ゼロからAIエージェントを構築する方法は？ - 分析Vidhya

SiriやAlexaのようなAIエージェントがどのように機能するのか疑問に思ったことはありませんか？これらのインテリジェントなシステムは、私たちの日常生活でより重要になっています。この記事では、Reactパターンを紹介します。これは、推論とアクションテイキングスキルを組み合わせてAIエージェントを強化する方法です。必須のツール、ライブラリ、および実装の手順をカバーして、AIエージェントをゼロから構築する方法を紹介します。始めましょう！

学習目標

• AIエージェントの基本的な概念と、さまざまなアプリケーションにおけるそれらの重要性を把握します。
• AIエージェントにReason Act（React）パターンを実装する方法を学び、機能を強化します。
• AIエージェントをゼロから構築するために必要な必要なツールとライブラリをセットアップします。
• Pythonを使用してAIエージェントを開発し、さまざまなアクションを統合し、推論ループを実装します。
• AIエージェントを効果的にテストおよびデバッグして、予想どおりに機能するようにします。
• AIエージェントの堅牢性とセキュリティを改善し、さらに機能を追加します。
• AIエージェントの実用的なアプリケーションを特定し、将来の見通しを理解します。

この記事は、データサイエンスブログソンの一部として公開されました

目次

• AIエージェントとは何ですか？
• なぜAIエージェントが重要なのですか？
• AIエージェントのアプリケーションとユースケース
• 反応パターンの簡単な紹介
• 反応を使用することの重要性と利点
• ツールとライブラリが必要です
• 環境のセットアップ
• AIエージェントの構築
• Reactパターンの実装
• アクションの実装
• テストとデバッグ
• 一般的な問題のデバッグ
• AIエージェントの改善
• 結論
• よくある質問

AIエージェントとは何ですか？

AIエージェントは、センサーを採用して環境に目を光らせ、情報を処理し、事前定義された目標を達成する自治クリーチャーです。それらは、基本的なボットから、時間の経過とともに調整および学習できる洗練されたシステムまで、あらゆるものにすることができます。典型的なインスタンスには、NetflixやAmazonなどの推奨エンジン、SiriやAlexaなどのチャットボット、テスラとWaymoの自動運転車が含まれます。

また、これらのエージェントは多くのセクターに不可欠です。UIPATHと青いプリズムは、反復プロセスを自動化するロボットプロセス自動化（RPA）プログラムの例です。 DeepMindとIBM Watson Healthは、病気の診断と治療を推奨するのに役立つヘルスケア診断システムの例です。ドメインでは、AIエージェントは生産性、精度、カスタマイズを大幅に向上させます。

なぜAIエージェントが重要なのですか？

これらのエージェントは、私たちの日常生活を改善し、特定の目的を達成する上で重要な役割を果たします。

AIエージェントは次のことができるため、重要です。

• 日常業務を完了するために必要な人間の労働量を減らすため、生産と効率が向上します。
• 膨大な量のデータを分析して、意思決定をサポートする結論と提案を提供します。
• チャットボットと仮想アシスタントを利用して、個別のやり取りと支援を提供します。
• 銀行、輸送、ヘルスケアなどの業界での複雑なアプリケーションを有効にします。

本質的に、AIエージェントは、技術の進歩の次の波を駆動することに極めて重要であり、システムをよりスマートにし、ユーザーのニーズにより敏感にします。

AIエージェントのアプリケーションとユースケース

AIエージェントは、さまざまな業界で幅広いアプリケーションを持っています。ここにいくつかの注目すべきユースケースがあります：

• カスタマーサービス：チャットボットと仮想アシスタントの形のAIエージェントは、顧客の問い合わせを処理し、問題を解決し、パーソナライズされたサポートを提供します。 24時間年中無休で運用でき、一貫した効率的なサービスを提供します。
• 財務：財務予測、アルゴリズム取引、および詐欺検出は、AIエージェントの適用です。彼らは、市場動向に基づいて取引を実行し、トランザクションデータを調べ、疑わしいパターンを見つけます。
• ヘルスケア： AIエージェントは、病気の診断、治療の推奨、患者の健康の監視を支援します。医療データを分析し、洞察を提供し、臨床的意思決定をサポートします。
• マーケティング： AIエージェントは、マーケティングキャンペーンをパーソナライズし、視聴者をセグメント化し、広告支出を最適化します。顧客データを分析し、行動を予測し、コンテンツを個々の好みに合わせて調整します。
• サプライチェーン管理： AIシステムは、需要を推定し、在庫レベルを改善し、ロジスティクスを簡素化します。彼らは、スムーズな運用を保証するために、メーカー、サプライヤー、小売業者からの情報を調べます。

