実務で学ぶAI Agents（エージェント）Part.4

単なるプロンプト作成にとどまらず、状況を理解・判断して行動する実践型AIエージェントシステムの設計から構築、運用までを扱う実務講座です。LangGraphやStreamlitなどの主要ツールを活用し、テキスト、グラフィック、音声ベースのユーザー体験を備えたエージェントを実際に実装します。問題解決に適したエージェントアーキテクチャを設計し、システムの行動結果を検証する一連の開発フローを学びます。

ビジョン言語モデル(Vision-Language Model, VLM)の概念と活用方法を理解し、実際にLLaVAモデルをOllamaベースの環境で実行し、MCP(Model Context Protocol)と連動する過程を実習する入門者向けの講義です。 この講義は、マルチモーダルモデルの原理、量子化(Quantization)、サービス及び統合デモ開発まで扱い、理論と実習をバランスよく提供します。

AIエージェント、デプロイするたびに不安を感じていませんか？国内の大手企業や海外のビッグテックでの経験をもとに、LangSmithを活用してエージェントの品質を体系的に測定し、改善する方法をお伝えします。

LLMに必要な基礎知識から、実戦で使えるヒントまで、核心的な内容を中心に現職者が素早くお伝えします！

OpenClawの1・2部まで進めると、結局一人のエージェントにすべてを任せることになります。 そうなると、プロンプトが絡まり、メモリが混ざり、フォルダが整理できなくなり、「これからどう整理すればいいのか」と途方に暮れる瞬間がやってきます。 この講義は、その地点から一段階上へと引き上げるための「マルチエージェント入門編（2.5部）」です。 一つのボットを維持したまま、planner / editorの二つのエージェントに役割を分離し、 各エージェントに異なるワークスペースとTelegramフォーラムのトピックを連携させることで、 「どの部屋で話すかによって異なるエージェントが応答する構造」を実際に構築してみます。 実習を進めると、自分の環境内に - `content_planner`と`content_editor`の二つのエージェントが定義された設定ファイル、 - 企画と下書きが分離されたコンテンツフォルダ構造、 - フォーラムのトピックごとに異なるエージェントが紐付いたTelegramグループ、 - そして、二つのエージェントが協力して作成したInflearn講義紹介文の下書き1つが実際に残ります。 つまり、この講義は「AI秘書1人」で始めたTelegramボットを、 「役割が分かれた小さなAIチーム」へとアップグレードする第一歩を共に設計する実践授業です。

AIエージェント、漠然としていませんか？実務経験をもとに、プロンプトからループ、グラフエンジニアリングシステムまで、問題解決のノウハウを伝授します。

本コースは、Spring AI・Spring Bootを基盤に、GPT、Gemini、LLaMA（ローカル）を戦略的に組み合わせ、Multi-LLMアーキテクチャとオーケストレーション中心のAgentシステム（Main/Sub、Tool、Task Runtime、Agent Registry）を設計・実装する上級コースです。 単一LLMの呼び出しを超え、Agentic Workflow Pattern（Chain、Parallel、Routing、Orchestrator–Workers、Evaluator–Optimizer）とMulti-Agent構造を適用し、Tool・ToolRegistryによってRAG・外部API/DBなどの実行レイヤーを分離します。さらに、DAGエンジン・YAML宣言型ワークフロー・ロード直後の検証（Validated DSL）を通じて、拡張可能で安定しており、品質が継続的に改善されるAIシステムを構築する流れを扱います。 また、Circuit Breaker、Reactive Stream、Redisモニタリング、並列処理、反復評価ループまで含み、Thymeleaf（SSR）の実習に加えてReact・RESTでフロント/バックを分離し、MCP（Model Context Protocol）でツール・エージェントランタイムを標準プロトコルで連動させる拡張を加え、実際の運用環境レベルのAIアーキテクチャ設計能力を身につけることを目指します。 最終的な目標は、単一APIの連携やプロンプトレベルにとどまる単純なAI利用者ではなく、Multi-LLM・エージェント・ワークフロー・宣言・検証を一つの実行アーキテクチャとして説明・折衝できる、AIシステムを設計可能な開発者へと成長することです。

単なるチャットボットを超え、自律的にタスクを遂行するAIエージェントシステムを設計・実装します。Sense-Think-Actループベースのアーキテクチャから、LangGraphの循環構造、RAGAS・LangSmithによる定量評価、運用ガードレールまで全過程を実習し、エンタープライズ級のエージェントエンジニアリング能力を完成させます。