AI

業務に役立つAIエージェントの5選と具体的な作り方【Python/LangChain実践編】

  /

「AIに質問して答えをもらう」時代は終わり、「AIに仕事を任せて実行してもらう」時代が到来しました。

ChatGPTなどの対話型AIと、自律的に行動する「AIエージェント」の違いは、その実行力にあります。エージェントは自ら計画を立て、検索を行い、社内システムを操作し、タスクを完遂します。

この記事では、ビジネスにインパクトを与える5つのAIエージェントの活用例を紹介した後、PythonとLangChainを使った「Web検索エージェント」の具体的な構築ハンズオンを解説します。

今すぐ導入すべきAIエージェント5選

まずは、具体的にどのような業務をAIエージェントに任せられるのか、代表的なユースケースを5つ挙げます。

1. 自律型カスタマーサポート

役割： 顧客からの問い合わせに対し、マニュアルを参照するだけでなく、配送状況の確認や予約の変更などのシステム操作まで代行する。

2. データ分析・可視化エージェント

役割： 「先月の売上が下がった要因は？」といった曖昧な指示に対し、SQLを書いてデータベースから数値を抽出し、グラフを描画してレポートを作成する。

3. インサイドセールス（SDR）エージェント

役割： 問い合わせのあったリード（見込み客）に対し、即座にパーソナライズされたメールを送り、ヒアリングを行った上でカレンダー調整まで完了させる。

4. コンテンツマーケティング運用エージェント

役割： トレンドキーワードの調査から、SEO記事の構成案作成、執筆、さらにはSNS投稿用の要約文作成までを一気通貫で行う。

5. 社内ナレッジ検索（RAG）エージェント

役割： 膨大な社内規定や過去の議事録の中から必要な情報を探し出し、「出典」を明記した上で回答する社内専用コンシェルジュ。

AIエージェント開発の基礎知識（アーキテクチャ）

ここからは「作り方」の深掘りです。AIエージェントを作るために必要なのは、主に以下の4つの要素です。

  • 脳（LLM）： GPT-4oやClaude 3.5 Sonnetなど。推論と計画を担当します。
  • 道具（Tools）： Web検索API、計算機、社内データベース接続、メール送信APIなど、AIが使う機能。
  • 記憶（Memory）： 会話の履歴や、長期的に保持すべきユーザー情報。
  • 制御（Orchestrator）： 「どういう順番で道具を使うか」を制御するフレームワーク（LangChain, LangGraphなど）。

【実践】Pythonでつくる「自律型リサーチエージェント」

では、実際にコードを書いてみましょう。
今回は、「最新のニュースをWeb検索し、その内容を要約してレポートするエージェント」を作成します。ChatGPT単体ではアクセスできない最新情報にアクセスさせるのが目的です。

1. 開発環境の準備

今回はPythonのフレームワーク「LangChain」と、AI検索エンジン「Tavily」、そして「OpenAI」のAPIを使用します。

pip install langchain langchain-openai langchain-community tavily-python

※事前にOpenAI API KeyとTavily API Key（検索用）を取得しておく必要があります。

2. コードの実装

以下のPythonコードを作成します。

import os
from langchain_openai import ChatOpenAI
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain_core.prompts import ChatPromptTemplate

# APIキーの設定（環境変数に設定するのが推奨ですが、ここでは簡易的に記述）
os.environ["OPENAI_API_KEY"] = "あなたのOpenAI_APIキー"
os.environ["TAVILY_API_KEY"] = "あなたのTavily_APIキー"

# 1. 「脳」の準備：LLMの初期化
llm = ChatOpenAI(model="gpt-4o", temperature=0)

# 2. 「道具」の準備：Web検索ツールの定義
search_tool = TavilySearchResults(max_results=3) # 上位3件を取得
tools = [search_tool]

# 3. 「指令」の準備：プロンプトの作成
prompt = ChatPromptTemplate.from_messages([
    ("system", "あなたは優秀なリサーチアシスタントです。ユーザーの質問に対して、Web検索ツールを使って最新情報を調べ、日本語で要約して答えてください。"),
    ("human", "{input}"),
    ("placeholder", "{agent_scratchpad}"), # AIが思考やツール使用履歴を記録する場所
])

# 4. エージェントの組み立て
agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 5. エージェントの実行
query = "現在、日本の生成AI活用における最新のトレンドと課題を教えて"
result = agent_executor.invoke({"input": query})

print("--- 回答結果 ---")
print(result["output"])

3. コードの解説

  • create_tool_calling_agent: これが魔法のコマンドです。LLMに対し「あなたはこのツール（今回はWeb検索）を持っています。質問に答えるために必要なら自由に使ってください」と認識させます。
  • Verbose=True: これをTrueにすると、AIが「検索が必要だ→検索を実行中→結果を読み込み中…」と思考しているログが見えるようになります。

このスクリプトを実行すると、AIは自律的に「検索」を行い、その結果を読んで「回答」を生成します。これがエージェントの基本形です。

ノーコードで開発する選択肢（Difyなど）

「Pythonコードを書くのはハードルが高い」という方には、ノーコード/ローコードプラットフォームがおすすめです。特に現在は以下のツールが主流です。

Dify（ディファイ）

オープンソースの生成AIアプリ開発プラットフォームです。画面上でブロックを繋ぎ合わせるだけで、上記のような検索エージェントや、社内データを参照するRAGエージェントを直感的に作成できます。

  • メリット： 高機能かつ無料（セルフホストの場合）。RAGの精度が高い。
  • おすすめ： 本格的な業務アプリを作りたい場合。

GPTs (ChatGPT Plus)

最も手軽なエージェント作成機能です。「Actions」機能を使えば、外部API（Google CalendarやSlackなど）と連携させることも可能です。

  • メリット： 圧倒的に簡単。
  • おすすめ： 個人利用や小規模なチーム共有。

まとめ：まずは小さく作り始めよう

AIエージェント開発は、以前ほど難しいものではなくなりました。
重要なのは、「どの業務を自動化するか」という課題設定です。

  1. まずは、自分の業務の中で「検索して、まとめて、メールする」といった定型的なフローを見つける。
  2. Python（LangChain）またはDifyを使って、その一部を代行するエージェントを作ってみる。
  3. 実際に運用しながら、プロンプトを調整して精度を上げていく。

このステップで、ぜひあなただけの「デジタル社員」を開発してみてください。

Post Views: 163
RELATED POST