複合 AI システムと AI エージェントとは
Mosaic AI エージェント フレームワークは、開発者が AI エージェントと複合 AI システムを開発するときの固有の課題を克服するために支援します。 AI アプリケーションを 複合 AI システム と AI エージェントにする方法について説明します。
複合 AI システム
複合 AI システム は、複数の対話コンポーネントを組み合わせて AI タスクに取り組むシステムです。 一方、AI モデルは単なる統計モデルです。たとえば、テキストの次のトークンを予測する Transformer です。 複合 AI システムはパフォーマンスと柔軟性により、AI アプリケーションの一般的な設計パターンとして定着しています。
詳細については、「モデルから複合 AI システムへの移行」を参照してください。
AI エージェントとは
業界では依然として AI エージェントの定義が行われていますが、ハードコーディングされたロジックとは対照的に、モデルが計画決定の一部またはすべてを行う AI システムとして一般的に認識されています。 これらのエージェントは大規模な言語モデル (LLM) を使用し、意思決定を行って目的を達成します。
多くの AI エージェント アプリケーションは複数のシステムで構成されているため、複合 AI システムとしての条件を満たしています。
エージェントは連続体であり、システムの動作を制御するためにモデルに自由を与えれば与えるほど、アプリケーションはエージェントに似た動作をします。
ツールとは?
AI エージェントは、ツールを使用して言語生成以外のアクション (構造化データや非構造化データの取得、コードの実行、電子メールや Slack メッセージの送信などのリモート サービスとの通信など) を実行します。
Databricks では、Unity Catalog 関数をツールとして使用できるため、ツールの検出、ガバナンス、共有を簡単に行うことができます。 オープン ソースのエージェント作成ライブラリ (LangChain など) 使用してツールを定義することもできます。
一般的なエージェント ワークフローでは、エージェント LLM にはツールに関するメタデータが与えられます。このメタデータは、ツールをいつどのように使用するかを決定するために使用されます。 したがって、ツールを定義するときは、エージェント LLM がツールを最適に使用できるように、ツール、そのパラメーター、およびその戻り値が十分に文書化されていることを確認する必要があります。
LLM から AI エージェントへ
AI エージェントを理解するには、AI システムの進化を考慮すると便利です。
- LLM: 最初は、大規模な言語モデルは、膨大なトレーニング データセットの知識に基づいてプロンプトに応答のみをしていました。
- LLM + ツール チェーン: 次に、開発者は LLM の機能を拡張するため、ハードコーディングされたツールを追加しました。 たとえば、取得拡張生成 (RAG) は、カスタム ドキュメント セットを使用して LLM のサポート技術情報を拡張しましたが、API ツールは LLM がサポート チケットの作成や電子メールの送信などのタスクを実行できるようにしました。
- AI エージェント: AI エージェントは問題に対する理解に基づき、計画を自律的に作成してタスクを実行できるようになりました。 AI エージェントはまだツールを使用しますが、使用するツールとタイミングを決定するのは AI エージェント次第です。 主な違いは、複合 AI システムと比較して自律性と意思決定能力のレベルにあります。
開発の観点から見ると、個々の LLM、ツールチェーンを備えた LLM、完全な AI エージェントのいずれであっても、AI アプリケーションは同様の課題に直面します。 Mosaic AI エージェント フレームワークは、開発者がすべてのレベルの複雑さの中で、構築と AI アプリケーションに関する固有の課題を管理できるようにします。
AI エージェントの例
業界間の AI エージェントの例を次のようにいくつか示します。
AI/BI: AI 搭載のチャットボットとダッシュボードは自然言語のプロンプトを受け入れて企業のデータに分析を実行し、データの完全なライフサイクルから分析情報を引き出します。 AI/BI エージェントは要求の解析、決定するデータ ソースの選択、結果を伝える方法の決定を行います。 AI/BI エージェントは、人間によるフィードバックで時間の経過とともに改善することが可能であり、出力を検証して調整するためのツールを提供します。
カスタマー サービス: AI 搭載のチャットボット (カスタマー サービス プラットフォームで使用されるものなど) は、ユーザーとの対話、自然言語の理解、関連する応答の提示、タスクの実行を行います。 企業は、クエリの応答、製品情報の提示、トラブルシューティングの支援を行うため、カスタマー サービスに AI チャットボットを使用します。
製造予測メンテナンス: AI エージェントは、機器の故障の予測、代替品を注文して自律的な対処、メンテナンスをスケジュールしてダウンタイムの短縮と生産性の向上に貢献する以外の対応もできます。
次のステップ
AI エージェントを開発および評価する方法について説明します。
実践できる AI エージェントのチュートリアル