LLM の設定は AG2 エージェントに対して重要です – それはエージェントに思考力を与えます！LLM 設定は、エージェントが言語モデルに接続する方法を定義します。

AG2 : ユーザガイド – 基本概念 : LLM 設定 : エージェントインテリジェンスの強化

作成 : クラスキャット・セールスインフォメーション
作成日時 : 08/30/2025
バージョン : v0.9.9

* 本記事は docs.ag2.ai の以下のページを独自に翻訳した上でまとめ直し、補足説明を加えています :

• User Guide – Basic Concepts : LLM Configuration: Powering Agent Intelligence

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

 

 

AG2 : ユーザガイド – 基本概念 : LLM 設定 : エージェントインテリジェンスの強化

LLM の設定は AG2 エージェントに対して重要です – それはエージェントに思考力を与えます！LLM 設定は、以下を指定して、エージェントが言語モデルに接続する方法を定義します :

• 使用する言語モデル・プロバイダーとモデル
• プロバイダーへの認証する方法
• モデルの動作を制御するパラメータ
• 標準化された応答のためのオプションの構造化出力形式

 

サポートされている LLM プロバイダー

エージェントに選択肢を与えましょう！AG2 はモデルプロバイダーの印象的なラインアップと素晴らしく連携します :

• クラウドモデル : OpenAI, Anthropic, Google (Gemini), Amazon (Bedrock), Mistral AI, Cerebras, Together AI, そして Groq

• ローカルモデル : Ollama, LiteLLM, そして LM Studio

従ってクラウドベースのインテリジェンスを活用したい場合でも、ローカルマシンで物事を継続したい場合でも、AG2 が対応します。サポートされているモデルについての詳細は、AG2 Models documentation にあります。

 

LLM configuration の作成

AG2 を希望の LLM プロバイダーでインストールしたら、必要に応じて API タイプ、モデルとキーを含む LLM 設定オブジェクトを作成する必要があります。

AG2 で LLM 設定を作成する異なる方法があります :

 

方法 1: 直接パラメータの使用

最も単純なアプローチは、モデルプロバイダー、モデル名と認証を直接指定することです :

import os
from autogen import LLMConfig

llm_config = LLMConfig(
    api_type="openai",                      # The provider
    model="gpt-4o-mini",                    # The specific model
    api_key=os.environ["OPENAI_API_KEY"],   # Authentication
)

 

方法 2: config_list パラメータの使用

より高度なシナリオでは、特にフォールバックモデルをセットアップしたい場合、config_list パラメータを使用します。

import os
from autogen import LLMConfig

llm_config = LLMConfig(
    config_list=[
        {
            "api_type": "openai",
            "model": "gpt-4o-mini",
            "api_key": os.environ["OPENAI_API_KEY"]
        },
        {
            "api_type": "openai",
            "model": "gpt-4o",
            "api_key": os.environ["OPENAI_API_KEY"]
        }
    ],
)

AG2 の LLM 設定は、LLM 設定を作成する追加の手法を提供し、フォールバックのサポートのために複数の LLM を指定し、エージェント毎にフィルタリングすることを可能にします。See the LLM Configuration deep-dive for more details.

 

LLM 設定をエージェントと統合する

LLM 設定を作成したら、それをエージェントに適用する 2 つの方法があります :

 

方法 1: キーワード引数として渡す

from autogen import ConversableAgent

my_agent = ConversableAgent(
    name="helpful_agent",
    system_message="You are a poetic AI assistant",
    llm_config=llm_config
)

 

方法 2: コンテキストマネージャの使用

コンテキストマネージャのアプローチは LLM 設定を、そのスコープ内で作成されたすべてのエージェントに適用します :

from autogen import ConversableAgent

with llm_config:
    finance_bot = ConversableAgent(
        name="finance_bot",
        system_message="You are a financial compliance assistant",
    )

    analysis_bot = ConversableAgent(
        name="analysis_bot",
        system_message="You analyze financial data for anomalies",
    )

 

財務コンプライアンスの例: LLM 設定

理論を実践に移すときです！財務コンプライアンス・アシスタントのための頭脳をセットアップしましょう :

from autogen import LLMConfig
import os

# Basic configuration using environment variable
llm_config = LLMConfig(
    api_type="openai",
    model="gpt-4o-mini",
    api_key=os.environ["OPENAI_API_KEY"],
    temperature=0.2  # Lower temperature for more consistent financial analysis
)

コード・ウォークスルー :

• 財務ボットはコストをかけすぎずに賢さを必要としますので、OpenAI の GPT-4o-mini モデルを使用しています。好みに応じて違うモデルを使用できます。

• temperature は 0.2 に設定しました、財政コンプライアンスに関しては、創造性は望まないからです (sorry, creative accountants!)。

• セキュリティを第一として、API キーは環境変数内に保持します。

この設定は財政コンプライアンス・アシスタントに、インテリジェンス、一貫性、セキュリティの適切なバランスを与えます – これは、疑わしい取引きに対処する際にまさに望まれるものです。

以上