Deep Agents: 複雑なタスクに対応するAIエージェントを迅速に構築するためのPythonツールキット

Deep AgentsはLangChainAIによって開発されたPythonツールキットで、複雑なタスクを処理できるAIエージェントの迅速な構築を支援することに重点を置いています。LangGraphフレームワークをベースにしており、ビルトインの計画ツール、サブエージェント、仮想ファイルシステム、詳細なシステムヒントを提供します。Deepagentsは、研究、コーディング、その他の複雑なタスクを自動化する必要がある開発者に適しており、すぐに使えることと柔軟なカスタマイズに重点を置いています。このプロジェクトはMITライセンスに基づき、オープンソースコード、活発なコミュニティ、継続的なアップデートを提供しています。

機能一覧

• 複雑なタスクを実行可能なステップに自動的に分解するプランニングツールを内蔵。
• 複数のAIエージェントにタスクを割り当て、作業を調整する、サブエージェントのコラボレーションをサポート。
• エージェントタスクをサポートするためにファイル操作をシミュレートする仮想ファイルシステムを含む。
• AIエージェントの意思決定と出力を最適化するために、詳細なシステムプロンプトを事前に設定します。
• LangGraphフレームワークをベースに、低レベルのカスタマイズや拡張をサポートしている。
• インストールと初期設定を簡素化する、すぐに使えるPythonパッケージ。
• 複雑なタスクの実行効率を高める非同期オペレーションをサポート。
• サンプルコードとドキュメントが用意されているので、すぐに使い始めることができる。

ヘルプの使用

設置プロセス

Deepagentsは、Pythonに精通した開発者向けにシンプルなインストール手順を用意しています。以下は、詳細なインストール手順です：

1. 環境要件の確保::
   • Python 3.8以上が必要。
   • 依存関係の衝突を避けるため、仮想環境を推奨する。

   python -m venv venv
   source venv/bin/activate  # Windows: venv\Scripts\activate
   

2. ディーパージェントを設置する::
   • 最新版を直接インストールするにはpipを使う。

   pip install deepagents
   

   • インストールが完了したら、成功したかどうかを確認する。

   python -m deepagents --version
   

3. APIキーの設定::
   • Deepagentsは、インテリジェンス・サポートのために外部のLLM（OpenAIやAnthropicなど）に依存しています。APIキーは環境変数で設定する必要があります。
   • 確立.envファイルに書き出すか、環境変数を直接エクスポートする：

   export OPENAI_API_KEY=your_openai_key
   export TAVILY_API_KEY=your_tavily_key  # 用于搜索功能
   

   • セキュア.env鍵のセキュリティを保護するため、ファイルは公開リポジトリにはアップロードされません。
4. インストールの確認::
   • サンプルコードを実行して、環境が正しく設定されていることを確認する。

   from deepagents import DeepAgent
   agent = DeepAgent()
   print(agent.run("Hello, world!"))
   

主な機能

Deepagentsの中核は、AIエージェントの構築と実行です。ここでは、主な機能の使い方を紹介する：

1. AIエージェントの作成::
   • 利用するDeepAgentこのクラスはエージェントを初期化し、タスクゴールを指定します。

   from deepagents import DeepAgent
   agent = DeepAgent(task="研究2025年AI发展趋势")
   

2. ミッションの計画と内訳::
   • Deepagentsの計画ツールは、複雑なタスクを自動的にサブタスクに分解します。ユーザはタスクの説明を提供するだけで、エージェントが実行計画を生成する。
   • 例：リサーチタスクを実行する。

   result = agent.plan_and_execute()
   print(result)
   

   • 計画結果は、サブエージェントがアクセスできるように仮想ファイルシステムに保存される。
3. サブ・エージェントの協力::
   • Deepagentsは、並行して動作する複数のサブエージェントをサポートしています。ユーザは、設定ファイルを通じて、サブエージェントの数とその責任を指定できます。
   • 例: 検索用と要約用の2つのサブエージェントを設定する。

   agent.add_subagent(role="searcher", tool="tavily_search")
   agent.add_subagent(role="summarizer", tool="text_processor")
   agent.execute_collaboration()
   

4. 仮想ファイルシステム::
   • エージェントは、実際のファイル操作をシミュレートするために、中間結果を仮想ファイルシステムに保存する。
   • ユーザーはファイルの内容にアクセスできる：

   files = agent.filesystem.list_files()
   content = agent.filesystem.read_file("research_summary.txt")
   print(content)
   

