AIエージェント

AIエージェントコンポーネントは、AIワークフロー内でインテリジェントエージェントとして機能するように設計された多目的な構築ブロックです。このエージェントは大規模言語モデル(LLM)を活用し、外部ツールに接続でき、会話型AI、複雑な自動化、動的タスク実行など、広範なユースケースに対応するように設定できます。

コンポーネントが行うこと

AIエージェントは入力プロンプトを処理し、会話履歴(オプション)を考慮に入れ、外部ツールを使用してコンテキスト認識応答を生成できます。その機能は、バックストーリー、役割、および目標を指定することでカスタマイズでき、エージェントが特定のペルソナまたは目的に従って動作することを可能にします。エージェントは関数呼び出しも実行でき、有効なツールを通じてAPIまたは外部システムとプログラム的に対話することを可能にします。

AIエージェント設定

LLM

エージェントが使用する大規模言語モデルを選択します。6つの主要なプロバイダーから様々なモデルを選択できます。デフォルトモデルはOpenAIの最新の中程度のモデルです。

ツール

ここでエージェントにすべてのツールを提供します。ツールとして接続できる900以上のアイテムがあります。これらは新しい機能から統合ツール内で実行される単純なアクションまで様々です。実質的に、任意のインターフェース、データベース、または通信アプリは、APIおよびMCPサーバーを介してツールになることができます。

ツールを接続する方法

+ ツール追加をクリックします。利用可能なすべてのツールの完全なリスト。カテゴリ別または検索で絞り込むことができます:

各ツールには独自の設定があります。各アイテムについて、AIに必要に応じて使用させるか、パラメータを手動で設定するかを決定できます。*“AI Decides”*ボタンをクリックして手動入力に切り替えることができます。パラメータを定義すると、ロックされ、AIは編集できません。

“スキップして追加"をクリックしてパラメータ設定をスキップできます。ツールが設定されたら、*“設定で追加”*をクリックします。その後、他のツールの追加を続けることができます。

システムメッセージ

エージェントの役割、タスク、動作、およびその他の指示を定義する主要なプロンプトです。

システムメッセージの例:

あなたはサム、AI ワークフロー自動化プラットフォーム FlowHunt の親切で知識豊富なカスタマーサービスアシスタントです。

あなたの主な目標は、顧客の問題を迅速かつ満足のいく方法で解決し、すべての顧客に聞かれ、助けられ、価値があると感じさせることです。大多数のリクエストを独立して効率的に処理することでエスカレーションを減らすことを目指しています。

指示:
常に顧客を温かく挨拶し、提供されている場合は名前を使用してください。
冷静で、忍耐強く、共感的でいてください。顧客がイライラしていても。
簡潔だが徹底的に。質問に答えないままにしないでください。
専門用語を避けてください。ポリシードキュメントではなく、役に立つ人間のように話してください。
顧客と議論したり、その懸念を軽視したりしないでください。
何か知らない場合は、正直に言って、調べたりエスカレートしたりすることを申し出てください。
注文ステータス、返品と払い戻し、製品に関する質問、配送の問題、アカウントヘルプなど、一般的なリクエストを直接処理します。
以下の場合は人間のエージェントにエスカレートしてください: 問題があなたの権限を超えた苦情を伴う場合、法的問題の場合、または顧客が明示的に人間を要求する場合。
すべての相互作用の終わりに解決を確認してください。他に手伝えることがあるかどうか尋ねてください。
内部ポリシーを逐語的に共有したり、権限外の約束をしたり、持っていない情報を作成したりしないでください。

トーン: 温かく、専門的で、安心感のあるもの。企業スクリプトではなく、知識豊富な友人のようなものです。

最大実行時間

エージェントがタスクに費やすことができる時間(秒単位)を制限します(デフォルト: 300)。

最大反復

思考ステップの最大数(デフォルト: 10)

最大RPM

1分あたりのリクエストを制限します(デフォルト: 100)。

役割

オプションでエージェントの役割を定義します。役割をエージェントの職務経歴書と考えてください。エージェントがブログ投稿を書く必要がありますか? “コンテンツライター"と呼んでください。

目標

目標はエージェントのタスクと理想的な成果です。たとえば、コンテンツライターのタスクは新しい投稿を作成することか、既存のコンテンツを校正および修正することかもしれません。

バックストーリー

あなたは常に、あなたが行うすべてのことに性格、話し方、経験をもたらします。それはあなたのバックストーリーであり、あなたとあなたの仕事を他の人から分ける理由です。バックストーリーは、エージェントにストーリー、性格、および仕事経験を与える場所です。

エージェントチャット履歴

過去のチャットメッセージをコンテキストとして提供します。履歴が有効になっていない場合、エージェントはメッセージごとに機能します。

エージェントメモリ

エージェントがワークスペースのメモリを読み書きできるかどうか。有効にすると、モードと動作プロンプトを定義するよう求められます。

注: ツール入力のみが厳密に必要です。他のすべての設定はオプションであり、追加のカスタマイズと安定した出力品質を提供します。

優れたAIエージェントとは: 適切なモデル

AIエージェントの力はそのAIモデルにあります。適切なモデルはその機能とパフォーマンスすべてに違いを生じさせます。ベンチマークテストに基づいた最終的な比較については、このブログをご確認ください。

• 大規模言語モデル(LLM): GPT-4、Gemini、Claudeなどのモデルは、強力な自然言語理解と生成機能を備えています。複雑な推論、計画、およびマルチタスク処理に最適です。ただし、より大きな計算能力を必要とし、時々事実上または論理的なエラーや"ハルシネーション"も起こす可能性があります。
• 小規模言語モデル(SLM): 特定のタスクには、専門化でき、より低い運用コストで機能できる特殊で省電力のモデルが必要です。
• ベクトル埋め込みモデル: ベクトル埋め込みを出力するモデルはコンテンツの発見と取得に優れています。迅速なセマンティック検索を可能にし、迅速な洞察生成が必要なエージェントにとって重要なナレッジベースの簡単な取得を可能にします。
• 意思決定推論および計画モデル: 主要な意思決定の選択を伴う意思決定については、推論および計画モデルが焦点になります。古典的なアルゴリズムベースの計画またはリーンフォースメントラーニングベースの計画の使用から、意思決定はエージェントが十分な情報に基づいた選択をするようにします。

最終的に、エージェントタスクの複雑性、データの可用性、および予算が適切なモデルを決定します。パワーと実用性のスイートスポットを見つけることが重要です。

AIエージェントがタスクを解決する方法

AIエージェントは単に反応するだけでなく、述べられた目標に積極的に作用します。プロセスは通常、これらの主要なマイルストーンを通過します:

• 目標定義: プロセスは、エージェントが達成する必要があるよく述べられた目標、タスク、または課題から始まります。
• 環境観察: エージェントは次に、その環境から関連する事実を取得します。API、データベース、Webスクレイピング、またはセンサー入力を通じてそれを行うことができます。
• 計画と推論: 蓄積された事実に基づいて、エージェントは行動計画を作成し、複雑なタスクを管理可能なタスクの断片に分割します。
• アクション実行: エージェントは利用可能なツールを使用して環境に作用することで計画を実行します。
• 学習と適応: 実行時に、エージェントはそのパフォーマンスをテストし、フィードバックを通じた学習で改善し、プロセスを次のタスクに適切に適応させます。

これにより、自動化されたクライアントサービスからコンテンツ生成まで、AIエージェントを幅広いアプリケーションに採用することが可能になります。