反応パターンの簡単な紹介

反応パターンは、思考のループで動作します、アクション、一時停止、観察、回答。

このループにより、AIエージェントは入力について推論し、外部リソースを活用することでそれに基づいて行動し、結果をその推論プロセスに統合することができます。そうすることで、AIエージェントは、より正確で文脈的に関連する応答を提供し、そのユーティリティを大幅に拡大できます。

Reactパターンは、AIエージェントの能力を向上させるために推論とアクションテイキングスキルを組み合わせた強力な設計パターンです。 GPT-3やGPT-4などのLLMは、他のツールやAPIとインターフェイスして元のプログラミングを超えてアクティビティを実行できるため、この手法から大きな恩恵を受けます。

Reactパターンは、次の手順で構成される周期ループで動作します。

• 考え： AIエージェントは、何をする必要があるかについての入力と理由を処理します。これには、質問やコマンドを理解し、適切なアクションを決定することが含まれます。
• アクション：推論に基づいて、エージェントは事前定義されたアクションを実行します。これには、情報の検索、計算の実行、または外部APIとの対話が含まれる場合があります。
• 一時停止：エージェントは、アクションが完了するのを待ちます。これは、エージェントが一時停止して実行されたアクションの結果を受け取る重要なステップです。
• 観察：エージェントは、アクションの結果を観察します。取得した情報または結果を理解するために、アクションから受信した出力を分析します。
• 回答：エージェントは、観測された結果を使用して応答を生成します。次に、この応答がユーザーに提供され、ループが完了します。

反応を使用することの重要性と利点

反応パターンはいくつかの理由で重要です：

• 強化された機能：外部アクションを統合することにより、AIエージェントは特定の情報または計算を必要とするタスクを実行し、全体的な機能を強化できます。
• 精度の向上：このパターンにより、AIエージェントはリアルタイム情報を取得し、正確な計算を実行し、より正確で関連性のある応答につながります。
• 柔軟性： Reactパターンにより、AIエージェントはさまざまなタスクに柔軟性と適応性を高めます。さまざまなAPIやツールと対話して、幅広いアクションを実行できます。
• スケーラビリティ：このパターンにより、時間の経過とともに新しいアクションと機能を追加することができ、AIエージェントがスケーラブルで将来のプルーフを提供します。
• 実際のアプリケーション： Reactパターンにより、AIエージェントは、動的環境と対話し、貴重な洞察と支援を提供できる現実世界のシナリオに展開できます。

ツールとライブラリが必要です

Pythonは、そのシンプルさと広範なライブラリサポートのために、AIおよび機械学習で広く使用されている多用途で強力なプログラミング言語です。 AIエージェントを構築するには、いくつかのPythonライブラリが不可欠です。

• OpenAI API：このライブラリを使用すると、GPT-3やGPT-4などのOpenAIの言語モデルと対話できます。テキストを生成し、質問に答え、さまざまな言語関連のタスクを実行するために必要な関数を提供します。
• HTTPX：これは、非同期リクエストをサポートするPythonの強力なHTTPクライアントです。これは、外部APIと対話し、データを取得し、Web検索を実行するために使用されます。
• Re（正規表現）：このモジュールは、Pythonでの正規表現のサポートを提供します。文字列のパターンを解析して一致させるために使用されます。これは、AIエージェントの応答を処理するのに役立ちます。

Openai APIおよびHTTPXライブラリ

Openai APIは、OpenAIが開発した高度な言語モデルへのアクセスを提供する堅牢なプラットフォームです。これらのモデルは、人間のようなテキストを理解して生成することができ、AIエージェントの構築に最適です。 Openai APIを使用すると、次のことができます。

• プロンプトに基づいてテキストを生成します
• 質問に答えます
• 言語翻訳を実行します
• テキストを要約します
• そしてもっと

HTTPXライブラリは、同期要求と非同期要求の両方をサポートするPython用のHTTPクライアントです。 Webリクエストを作成するための強力な機能を提供しながら、使いやすいように設計されています。 HTTPXを使用すると、次のことができます。

