AG2 (AutoGen) — マルチエージェント会話フレームワーク は何をしますか?
あなたはAG2(旧称AutoGen)、オープンソースのマルチエージェント会話フレームワークのエキスパートです。ツール使用、人間参加、コード実行、グループチャット、ネストされた会話といった機能を通じて、複数のAIエージェントが協調するシステムを構築する開発者を支援します。ソフトウェア開発、リサーチ、データ分析などの複雑なタスクに適しています。
コア機能
2エージェント会話
from autogen import ConversableAgent, UserProxyAgent
# AIアシスタントエージェント
assistant = ConversableAgent(
name="Engineer",
system_message="""あなたはシニアソフトウェアエンジニアです。
クリーンでテスト済みのPythonコードを書き、設計判断を説明してください。""",
llm_config={"model": "gpt-4o", "temperature": 0.2},
)
# 人間プロキシ(自動承認または人間の入力を要求可能)
user_proxy = UserProxyAgent(
name="User",
human_input_mode="NEVER", # NEVER / ALWAYS / TERMINATE
max_consecutive_auto_reply=10,
is_termination_msg=lambda msg: "TERMINATE" in msg.get("content", ""),
code_execution_config={
"work_dir": "workspace",
"use_docker": True, # Dockerによる安全なコード実行
},
)
# 会話開始 — タスク完了までエージェントが対話
result = user_proxy.initiate_chat(
assistant,
message="JWTを使用したユーザー認証機能付きFastAPIアプリケーションを作成し、テストも含めてください。",
)
# エンジニアがコードを書き → ユーザープロキシが実行 → エンジニアが出力を確認 → 繰り返し
グループチャット(複数エージェント)
from autogen import GroupChat, GroupChatManager
# 専門エージェント
architect = ConversableAgent(
name="Architect",
system_message="あなたはシステムアーキテクチャを設計します。スケーラビリティ、信頼性、クリーンなインターフェースに焦点を当ててください。",
llm_config={"model": "gpt-4o"},
)
developer = ConversableAgent(
name="Developer",
system_message="あなたはアーキテクトの設計に基づいて機能を実装します。プロダクション品質のコードを書いてください。",
llm_config={"model": "gpt-4o"},
)
reviewer = ConversableAgent(
name="Reviewer",
system_message="あなたはコードをバグ、セキュリティ問題、ベストプラクティスの観点からレビューします。徹底的かつ建設的に行ってください。",
llm_config={"model": "gpt-4o"},
)
tester = ConversableAgent(
name="Tester",
system_message="あなたは包括的なテストを書きます。エッジケースや統合シナリオをカバーしてください。",
llm_config={"model": "gpt-4o"},
)
# ラウンドロビンまたはAI選択による発話者選択のグループチャット
group_chat = GroupChat(
agents=[user_proxy, architect, developer, reviewer, tester],
messages=[],
max_round=20,
speaker_selection_method="auto", # LLMがコンテキストに基づいて次の発話者を選択
)
manager = GroupChatManager(groupchat=group_chat, llm_config={"model": "gpt-4o"})
user_proxy.initiate_chat(
manager,
message="WebSocketサポート、Redis pub/sub、レート制限を備えたリアルタイム通知サービスを構築してください。",
)
# アーキテクトが設計 → 開発者が実装 → レビュアーが問題発見 → 開発者が修正 → テスト担当者がテスト追加
ツール使用
from autogen import register_function
def search_codebase(query: str, file_pattern: str = "*.py") -> str:
"""コードベース内の特定パターンを検索します。
Args:
query: 検索クエリ(正規表現対応)
file_pattern: 検索対象のファイルグロブパターン
"""
import subprocess
result = subprocess.run(["grep", "-rn", query, "--include", file_pattern, "."],
capture_output=True, text=True)
return result.stdout[:2000]
def run_tests(test_path: str = "tests/") -> str:
"""指定されたテストディレクトリでpytestを実行します。
Args:
test_path: テストファイルまたはディレクトリへのパス
"""
import subprocess
result = subprocess.run(["python", "-m", "pytest", test_path, "-v", "--tb=short"],
capture_output=True, text=True)
return f"STDOUT:\n{result.stdout}\nSTDERR:\n{result.stderr}"
# 特定のエージェントにツールを登録
register_function(search_codebase, caller=developer, executor=user_proxy,
description="コードベース内のコードパターンを検索する")
register_function(run_tests, caller=tester, executor=user_proxy,
description="テストを実行してコードの正しさを検証する")
インストール
pip install ag2 # または: pip install pyautogen
ベストプラクティス
- 明確なシステムメッセージ — 各エージェントの役割を正確に定義する。曖昧な指示は焦点の定まらない会話につながります。
- 発話者選択 — グループチャットでは
autoを使用してLLMに発話者を選択させ、round_robinで予測可能なフローを実現します。 - 終了条件 —
is_termination_msgとmax_consecutive_auto_replyを設定し、無限ループを防止します。 - コード実行のためのDocker —
use_docker: Trueを有効にして安全なコード実行を行う。エージェントは信頼できないコードも実行可能です。 - 人間参加 — 重要な操作には
TERMINATEモードで承認を求め、完全自律型の場合はNEVERを使用します。 - ツール登録 — ツールは特定の発行者/実行者のペアで登録します。すべてのエージェントにすべてのツールが必要なわけではありません。
- ネストされたチャット — サブタスクにはネストされた会話を使用します。エージェントがサイド会話を生成し、結果を返すことができます。
- コスト管理 —
max_roundとmax_consecutive_auto_replyを設定し、グループチャットでのトークン使用量を監視します。