この章では、LlamaIndex を使ったエージェントワークフローの構築に必要な基本概念とセットアップを学びます。Tavily や OpenAI のモデルなどのツールを使って実践的に練習し、最初のツール関数を定義して、ウェブと対話できるインテリジェントなエージェントを作成します。章の終わりには、実際のタスクにも対応できる LlamaIndex 製の AI エージェントが完成します。

ようこそ！

LlamaIndex を使ってみましょう

エージェントとは何か？

エージェントの作成

エージェントは記憶を持つ？

エージェントの実行をまたいだ状態の維持

ストリーミング出力とイベント

エージェントの構築

エージェントが 1 つで済む理由はありません。この章では、マルチエージェントシステムの力を活用します。専門化されたエージェントがそれぞれの役割を持ちながら、まるで調査チームのように協力して動きます。検索・執筆・レビューを行う独自の協調エージェントワークフローを構築し、チームワークによって AI がどのようにより賢く、スケーラブルになるかを確かめましょう。

マルチエージェントシステムとは？

AgentWorkflow を使ったマルチエージェントシステム

エージェントワークフローをゼロから構築する

カスタムイベントを使ったマルチステップワークフローの設計

並行処理とイベントの収集

マルチエージェントシステムをまとめる

ワークフローへの自己振り返り機能の追加

まとめ

深層調査ワークフローの作成

AI エージェントのチームを自分で構築してみましょう。このコースでは、単一のスマートアシスタントから始め、計画・検索・記憶・協調を行う本格的なエージェントワークフローへと発展させていきます。LlamaIndex を使って、深い調査やレポート作成といった複雑なタスクに対応できる強力なシステムを作成します。ツール、メモリ、マルチエージェント連携をどのように組み合わせるかを学びながら、AI ワークフローを実際に動かしましょう。

<h2>スマートで高性能なAIエージェントをゼロから構築する</h2>

LlamaIndexという強力なフレームワークを使って、AIの振る舞いをオーケストレーションしながら、インテリジェントなエージェントワークフローをゼロから構築する方法を学びます。 単一エージェント構成から始めてマルチエージェント協働へと進みながら、調査を行い、レポートを生成し、自身の出力を振り返ることができるシステムを構築します。
<br></br>

<h2>エージェント型ワークフローを作成・オーケストレーションする</h2>

まずは、AgentWorkflow クラスを使ってシンプルな AI エージェントをセットアップし、Web 検索などの機能に接続するところから始めます。 コンテキストを使ってエージェントに「記憶」を持たせ、ストリーミング出力で応答をより動的に感じさせる方法を学びます。 コースが進むにつれて、イベント処理、並行実行、そしてステップベースのロジックを使ったカスタムワークフローの作成といった高度な機能を学びます。 エージェントが自分の出力を改善できるようにするための自己反省ループも実装します。
<br></br>

<h2>LlamaIndexでマルチエージェントシステムを設計する</h2>

最後のステップでは、単一エージェントのシステムを超えて、連携して動作するAIエージェントのチームを設計します。 各エージェントが、調査、執筆、レビューのような専門的な役割を担い、共通の文脈を通じて情報を共有するワークフローを構築します。 シーケンシャル、ループ、分岐のワークフローを試しながら、複数のエージェントを使って複雑なタスクを管理する方法について理解を深めます。

Intermediate Python

LlamaIndexを使って、計画、検索、記憶、協力ができるAIエージェントワークフローを構築します。

LlamaIndex によるエージェントワークフローの構築

LlamaIndexを使って、計画・検索・記憶・協働できるAIエージェントワークフローを構築します。

ワークフローへの自己振り返り機能の追加

LlamaIndex によるエージェントワークフローの構築

演習の手順

実践的なインタラクティブ演習