大規模な言語モデルエージェントは、検索、コンテンツ生成、品質レビューなどのタスクを自動化するための強力なツールです。ただし、特に外部リソース（Web検索など）や複数の専門的な手順（ドラフト対レビューなど）を統合する必要がある場合、単一のエージェントはすべてを効率的に実行できないことがよくあります。マルチエージェントワークフローを使用すると、これらのタスクをさまざまなエージェントに分割できます。それぞれに独自のツール、制約、責任があります。この記事では、各エージェントがインターネット上で簡潔な履歴レポートを作成する特定の部分を処理する3つのエージェントシステム（研究所、WriteAgent、およびReviewAgent）を構築する方法について説明します。また、システムが検索ループに閉じ込められないようにします。これは、時間とクレジットを無駄にする可能性があります。
学習目標データサイエンスブログの一部として公開されました。 目次言語モデル（LLM） - OpenAI GPT-4 ワークフローのための必須ツール
###############################################################################
# 1. INSTALLATION
###############################################################################
# Make sure you have the following installed:
# pip install llama-index langchain duckduckgo-search
###############################################################################
# 2. IMPORTS
###############################################################################
%pip install llama-index langchain duckduckgo-search
from llama_index.llms.openai import OpenAI
# For DuckDuckGo search via LangChain
from langchain.utilities import DuckDuckGoSearchAPIWrapper
# llama-index workflow classes
from llama_index.core.workflow import Context
from llama_index.core.agent.workflow import (
FunctionAgent,
AgentWorkflow,
AgentInput,
AgentOutput,
ToolCall,
ToolCallResult,
AgentStream
)
import asyncio
###############################################################################
# 3. CREATE LLM
###############################################################################
# Replace "sk-..." with your actual OpenAI API key
llm = OpenAI(model="gpt-4", api_key="OPENAI_API_KEY")私たちの例では、重要なツールはduckduckgosearchです。これは、フードの下でLangchainのDuckduckgosearchapiwrapperを使用しています。また、メモを録音し、レポートを書き、レビューするヘルパーツールもあります。
タスク実行のためにAIエージェントを定義する###############################################################################
# 1. INSTALLATION
###############################################################################
# Make sure you have the following installed:
# pip install llama-index langchain duckduckgo-search
###############################################################################
# 2. IMPORTS
###############################################################################
%pip install llama-index langchain duckduckgo-search
from llama_index.llms.openai import OpenAI
# For DuckDuckGo search via LangChain
from langchain.utilities import DuckDuckGoSearchAPIWrapper
# llama-index workflow classes
from llama_index.core.workflow import Context
from llama_index.core.agent.workflow import (
FunctionAgent,
AgentWorkflow,
AgentInput,
AgentOutput,
ToolCall,
ToolCallResult,
AgentStream
)
import asyncio
###############################################################################
# 3. CREATE LLM
###############################################################################
# Replace "sk-..." with your actual OpenAI API key
llm = OpenAI(model="gpt-4", api_key="OPENAI_API_KEY")
ワークフローを実行します
デバッグまたは観察のためのストリームイベント
###############################################################################
# 4. DEFINE DUCKDUCKGO SEARCH TOOL WITH SAFEGUARDS
###############################################################################
# We wrap LangChain's DuckDuckGoSearchAPIWrapper with our own logic
# to prevent repeated or excessive searches.
duckduckgo = DuckDuckGoSearchAPIWrapper()
MAX_SEARCH_CALLS = 2
search_call_count = 0
past_queries = set()
async def safe_duckduckgo_search(query: str) -> str:
"""
A DuckDuckGo-based search function that:
1) Prevents more than MAX_SEARCH_CALLS total searches.
2) Skips duplicate queries.
"""
global search_call_count, past_queries
# Check for duplicate queries
if query in past_queries:
return f"Already searched for '{query}'. Avoiding duplicate search."
# Check if we've reached the max search calls
if search_call_count >= MAX_SEARCH_CALLS:
return "Search limit reached, no more searches allowed."
# Otherwise, perform the search
search_call_count += 1
past_queries.add(query)
# DuckDuckGoSearchAPIWrapper.run(...) is synchronous, but we have an async signature
result = duckduckgo.run(query)
return str(result)
###############################################################################
# 5. OTHER TOOL FUNCTIONS: record_notes, write_report, review_report
###############################################################################
async def record_notes(ctx: Context, notes: str, notes_title: str) -> str:
"""Store research notes under a given title in the shared context."""
current_state = await ctx.get("state")
if "research_notes" not in current_state:
current_state["research_notes"] = {}
current_state["research_notes"][notes_title] = notes
await ctx.set("state", current_state)
return "Notes recorded."
async def write_report(ctx: Context, report_content: str) -> str:
"""Write a report in markdown, storing it in the shared context."""
