inflearn logo
知識共有
inflearn logo

ゼロから作るAIエージェント — RAG・マルチエージェント・MCP

フレームワークを使わず、Pythonとwhile文ひとつでAIエージェントを自作します。入門パートでは、ツール設計、失敗とコスト、記憶、人による承認、評価、Web画面を一つずつ追加し、小さなコーディングエージェントを完成させます。実践パートでは、実際の事業報告書(DART)を使ってRAG・マルチエージェント・MCPサーバーを自ら実装し、その後LangChain・LangGraphと数値で比較します。

58名 が受講中です。

難易度 初級

受講期間 無制限

Python
Python
FastAPI
FastAPI
LLM
LLM
openAI API
openAI API
AI Agent
AI Agent
Python
Python
FastAPI
FastAPI
LLM
LLM
openAI API
openAI API
AI Agent
AI Agent

お知らせ

3 件

  • dante님의 프로필 이미지

    こんにちは、ダンテです。

    新セクション「実践9・エージェント検索 — 文書が数十万件あるとき、引っ張ってきてgrep」全6回(実践35〜40、約78分)が公開されました。

    ベクトル検索を使わず、grepとファイルの読み込みだけで文書を探し回るエージェントが注目されています。このセクションでは、その方法を韓国語版ウィキペディアの約65万件の文書まで規模を拡大し、どこまで通用し、どこで行き詰まるのかを実際に測定します。

    • 実践第35回:grepを使うエージェントがベクトル検索に勝ったという論文を読み、何を比較したのか検証します。

    • 実践第36回:文書が1万、10万、約65万件に増えたとき、検索時間がどう変わるかを測り、見つからない場合・タイムアウト・コマンド失敗を区別するツールを作ります

    • 実践第37回:ファイルパスの代わりに文書番号で動くfindとreadを作り直します

    • 実践38編:検索エンジンが選んだ文書だけを作業フォルダに引っ張ってきて調べるpullツールを作ります

    • 実践第39回:検索のみ・全文検索・引っ張ってきて検索する3つの方式を、同じ条件で計測して採点します

    • 実践編40:いつ何を選ぶかの基準を定め、低コストな方法から試すルーターを組み込みます。

    先にお伝えすると、約65万件の文書を丸ごと検索する方法は、正答率を落とさずに済みましたが、遅くなりました(質問1件あたり79~95秒)。検索で候補を絞り込んでから調べると、正答率をほぼそのまま保ちながら、15~20秒に短縮できました。なぜそうなるのか、どこで失敗するのかは、授業で実行ログを確認します。

    動画で「エージェント検索の授業」「経路選択の授業」と呼んでいる内容は、実践編全35回の授業ノートの冒頭にまとめてあります。まず読んでから始めてください。

    実習コードと資料の入手方法は公開リポジトリにあります。ドキュメント一式は1万件分(約12MB)だけダウンロードすれば、全6回分をすべて受講できます。

    https://github.com/dante01yoon/embedding-rag-practice/tree/main/c3

    つまずいたところや疑問点があれば、各授業の質問欄に書き込んでいただければお答えします。

    ありがとうございます。

    0
  • dante님의 프로필 이미지

    ・

    修正済み

    こんにちは、ダンテです。

    予告していた実践パートが本日すべて公開されました。受講中の方は、追加料金なしですぐにご覧いただけます。

    実践パートの構成(23本+デプロイ手順追従付録)

    · 実践 1 · オリエンテーションと成績表:完成デモ、環境チェック、エージェントループと成績表

    · 実践 2 · ツール設計:開示情報照会ツール15個、ツール40個とツール検索

    · 実践 3 · コンテキストエンジニアリング:事業報告書全体の投入、長時間タスクの管理、スキルとサブエージェント

    · 実践 4 · RAG:事業報告書Q&A、BM25・ベクトル・再ランキング、引用と数値の検証、LangChain・LlamaIndex比較

    · 実践 5 · マルチエージェント:企業リサーチチーム、引用検証器、LangGraphへの移行

    · 実践 6 · MCP:開示資料検索MCPサーバーを自分で実装してリモートデプロイ・セキュリティ・LangChainアダプターまで

    · 実践 7 · キャップストーン:FastAPI + SSE バックエンド、React画面、デプロイと最終成績表、Renderデプロイの手順を追う

    最初はwhile文一つだったエージェントが、最終成績表では同じ20問基準で正答率90% → 95%、出典付きの文が0/63 → 71/72になります。

    まずは実践 0編の環境チェックから始めてください。OpenRouterキーとOpenDARTキー(無料)が必要です。

    行き詰まったところは授業の質問欄に残してください。ありがとうございます。

    0
  • dante님의 프로필 이미지

    こんにちは、ダンテです。


    この講義に実践パートが追加されます。入門パートで作成したエージェントループをもとに、実際の上場企業の事業報告書(DART)を使ってAI投資リサーチワークベンチを構築しながら、以下の内容を扱います。


    - ツール設計の実践:開示情報照会ツールを15個から40個へ、ツール検索とキャッシュ

    - コンテキストエンジニアリング:長文書・長時間のタスクへの対応、スキルとサブエージェント

    - RAG:BM25・ハイブリッド・再ランキング、出典の付与と数値の照合、LangChain・LlamaIndexの比較

    - マルチエージェント:企業リサーチチーム、引用検証器、LangGraphへの移行

    - MCP:サーバーを直接実装 → 公式SDK → リモートデプロイとトークン認証 → セキュリティ → LangGraph接続

    - キャップストーン:FastAPI · Reactによるワークベンチの完成と最終成績表


    すべて数字で直接測りながら進め、全23回の授業が7つのセクションに分かれて順次公開されます。

    すでに受講中の方は、追加料金なしでそのままご覧いただけます。


    ありがとうございます。

    0

期間限定セール、あと20:22:49日で終了

¥10,500

24%

¥13,939