AutoGen(マルチエージェントフレームワーク)とは？環境構築の手順や活用例を解説

import autogen

# LLMの設定例（your_key_file.json にAPIキーなどを記述）
# {
#     "api_key": "YOUR_OPENAI_API_KEY",
#     "model": "gpt-4-turbo"
# }

config_list = autogen.config_list_openai_aoai(key_file_path='your_key_file.json')

# または直接辞書で設定
# config_list = [
#     {
#         "model": "gpt-4-turbo",
#         "api_key": "YOUR_OPENAI_API_KEY",
#     }
# ]

# アシスタントエージェントの定義
assistant = autogen.AssistantAgent(
    name="assistant",
    llm_config={"config_list": config_list},
    system_message="あなたは熟練したプログラマーです。ユーザーの要望に応じてコードを書き、問題を解決します。",
)

# ユーザープロキシエージェントの定義
user_proxy = autogen.UserProxyAgent(
    name="user_proxy",
    human_input_mode="NEVER",  # NEVER, TERMINATE, ALWAYS から選択
    max_consecutive_auto_reply=10,
    is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("TERMINATE"),
    code_execution_config={"work_dir": "coding", "use_docker": False},  # Dockerの使用有無を設定
    llm_config={"config_list": config_list},
    system_message="あなたはコードを実行し、その結果を報告します。必要に応じてAssistantにフィードバックを提供します。",
)

# 会話を開始
user_proxy.initiate_chat(
    assistant,
    message="Pythonでフィボナッチ数列の最初の10項を計算するコードを書いてください。",
)

import autogen

config_list = autogen.config_list_openai_aoai()

# 数学の問題を解くためのアシスタントエージェント
assistant = autogen.AssistantAgent(
    name="assistant",
    system_message="あなたは数学の専門家で、問題を解くためにPythonコードを書くことができます。",
    llm_config={"config_list": config_list},
)

# コードを実行するエージェント（ユーザーを代理）
user_proxy = autogen.UserProxyAgent(
    name="user_proxy",
    is_termination_msg=lambda x: x.get("content", "") and "terminate" in x.get("content", "").lower(),
    human_input_mode="NEVER",
    max_consecutive_auto_reply=10,
    code_execution_config={"work_dir": "math_example", "use_docker": False},
)

# 会話の開始
user_proxy.initiate_chat(
    assistant,
    message="`x^2 + 5x + 6 = 0`の方程式の解を計算してください。",
)

import autogen

config_list = autogen.config_list_openai_aoai()

# 検索ツールを持つエージェントとしてユーザープロキシを設定
user_proxy = autogen.UserProxyAgent(
    name="user_proxy",
    is_termination_msg=lambda x: x.get("content", "") and "terminate" in x.get("content", "").lower(),
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "search_code_gen", "use_docker": False},
)

# コード生成を専門とするアシスタントエージェント
assistant = autogen.AssistantAgent(
    name="assistant",
    llm_config={"config_list": config_list},
    system_message="あなたは熟練したプログラマーです。検索結果を参考にしながら、Pythonコードを生成します。",
)

# 検索ツールを呼び出す関数
def search_tool(query):
    # ここにWeb検索APIを呼び出すコードを実装
    # 例：Google Search API, Serper API など
    return f"Web検索結果：{query}に関する情報がここに表示されます。"

# 関数呼び出しを有効化
user_proxy.register_function(
    function_map={
        "search_tool": search_tool,
    }
)

# 会話の開始
user_proxy.initiate_chat(
    assistant,
    message="Pythonで「requests」ライブラリを使って、特定のURLからデータを取得するコードを書いてください。ライブラリのインストール方法も教えてください。",
)

import autogen

config_list = autogen.config_list_openai_aoai()

# 計画立案エージェント
planner = autogen.AssistantAgent(
    name="planner",
    system_message="あなたは戦略家で、与えられた仮想環境の目標を達成するためのステップを計画します。",
    llm_config={"config_list": config_list},
)

