Agentic Workflows

エージェント型ワークフローは、複数の自律エンティティが相互に作用し、意思決定を行い、人間の介入を最小限に抑えながら複数ステップのタスクを実行する、人工知能（AI）における革新的なアプローチです。厳密で直線的な実行経路に従う従来の機械学習パイプラインとは異なり、エージェント型ワークフローは非常に動的です。インテリジェントエージェントや、連携するエージェントのネットワークによって環境を認識し、複雑な問題を推論し、外部ツールを活用して事前に定義された目標を達成できます。組織がAIの取り組みを拡大するにつれて、エンタープライズ向けエージェント型ワークフローが分離されたスクリプトに取って代わり、さまざまな業界で堅牢かつスケーラブルな自動化を実現しています。

エージェント型ワークフローを理解する#

エージェント型ワークフローの本質は、AIを受動的な生成から能動的な問題解決へと転換することです。そのためには、単一プロンプトによる対話から、計画、実行、観察を反復するループへの移行が必要です。これらのループをオーケストレーションすることで、開発者は予期しないエッジケースに対応し、自らのエラーを修正できるシステムを構築できます。

密接に関連する概念を明確に区別すると、AIエージェントは、推論して行動する個々の自律エンティティ（多くの場合、大規模言語モデル（LLM）を基盤とします）です。一方、エージェント型ワークフローは、これらのエージェントがどのように連携し、メモリを共有し、アクションの順序を決めるかを管理する、全体的なアーキテクチャプロセスです。さらに、生成AIが主にユーザープロンプトに基づいて単一の直線的なパスでコンテンツを作成するのに対し、エージェント型システムは、自己内省、計画、マルチエージェントによる議論などのエージェント型設計パターンを使用して、目的が完全に達成されるまで出力を継続的に洗練します。

主要コンポーネント#

これらのワークフローを成功に導く基盤要素には、次のようなものがあります。

• LLMバックボーン：ワークフローの中心的な推論エンジンです。フレームワークはOpenAIのGPT-4oのような最先端モデルをオーケストレーションし、ユーザーの意図を解釈して実行計画を動的に生成します。
• ファンクションコーリングとツール使用：エージェントには、外部世界と相互作用するための特定のツールが備わっています。これには、データベースへのクエリ実行、コードの実行、コンピュータービジョンモデルの呼び出しによる視覚データの分析などが含まれます。OpenAIのファンクションコーリングに関するドキュメントでは、外部APIを確実にトリガーするためのモデルによる出力形式について説明しています。
• オーケストレーションフレームワーク：LangGraphやCrewAIなどのライブラリ、およびMicrosoft AutoGenは、エージェントの接続、会話状態の管理、タスクのインテリジェントなルーティングに必要な基盤を提供します。
• メモリとコンテキストの管理：複数ステップのプロセス全体でハルシネーションを防ぎ、一貫性を維持するため、ワークフローは短期メモリ（現在の会話コンテキストウィンドウ）と長期メモリ（永続データベース）を保持し、過去のインタラクションから学習します。

実世界での利用例#

エージェント型ワークフローは、現実世界の複雑で明確な答えのないタスクを積極的に解決しています。

1. 自律型ビジュアルインスペクション： 製造業では、エージェント型システムによって欠陥検出を自動化できます。オーケストレーターエージェントがカメラツールを起動して画像を撮影し、物体検出モデルで処理して、出力を分析します。欠陥が見つかった場合、エージェントは自律的にメンテナンスチケットを記録し、製品を手動レビューに振り分けることで、工場全体の対応を管理します。

2. インテリジェントなドキュメント解析： 金融および法務分野では、非構造化PDFから構造化データを抽出するようにワークフローが設計されています。エージェントは、対象を絞ったプロンプトエンジニアリングを使用して自己修正と検証を行いながら、レイアウト検出を反復的に適用し、抽出したテーブルを想定される財務スキーマと照合します。

3. 動的なマーケティングオペレーション： 先進的なマーケティングチームは、現在のトレンドを自律的に分析し、キャンペーン用アセットを生成し、広告コピーのバリエーションをテストし、リアルタイムのパフォーマンス指標に基づいて予算戦略を調整するエージェントを導入することで、マーケティングワークフローを刷新しています。

例：ビジョンエージェントワークフローの構築#

Ultralytics Platformとultralytics Pythonパッケージを使用すると、エージェント型ワークフローにビジュアルインテリジェンスを簡単に統合できます。この概念例では、エージェント型システムがYOLO26を認識ツールとして使用して工場のラインを検査し、predict modeの結果に基づいて、ワークフローの基盤ロジックが次のアクションを自律的に決定できるようにします。

from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")

# Agentic workflow step 1: Vision tool gathers environmental data
results = model.predict("factory_line.jpg")


# Agentic workflow step 2: Agent logic evaluates the visual detections
def decision_agent(detections):
    for obj in detections:
        # Check if the model detected a specific class, e.g., 'defect'
        if obj.names[int(obj.cls)] == "defect":
            return "Action: Trigger immediate maintenance alert."
    return "Action: Continue production line smoothly."


# Execute the agent's decision logic based on bounding box data
action = decision_agent(results[0].boxes)
print(action)

内部でPyTorchなどのフレームワークを活用することで、これらのビジョンツールは、より広範なAIロジックに高精度な空間認識を提供します。エージェント型組織が成熟を続けるにつれて、高度な推論モデルとリアルタイムビジョン機能の組み合わせが、インテリジェントで自己修正型の自動化における次世代を推進します。アクティブラーニングによる継続的な改善と高度なオーケストレーションにより、エージェント型ワークフローはAIシステムが複雑な戦略をエンドツーエンドで確実に実行できるようにします。