5. カスタマイズされたシステム・アラート::
   • Deepagentsでは、エージェントの動作を最適化するために、ユーザーがシステムのプロンプトを変更することができます。
   • 例：リサーチタスクのプロンプトを設定する。

   agent.set_system_prompt("请以客观语气生成研究报告，引用可靠来源。")
   

注目の機能操作

Deepagentsの特徴は、複雑なタスクをサポートすることです。その仕組みはこうだ：

1. 長時間タスクを処理する::
   • Deepagentsは、ツール呼び出しループとサブエージェント連携による多段階推論を必要とするタスクに適している。
   • 例：市場動向の分析

   agent = DeepAgent(task="分析2025年电动车市场趋势")
   agent.plan_and_execute(max_iterations=10)  # 最多10次迭代
   report = agent.filesystem.read_file("market_report.md")
   print(report)
   

2. 非同期タスク実行::
   • 非同期操作をサポートし、高い同時実行シナリオに適しています。

   import asyncio
   async def run_agent():
   agent = DeepAgent(task="搜索最新AI论文")
   return await agent.async_execute()
   result = asyncio.run(run_agent())
   print(result)
   

3. LangGraphとの統合::
   • ユーザーはLangGraphレイヤーをドリルダウンし、エージェントのワークフローをカスタマイズすることができる。
   • 例：ワークフローノードを修正する。

   from langgraph.graph import StateGraph
   graph = StateGraph()
   graph.add_node("research", agent.run_research)
   agent.set_graph(graph)
   

使用上の注意

• インターネット接続が安定していることを確認し、一部の機能（検索など）では外部APIへのアクセスが必要です。
• 最新のアップデートと修正については、DeepagentsのGitHubリポジトリを定期的にチェックしてください。
• 依存関係の衝突が発生した場合は、pipをアップグレードするか、クリーンな仮想環境を使用してみてください。
• コミュニティのサポートは活発で、GitHub IssuesやDiscordのディスカッションに参加して問題を提出することができる。

アプリケーションシナリオ

1. 学術研究支援
   研究者はDeepagentsを使用して、論文収集、データ分析、レポート作成のプロセスを自動化することができます。例えば、"research on recent advances in quantum computing "と入力すると、エージェントは権威ある情報源を検索し、主要な調査結果を要約し、Markdownレポートを生成します。
2. ソフトウェア開発サポート
   開発者はDeepagentsを使用して、コードリポジトリの分析、ドキュメントの生成、デバッグの自動化を行うことができます。GitHubリポジトリのコード構造を分析する」と入力すると、エージェントはタスクを分解し、サブエージェントを呼び出してコードを検査し、分析レポートを生成します。
3. 市場情報の収集
   ビジネス・ユーザーは、Deepagentsに市場動向や競合他社の動向を調査させることができる。例えば、「AI業界の投資動向2025年の分析」と入力すると、エージェントはニュース、レポート、ソーシャルメディアを検索し、詳細なインテリジェンスを生成します。
4. 教育コンテンツの生成
   教師は、Deepagentsを使って教材やコースのアウトラインを作成することができます。AI入門コースのシラバスを作成する」と入力すると、エージェントが関連リソースを検索し、コンテンツを計画し、構造化されたドキュメントを出力します。

品質保証

1. DeepagentsはどのLLMをサポートしていますか？
   Deepagentsは、OpenAI、Anthropicなどの主流のLLMと互換性があります。また、LangChainアダプタを介して、Llamaなどのオープンソースモデルの使用もサポートしています。
2. APIキーの漏洩にどう対処するか？
   を入れてはいけない。.env公開リポジトリへのファイル・アップロード。環境変数を使用してキーを管理し、本番環境でキーのパーミッションを制限する。
3. ディーパジェントは初心者向きですか？
   はい、Deepagentsには詳細なドキュメントとサンプルコードが用意されており、インストールも簡単です。初心者は、基本的なPythonの知識だけで始めることができます。
4. 実行時に依存性エラーが発生した場合はどうすればよいですか？
   pipをアップグレードしようとしているpip install --upgrade pip) または仮想環境を再作成してください。問題が解決しない場合は、GitHub Issuesを確認するか、新しいissueを投稿してください。
5. Deepagentsはオフラインで使用できますか？
   一部の機能（検索など）はインターネット接続が必要だが、プランニングやファイルシステム機能はオフラインでの実行がサポートされている。ローカルLLMの事前設定が必要です。