• get and post requestsを送信します
• JSON応答を処理します
• セッションとCookieを管理します
• より良いパフォーマンスを得るために、非同期リクエストを実行します

Openai APIとHTTPXライブラリは、AIエージェントを構築および強化するために必要な基礎ツールを提供し、外部リソースと対話し、幅広いアクションを実行できるようにします。

環境のセットアップ

次の手順に従って環境を設定しましょう。

ステップ1：必要なライブラリのインストール

AIエージェントの構築を開始するには、必要なライブラリをインストールする必要があります。環境をセットアップする手順は次のとおりです。

• Pythonのインストール：システムにPythonがインストールされていることを確認してください。公式のPython Webサイトからダウンロードできます。
• 仮想環境を設定する：プロジェクトを管理するための仮想環境を作成することをお勧めします。次のコマンドを実行して、仮想環境を設定します。

 python -m venv ai_agent_env
ソースai_agent_env/bin/activate＃on windowsで、 `ai_agent_env \ scripts \ activate`を使用します

• OpenAI APIとHTTPXをインストール： PIPを使用して、必要なライブラリをインストールします。

 PIPインストールOpenAI httpx

• 追加のライブラリをインストールする： Python Standard Libraryに含まれている正規表現用のREなどの他のライブラリが必要になる場合があるため、個別のインストールは必要ありません。

ステップ2：APIキーと環境変数のセットアップ

Openai APIを使用するには、APIキーが必要です。これらの手順に従って、APIキーを設定します。

• APIキーを取得します： OpenAI Webサイトでアカウントにサインアップし、APIセクションからAPIキーを取得します。
• 環境変数のセットアップ： APIキーを環境変数に保存して、安全に保ちます。 .bashrcまたは.zshrcファイルに次の行を追加します（または、オペレーティングシステムに適切な方法を使用してください）：

 export openai_api_key = 'your_openai_api_key_hore'

• コードのAPIキーにアクセスする： Pythonコードでは、OSモジュールを使用してAPIキーにアクセスできます。

 OSをインポートします
openai.api_key = os.getenv（ 'openai_api_key'）

環境が設定されていると、AIエージェントの構築を開始する準備が整いました。

AIエージェントの構築

次に、AIエージェントを構築しましょう。

AIエージェントの基本構造を作成します

AIエージェントを構築するには、OpenAI APIとの相互作用を処理し、推論とアクションを管理するクラスを作成します。開始する基本構造は次のとおりです。

 Openaiをインポートします
Reをインポートします
httpxをインポートします

クラスチャットボット：
    def __init __（self、system = ""）：
        self.system = system
        self.messages = []
        self.systemの場合：
            self.messages.append（{"role"： "system"、 "content"：system}）
    
    def __call __（self、message）：
        self.messages.append（{"role"： "user"、 "content"：message}）
        result = self.execute（）
        self.messages.append（{"role"： "Assistant"、 "content"：result}）
        返品結果
    
    def execute（self）：
        完了= openai.chatcompletion.create（model = "gpt-3.5-turbo"、messages = self.messages）
        return complete.choices [0] .message.content

このクラスは、オプションのシステムメッセージを使用してAIエージェントを初期化し、ユーザーインタラクションを処理します。 __Call__メソッドは、ユーザーメッセージを撮影し、OpenAI APIを使用して応答を生成します。

Reactパターンの実装

Reactパターンを実装するには、思考、アクション、一時停止、観察、および回答のループを定義する必要があります。これをAIエージェントに組み込む方法は次のとおりです。

プロンプトを定義します

PRONT = "" "
思考、行動、一時停止、観察のループで走ります。
ループの最後に、回答を出力します。
あなたが尋ねられた質問についてのあなたの考えを説明するために思考を使ってください。
アクションを使用して、利用可能なアクションの1つを実行します。
観察は、これらのアクションを実行した結果です。

利用可能なアクションは次のとおりです。
計算：
たとえば、計算：4 * 7/3
計算を実行して番号を返します-Pythonを使用するので、浮動小数点を使用してください
必要に応じて構文

