シラバス レッスン 250 中 231 · プロジェクト:ツールを使う調査エージェント
プロジェクト:ツールを使う調査エージェント

エージェントの ReAct のループをつなぐ

いよいよプロジェクトの心臓部です:ReAct のループ(推論 -> 行動 -> 観察)、ほとんどあらゆるエージェントのフレームワークの裏にある制御のループです。モデルは一度では答えません。1 歩考え、ツールを選び、それを実行し、結果を読み、そのあとで初めて次に何をするかを決めます。あなたの仕事は、そのループをモックのツールの上でふつうの Python として書くことです。そうすれば、LangChain をブラックボックスとして扱う代わりに、仕組みを理解できます。

本物のデプロイでは「推論」のステップは LLM の呼び出しです。ここでは全体がオフラインでテストできるように、モデルを小さな決定的な方針に置き換えます(ネットワークなし、API なし)。方針は課題と、これまでに集めた観察を見て、次の行動を返します。その分離こそ本当の教訓です:ループは汎用的で、賢いのは方針だけなのです。

課題は、方針が読む小さな仕様です:

task = {"need": ["team size", "office floors"], "op": "*"}
# "look up these facts, then combine them with this operator"

run_agent(task, tools, max_steps=8) を作ります。これはトレースを返します:ステップごとに 1 つの、(thought, tool, args, observation) のタプルの順番のあるリストです。そのトレースはエージェントの推論の履歴全体で、まさにあなたが記録し、再生し、(次のレッスンで)評価するものです。

ループが各繰り返しで表す推論:

  • 必要な事実のどれかがまだわかっていなければ、次の行動は、欠けている最初のものの search です。観察を記録し、その事実を覚えておきます。
  • すべての事実が集まり、課題に op があれば、次の行動は 2 つの事実を組み合わせる calc です。結果を覚えておきます。
  • やることが何も残っていなければ、観察が答えである最後の finish の行動を出し、止まります。
def run_agent(task, tools, max_steps=8):
    trace, facts = [], {}
    for _ in range(max_steps):
        missing = [k for k in task["need"] if k not in facts]
        if missing:
            key = missing[0]
            obs = tools["search"]({"query": key})   # ACT + OBSERVE
            facts[key] = obs
            trace.append(("need " + key, "search", {"query": key}, obs))
            continue
        ...   # compute if there is an op, else finish

tools の辞書は、気持ちの上ではレッスン 1 の登録簿です:search(args) は事実を解決し、calc(args) は op を a と b に適用します。最終的な答えは、op があれば calc の結果、なければ調べた 1 つの事実です。採点プログラムは 1 ステップずつの (tool, args, observation) の並びと最終的な答えを確かめるので、ループは当て推量ではなく、実際に正しく振り分けなければなりません。2 つ目の違う課題も実行するので、ハードコードしたトレースでは通りません。実行を押して、2 つの事実の課題が推論しながら答えにたどり着く様子を見てください。

あなたの番

search(args)(初期コードで与えられた FACTS の表と照らして args["query"] を解決する。なければ "not found")と calc(args)(+ - * / について、args["op"] を args["a"]、args["b"] に適用する)を持つ辞書を返す make_tools() を書いてください。それから推論・行動・観察のループを実装する run_agent(task, tools, max_steps=8) を書きます:task["need"] の中でまだ欠けている各キーを(欠けている最初のものから)search し、次に task["op"] が設定されていれば calc し、それから (thought, "finish", {"answer": answer}, answer) として書いた最後の finish のステップです。(thought, tool, args, observation) のタプルの順番のあるリストを返します。最終的な答えは calc の結果で、op がなければ 1 つの事実です。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

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。