# 行動実行エージェント
executor = autogen.UserProxyAgent(
    name="executor",
    is_termination_msg=lambda x: x.get("content", "") and "terminate" in x.get("content", "").lower(),
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "virtual_env_example", "use_docker": False},
)

# 仮想環境と連携するツール
def execute_action(action_plan):
    # 仮想環境にアクションを送信するAPIを呼び出す
    print(f"仮想環境でアクションを実行中: {action_plan}")
    return f"アクション'{action_plan}'が完了しました。"

executor.register_function(
    function_map={
        "execute_action": execute_action,
    }
)

# 会話の開始
executor.initiate_chat(
    planner,
    message="仮想環境で「宝箱を探す」というタスクを達成するためのステップを計画してください。完了したら、`execute_action`関数を使ってタスクを実行してください。",
)

import autogen

config_list = autogen.config_list_openai_aoai()

# ユーザーの代わりとなるエージェント
user_proxy = autogen.UserProxyAgent(
    name="user_proxy",
    is_termination_msg=lambda x: x.get("content", "") and "terminate" in x.get("content", "").lower(),
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "group_chat_example", "use_docker": False},
)

# 計画立案エージェント
planner = autogen.AssistantAgent(
    name="planner",
    system_message="あなたはタスクを計画し、適切なエージェントにタスクを割り振ります。",
    llm_config={"config_list": config_list},
)

# コーディングエージェント
coder = autogen.AssistantAgent(
    name="coder",
    system_message="あなたはPythonコードを生成します。",
    llm_config={"config_list": config_list},
)

# デバッギングエージェント
debugger = autogen.AssistantAgent(
    name="debugger",
    system_message="あなたはコードのエラーを特定し、修正案を提案します。",
    llm_config={"config_list": config_list},
)

# グループチャットの設定
groupchat = autogen.GroupChat(
    agents=[user_proxy, planner, coder, debugger],
    messages=[],
    max_round=12,
    speaker_selection_method="auto",  # 最も適切なエージェントが自動で発言
)

manager = autogen.GroupChatManager(
    groupchat=groupchat,
    llm_config={"config_list": config_list}
)

# グループチャットの開始
user_proxy.initiate_chat(
    manager,
    message="1から10までの偶数を表示するPythonコードを作成してください。もしエラーがあれば修正してください。",
)

import autogen

config_list = autogen.config_list_openai_aoai()

# チェスプレイヤー1（白）
white_player = autogen.AssistantAgent(
    name="WhitePlayer",
    system_message="あなたはチェスの白のプレイヤーです。最善手を考え、`move`関数を呼び出して手を指します。",
    llm_config={"config_list": config_list},
)

# チェスプレイヤー2（黒）
black_player = autogen.AssistantAgent(
    name="BlackPlayer",
    system_message="あなたはチェスの黒のプレイヤーです。相手の手を分析し、最善手を指します。",
    llm_config={"config_list": config_list},
)

# ゲーム管理エージェント（ユーザーを代理）
game_master = autogen.UserProxyAgent(
    name="GameMaster",
    is_termination_msg=lambda x: x.get("content", "") and "ゲームが終了しました" in x.get("content", ""),
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "chess_example", "use_docker": False},
)

# チェス盤を管理する関数
chess_board = {}  # 実際にはライブラリを使用
def make_move(player, move):
    # ここにチェスの動きを検証・実行するロジックを実装
    # 実際には、`chess`ライブラリなどが利用される
    print(f"{player}が{move}を指しました。")
    return "次のプレイヤーの手番です。"

game_master.register_function(
    function_map={
        "make_move": make_move,
    }
)

# 会話の開始
game_master.initiate_chat(
    white_player,
    message="ゲームを開始します。`WhitePlayer`は`e2`から`e4`へ動かし、`make_move`関数を使ってください。",
    chat_history=[{"role": "user", "content": "チェスゲームを開始します。あなたは白です。"}],
    config={"recipient": black_player, "messages": []},
)

# 2プレイヤー間のチャットを設定
game_master.initiate_chat(
    black_player,
    message="次に黒の手番です。",
    chat_history=[],
    config={"recipient": white_player, "messages": []},
)