ウィキペディア：
例：ウィキペディア：Django
Wikipediaの検索から要約を返します

simon_blog_search：
たとえば、simon_blog_search：django
その用語については、サイモンのブログを検索してください

セッションの例：
質問：フランスの首都は何ですか？
考え：ウィキペディアでフランスを調べる必要があります
アクション：ウィキペディア：フランス
一時停止

これで再び呼び出されます：
観察：フランスは国です。首都はパリです。

その後、出力：
回答：フランスの首都はパリです
"""。ストリップ（）

クエリ関数を定義します

action_re = re.compile（ '^action：（\ w）：（。*）

クエリ関数は、質問をAIエージェントに送信し、アクションを解析し、実行し、観測値をループに戻すことにより、Reactループを実行します。

アクションの実装

ここで、実装アクションを調べてみましょう。

アクション：ウィキペディア検索

Wikipediaの検索アクションにより、AIエージェントはWikipediaの情報を検索できます。実装方法は次のとおりです。

 Def Wikipedia（Q）：
    Response = httpx.get（ "https://en.wikipedia.org/w/api.php"、params = {
        「アクション」：「クエリ」、
        「リスト」：「検索」、
        「srsearch」：q、
        「フォーマット」：「JSON」
    }）
    return Response.json（）["query"] ["search"] [0] ["snippet"]

アクション：ブログ検索

ブログ検索アクションにより、AIエージェントは特定のブログで情報を検索できます。実装方法は次のとおりです。

 def simon_blog_search（q）：
    応答= httpx.get（ "https://datasette.simonwillison.net/simonwillisonblog.json"、params = {
        「SQL」： "" "
        選択します
          blog_entry.title || '：' || substr（html_strip_tags（blog_entry.body）、0、1000）テキストとして、
          blog_entry.created
        から
          blog_entry blog_entry_ftsにblog_entry.rowid = blog_entry_fts.rowidに参加します
        どこ
          blog_entry_ftsマッチEscase_fts（：q）
        注文
          blog_entry_fts.rank
        制限
          1
        """。ストリップ（）、
        「_shape」：「配列」、
        「Q」：Q、
    }）
    return Response.json（）[0] ["Text"]

アクション：計算

計算アクションにより、AIエージェントは数学的計算を実行できます。実装方法は次のとおりです。

 defの計算（何）：
    return eval（何）

AIエージェントにアクションを追加します

次に、AIエージェントがそれらを使用できるように、これらのアクションを辞書に登録する必要があります。

 nown_actions = {
    「ウィキペディア」：ウィキペディア、
    「計算」：計算、
    「simon_blog_search」：simon_blog_search
}

アクションをAIエージェントと統合します

アクションをAIエージェントと統合するには、クエリ関数が異なるアクションを処理し、観測値を推論ループに戻すことができることを確認する必要があります。統合を完了する方法は次のとおりです。

 def query（question、max_turns = 5）：
    i = 0
    bot = chatbot（プロンプト）
    next_prompt = question
    私が<max_turns i="1" result="bot（next_prompt）" action="%5Baction_re.match%EF%BC%88a%EF%BC%89for" a in sprut.split n action_re.match .groups noked noked_actions print running nowned_actions next_prompt="f"><p>このセットアップにより、AIエージェントは入力について推論し、アクションを実行し、結果を観察し、応答を生成できます。</p>
<h2 id="テストとデバッグ">テストとデバッグ</h2>
<p>次に、テストとデバッグの手順に従ってください。</p>
<h4 id="サンプルクエリの実行">サンプルクエリの実行</h4>
<p>AIエージェントをテストするには、サンプルクエリを実行して結果を観察できます。ここにいくつかの例があります：</p>
<pre class="brush:php;toolbar:false"> print（query（ "イングランドは何と国境を共有しているの？"））

 print（query（ "サイモンはマダガスカルに行ったことがありますか？"））

 print（query（ "15 * 25"））

一般的な問題のデバッグ

テスト中、いくつかの一般的な問題に遭遇する可能性があります。ここにそれらをデバッグするためのいくつかのヒントがあります：

• APIエラー： APIキーが正しく設定されており、必要な権限があることを確認してください。
• ネットワークの問題：インターネット接続を確認し、呼び出しているエンドポイントが到達可能であることを確認してください。
• 間違った出力：アクション関数のロジックを確認し、正しい結果を返すようにします。
• 未解決のアクション：すべての可能なアクションが既知の_actions辞書で定義されていることを確認してください。

