器をMultiAgentorChestratorに渡し、構成を定義します。
4. bedrockllmagentクラスは、エージェントを作成するために使用されます。各エージェントに名前と説明を提供します。エージェントの場合、アクセス可能なモデルを選択できます。また、Ollamaを使用してローカルに実行することもできます。ストリーミング= trueの設定とChainlitagentCallbacks（）をコールバックとして使用すると、エージェントは完全な応答ではなくストリーミング応答を返します。最後に、各エージェントをコーディネーターに追加します。
5. ユーザーのセッションを設定し、ユーザーとエージェントのメッセージを処理するメインパーツを定義します。

<code>mkdir test_multi_agent_orchestrator
cd test_multi_agent_orchestrator
python -m venv venv
source venv/bin/activate  # 在Windows上使用venv\Scripts\activate</code>

アプリケーションを実行する時が来ました。これを行うには、最初に実行します。ブラウザで開く新しいタブでアプリケーションをテストできるようになりました。 chainlit run app.py -w .

スクリーンショットに示されているように、アプリケーションをテストしてエージェントとチャットするためのUIを提供するようになりました。

最初のプロンプト「フランスの首都は何ですか？」これは、これらのモデルを使用する際には、関連性のあるチャットを続け、不必要なポイントを費やすことを避けるために重要です。ただし、マルチエージェントコーディネーターのインテリジェントルーティングのおかげで、当社の機械学習の専門家エージェントは、関連する質問を求められたときに答えを与える役割を果たします。

結論

このブログ投稿では、最新のAWSマルチエージェントコーディネーターフレームワークを紹介し、そのユニークな機能のいくつかを強調し、環境をセットアップする手順を概説し、Amazon Bedrockが提供する基本モデルを探索し、デモンストレーションプロジェクトを実装します。

執筆時点では、このフレームワークには包括的で詳細なドキュメントがありません。メモリやツールの使用などの他の機能を活用するには、コードベースを読み取り、提供されるサンプルプロジェクトを表示する必要があります。

この速いフィールドに追いつくために、生成的AIフレームワークに注目することが賢明です。 AWSマルチエージェントコーディネーターは、AWSサービスのインフラストラクチャに基づいて構築された有望な選択であり、その開発は注目に値します。

以上がAWSマルチエージェントオーケストレーター：例を掲載したガイドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。