current_state = await ctx.get("state")
current_state["report_content"] = report_content
await ctx.set("state", current_state)
return "Report written."
async def review_report(ctx: Context, review: str) -> str:
"""Review the report and store feedback in the shared context."""
current_state = await ctx.get("state")
current_state["review"] = review
await ctx.set("state", current_state)
return "Report reviewed." ###############################################################################
# 1. INSTALLATION
###############################################################################
# Make sure you have the following installed:
# pip install llama-index langchain duckduckgo-search
###############################################################################
# 2. IMPORTS
###############################################################################
%pip install llama-index langchain duckduckgo-search
from llama_index.llms.openai import OpenAI
# For DuckDuckGo search via LangChain
from langchain.utilities import DuckDuckGoSearchAPIWrapper
# llama-index workflow classes
from llama_index.core.workflow import Context
from llama_index.core.agent.workflow import (
FunctionAgent,
AgentWorkflow,
AgentInput,
AgentOutput,
ToolCall,
ToolCallResult,
AgentStream
)
import asyncio
###############################################################################
# 3. CREATE LLM
###############################################################################
# Replace "sk-..." with your actual OpenAI API key
llm = OpenAI(model="gpt-4", api_key="OPENAI_API_KEY")ワークフローが完了すると、生成されたレポートが含まれる最終状態を抽出します。レポートコンテンツが印刷され、その後、レビューエージェントからのレビューフィードバックが続きます。これにより、出力が完了し、必要に応じてさらに洗練できます。
###############################################################################
# 4. DEFINE DUCKDUCKGO SEARCH TOOL WITH SAFEGUARDS
###############################################################################
# We wrap LangChain's DuckDuckGoSearchAPIWrapper with our own logic
# to prevent repeated or excessive searches.
duckduckgo = DuckDuckGoSearchAPIWrapper()
MAX_SEARCH_CALLS = 2
search_call_count = 0
past_queries = set()
async def safe_duckduckgo_search(query: str) -> str:
"""
A DuckDuckGo-based search function that:
1) Prevents more than MAX_SEARCH_CALLS total searches.
2) Skips duplicate queries.
"""
global search_call_count, past_queries
# Check for duplicate queries
if query in past_queries:
return f"Already searched for '{query}'. Avoiding duplicate search."
# Check if we've reached the max search calls
if search_call_count >= MAX_SEARCH_CALLS:
return "Search limit reached, no more searches allowed."
# Otherwise, perform the search
search_call_count += 1
past_queries.add(query)
# DuckDuckGoSearchAPIWrapper.run(...) is synchronous, but we have an async signature
result = duckduckgo.run(query)
return str(result)
###############################################################################
# 5. OTHER TOOL FUNCTIONS: record_notes, write_report, review_report
###############################################################################
async def record_notes(ctx: Context, notes: str, notes_title: str) -> str:
"""Store research notes under a given title in the shared context."""
current_state = await ctx.get("state")
if "research_notes" not in current_state:
current_state["research_notes"] = {}
current_state["research_notes"][notes_title] = notes
await ctx.set("state", current_state)
return "Notes recorded."
async def write_report(ctx: Context, report_content: str) -> str:
"""Write a report in markdown, storing it in the shared context."""
current_state = await ctx.get("state")
current_state["report_content"] = report_content
await ctx.set("state", current_state)
return "Report written."
async def review_report(ctx: Context, review: str) -> str:
"""Review the report and store feedback in the shared context."""
current_state = await ctx.get("state")
current_state["review"] = review
await ctx.set("state", current_state)
return "Report reviewed." 
hard limitwe set
何を期待しますか？
ResearchAgentインターネットの歴史に関する簡潔なレポートを書くというユーザーのリクエストを受信します。 最大2つの異なるDuckduckgo検索（「インターネットの歴史」と「World Wide Web Tim Berners-Leeなど」などを実行し、Record_Notesを呼び出して要約を保存します。
短いマークダウンレポートをドラフトします。 レビューアジェントに手渡します。
ワークフローが終了します
のレビューのために、ワークフローを異なるエージェントに分割することにより、次のような強力でモジュラーシステムを作成できます。
関連情報を収集します（制御された方法で、過度の検索を防止します）正確性と完全性のためのセルフチェック Langchainを使用したDuckDuckgoの統合は、特殊なAPIキーや資格情報を必要とせずに、マルチエージェントワークフロー用のプラグアンドプレイWeb検索ソリューションを提供します。組み込みのセーフガード（検索コール制限、重複検出）と組み合わせると、このシステムは堅牢で効率的で、幅広い研究およびコンテンツ生成タスクに適しています。
以上が研究と執筆のためのLlamainDexを使用したマルチエージェントワークフローの詳細内容です。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。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