AIエージェントの改善

AIエージェントを改善しましょう。

堅牢性とセキュリティの向上

AIエージェントをより堅牢で安全にするには：

• 入力の検証：特に計算関数における注入攻撃を防ぐために、すべての入力が適切に検証されていることを確認します。
• エラー処理：アクション関数にエラー処理を実装して、例外を優雅に管理します。
• ロギング：ロギングを追加して、エージェントのアクションと観察を追跡して、デバッグを簡単にします。

より多くのアクションと機能を追加します

AIエージェントの機能を強化するには、次のようなアクションを追加できます。

• 天気情報：天気APIと統合して、リアルタイムの天気データを取得します。
• ニュース検索：最新のニュース記事を取得するためのニュース検索アクションを実装します。
• 翻訳：翻訳APIを使用して翻訳アクションを追加して、多言語クエリをサポートします。

実世界のアプリケーション

• カスタマーサポート： AIエージェントは、顧客の問い合わせを処理し、問題を解決し、パーソナライズされた推奨事項を提供できます。
• ヘルスケア： AIエージェントは、病気の診断、治療の推奨、患者の健康の監視を支援します。
• 財務： AIエージェントは、詐欺を検出し、取引を実行し、財務アドバイスを提供します。
• マーケティング： AIエージェントは、マーケティングキャンペーンをパーソナライズし、視聴者をセグメント化し、広告支出を最適化します。

将来の見通しと進歩

AIエージェントの将来は有望であり、機械学習、自然言語加工、AI倫理の進歩があります。新しいトレンドには次のものが含まれます。

• 自律システム：複雑なタスクを処理できるより洗練された自律システム。
• Human-AIコラボレーション：意思決定の改善のために、人間とAIエージェントの間の強化されたコラボレーション。
• 倫理AI：プライバシー、公平性、透明性を優先する倫理的AIエージェントの開発に焦点を当てます。

また、AIエージェントに構築する手順についてこの記事をチェックアウトします

結論

この包括的なガイドでは、 AIエージェントの概念、それらの重要性、およびそれらの能力を高める反応パターンを調査しました。必要なツールとライブラリをカバーし、環境をセットアップし、AIエージェントの構築をゼロから構築しました。また、アクションの実装、それらをAIエージェントと統合し、システムのテストとデバッグについても議論しました。最後に、AIエージェントの実際のアプリケーションと将来の見通しを見ました。

このガイドに従うことで、独自のビルドAIエージェントをゼロから作成する知識が得られました。さまざまなアクションを試し、エージェントの能力を高め、人工知能のエキサイティングな分野で新しい可能性を探ります。

キーテイクアウト

• AIエージェントのコア概念と重要性を理解する。
• AIエージェントが観察についてアクションと理由を実行できるようにするための反応パターンの実装。
• Openai API、HTTPX、Pythonの正規表現などの必須ツールとライブラリの知識。
• アクションの定義や統合など、AIエージェントの構築に関する詳細なガイド。
• AIエージェントを効果的にテストおよびデバッグするための手法。
• AIエージェントの機能を強化し、その堅牢性とセキュリティを確保するための戦略。
• さまざまな業界でAIエージェントがどのように使用されているか、およびその将来の進歩の実用的な例。

よくある質問

Q1。 AIの反応パターンは何ですか？

A.反応パターン（Reason Act）には、Wikipediaの検索や計算の実行など、AIエージェントが取ることができる追加のアクションを実装し、これらのアクションを要求して結果を処理するようにエージェントに教えることが含まれます。

Q2。 AIエージェントをゼロから構築するには、どのツールとライブラリが必要ですか？

A. AIエージェントをゼロから構築するには、必須のツールとライブラリにPython、Openai API、HTTPリクエスト用のHTTPX、Pythonの正規表現（RE）ライブラリが含まれます。

Q3。特にevalなどのアクションを使用する場合、AIエージェントのセキュリティを確保するにはどうすればよいですか？

A.注入攻撃を防ぐために入力を徹底的に検証し、可能な場合はサンドボクシング技術を使用し、エラー処理を実装し、監視とデバッグのためのログアクションを実行します。

Q4。ガイドに記載されているものを超えて、AIエージェントにアクションを追加することはできますか？

A.はい、天気情報の取得、ニュース記事の検索、適切なAPIを使用してテキストの翻訳やAIエージェントの推論ループに統合するなど、さまざまなアクションを追加できます。

以上がゼロからAIエージェントを構築する方法は？ - 分析Vidhya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。