モックのツールで回す ReAct ループ
宣伝文句をはぎ取れば、「AI エージェント」はただのループです。モデルが魔法のように行動するのではなく、あなたのコードが行動します。パターンは ReAct です。何をするか 推論(Reason) し、ツールを呼んで 行動(Act) し、結果を 観察(Observe) し、タスクが終わるまでループします。モデルが作るのはいつもテキストだけで、その周りのループがテキストを本物のツール呼び出しに変え、結果を戻します。
推論のステップは LLM で、非決定的なので単体テストできません。でもその周りのすべては決定的 であり、まさに本番で壊れる部分です。呼び出しの振り分け、観察の扱い、停止条件。そこで、モデルの仕事を 台本どおりの計画 に置き換えてループをテストします。(tool, args) の行動の固定リストです。エージェントを実際に単体テストする方法はこうです。計画を固定し、トレースを確かめます。
run_agent(plan, tools, max_steps) を作ります。plan は ("lookup", {"country": "France"}) のようなステップのリストです。tools はツール名を、引数の辞書を受け取って観察を返す Python の関数に対応づける辞書です。各ステップで対応するツールを呼び、(tool, args, observation) の 3 つ組を トレース に追加します。エージェントがしたことの監査ログです。
def run_agent(plan, tools, max_steps=10):
trace = []
for action, args in plan:
if len(trace) >= max_steps:
break
if action == "finish":
break
observation = tools[action](args)
trace.append((action, args, observation))
return traceルール:
- 各ステップで
tools[action](args)を呼び、(action, args, observation)を順に記録します。 "finish"の行動はすぐにループを終わらせ、トレースには記録 しません(ツール呼び出しではなく合図だからです)。- 計画にまだステップがあっても、トレースがすでに
max_steps件を持っていたら止めます。この防御が暴走するエージェントを止めます。 - ステップに引数がなければ、空の辞書として扱います。
本物のアプリでは、LLM が次の行動を JSON として出し、同じループがそれを実行します。だからループに手を触れずに、台本どおりの計画を本物のモデル出力に取り替えられます。デバイス上のチューターはこのループそのものをライブで動かせますが、採点が見るのは常に決定的なトレースだけです。Run を押して、2 ステップの計画が実行されるのを見てみましょう。首都を調べ、次に計算をし、それから終わります。
いま作ったものには、業界での名前があります。 この観察・思考・行動のループは、あらゆるエージェントフレームワークの中核です。LangGraph などのライブラリはこのループをノードのグラフとして提供し、ホスト型のエージェント API は提供元の側でそれを動かし、MCP クライアントは実のところ、プロトコル経由で見つけたツールにこのループをつないだものにすぎません。それらはストリーミング、再試行、永続化、トレースを加えますが、エンジンはまさにあなたが書いたループです。一度ゼロから作ってみることで、それらのフレームワークが魔法ではなく読み解けるものになります。それぞれがどの部分を自動化しているのか、正確にわかるようになります。
モックのツール登録簿に対して (tool, args) のステップからなる台本どおりの計画を実行する run_agent(plan, tools, max_steps=10) を書いてください。各ステップで tools[action](args) を呼び、(action, args, observation) をトレースのリストに追加します。"finish" の行動はループを止め、記録しません。トレースが max_steps 件になったら止めます。トレースを返します。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。