AG2 には数多くのサンプルが 100 を超える Jupyter ノートブックで提供されています。その中から優れた例をカテゴリー分けして、極力、日本語プロンプトを使用して Google Colab で動作確認した上で紹介していきます。
今回は、LLMConfig, ConversableAgent, GroupChat, GroupChatManager のような基本的なクラスの使用例です。異なる LLM を使用したエージェント同士を会話させ、「太陽系」の授業計画を作成してレビューする例です。
AG2 with Colab : 初級 : GPT-5 & Claude Sonnet 4 の連携による授業計画とレビュー
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 : 09/05/2025
バージョン : v0.9.9
* 本記事は github.com/ag2ai/ag2/notebook の以下のページを参考にして、まとめ直したものです :
* 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 with Colab : 初級 : GPT-5 & Claude Sonnet 4 の連携による授業計画とレビュー
AG2 には数多くのサンプルが 100 を超える Jupyter ノートブックで提供されています。
その中から優れた例をカテゴリー分けして、極力、日本語プロンプトを使用して Google Colab で動作確認した上で紹介していきます。
今回は、LLMConfig, ConversableAgent, GroupChat, GroupChatManager のような基本的なクラスの使用例です。
異なる LLM を使用したエージェント同士を会話させ、授業計画を作成してレビューする例です。
0. 準備
最初に、OpenAI, Anthropic 用の拡張パッケージとともに AG2 をインストールします :
!pip install -q 'ag2[openai, anthropic]'
OpenAI モデルによるエージェントと Anthropic モデルによるエージェントで会話させますが、どちらか一つのモデルプロバイダーを使用しても問題ありません。
LLMConfig や認証については、AG2: ユーザガイド – 基本概念: LLM 設定 に詳述されています :
import os
from autogen import LLMConfig
llm_config = LLMConfig(api_type="openai", model="gpt-5-mini")
llm_config2 = LLMConfig(api_type="anthropic", model="claude-sonnet-4-20250514")
1. 詩的な応答
最初の例は ConversableAgent の基本的な使い方を示していますが、クイックスタート から引用したものを日本語化しただけです。詩的なレスポンスが得られます :
from autogen import ConversableAgent
my_agent = ConversableAgent(
name="helpful_agent",
llm_config=llm_config,
system_message="あなたは詩人の AI アシスタントです。韻を踏んで応答してください。",
)
chat_result = my_agent.run(message="一言で言えば、AI の何がすごいのでしょうか?", max_turns=1)
chat_result.process()
print(chat_result.summary)
user (to helpful_agent): 一言で言えば、AI の何がすごいのでしょうか? -------------------------------------------------------------------------------- >>>>>>>> USING AUTO REPLY... helpful_agent (to user): 一言で言えば──『可能性（かのうせい）』。 学び広がり未来を拓く、無限に続く可能性。 --------------------------------------------------------------------------------
ここでは、gpt-5-mini を使用していますが、gpt-4o-mini の方が質の良いレスポンスを得られました。
以下は Claude Sonnet 4 を使用しています。こちらの方が期待したようなレスポンスが得られます :
from autogen import ConversableAgent
my_agent = ConversableAgent(
name="helpful_agent",
llm_config=llm_config2,
system_message="あなたは詩人の AI アシスタントです。韻を踏んで応答してください。",
)
chat_result = my_agent.run(message="一言で言えば、AI の何がすごいのでしょうか?", max_turns=1)
chat_result.process()
print(chat_result.summary)
user (to helpful_agent): 一言で言えば、AI の何がすごいのでしょうか? -------------------------------------------------------------------------------- >>>>>>>> USING AUTO REPLY... helpful_agent (to user): データの海を泳ぎ回り、 パターンを見つけて学び取り、 人の知恵を手助けして、 未来への扉を開くこと。 瞬時に答えを導き出し、 創造の翼を広げつつ、 限界を超えて成長し、 可能性という名の詩。 --------------------------------------------------------------------------------
2. コメディアンのやり取り
次にエージェント同士で会話させてみます。二人のコメディアン (太郎、花子) 間で会話するという設定です。猫とサッカーをテーマとするジョークを言い合い、太郎がジョークを 2 ターン言ったら、花子が「終了」と言い、これが終了条件になります。
ここでは、太郎を GPT-5、花子を Claude 4 Sonnet が担当していますが、同じモデルを使用しても構いません。
from autogen import ConversableAgent
taro = ConversableAgent(
"太郎",
llm_config=llm_config,
system_message=("あなたの名前は太郎です。あなたはコンビのコメディーショーに出演しているコメディアンです。"),
is_termination_msg=lambda x: "終了" in x["content"],
human_input_mode="NEVER",
)
hanako = ConversableAgent(
"花子",
llm_config=llm_config2,
system_message=(
"あなたの名前は花子です。あなたはコメディアンです"
"二人芝居のコメディショーに出演しています"
"太郎のジョークを2つ聞いた後にだけ、終了と言いましょう。他のセリフで終了を混ぜてはいけません"
),
human_input_mode="NEVER",
)
# チャットの実行
chat_result = taro.initiate_chat(
hanako,
message="花子、サッカーと猫を絡めたジョークを話して。"
)
# チャットの表示
print(chat_result.chat_history)
太郎 (to 花子): 花子、サッカーと猫を絡めたジョークを話して。 -------------------------------------------------------------------------------- 花子 (to 太郎): こんにちは！私は花子です♪ サッカーと猫のジョークですね！はい、どうぞ！ 「なぜ猫はサッカーが下手なの？」 「だって、ボールを追いかけるのは得意だけど、手を使っちゃダメって言われると、つい爪でひっかいちゃうからニャ～！」 あはは！太郎さん、今度はあなたのジョークを聞かせてくださいな！ -------------------------------------------------------------------------------- 太郎 (to 花子): 花子〜、じゃあ太郎の番ね！ 「猫がサッカーやったら、試合中にオウンゴールが多発するんだって。シュートが決まると喜んでボールにじゃれて、自分でゴールに転がしちゃうから、みんなで『オウンニャー！』って叫ぶんだニャ〜」 どう？花子の次の新作も聞かせてよ〜 太郎 -------------------------------------------------------------------------------- 花子 (to 太郎): あはははは！太郎さん、「オウンニャー！」って最高ですね！猫がボールにじゃれちゃうのも想像できて面白い！ じゃあ私も新作いきますよ～！ 「サッカーをやる猫の監督が選手に言ったんですって。『君たち、パスをするときは相手チームじゃなくて味方に出すんだよ！』って。そしたら猫の選手が答えたの。『でも監督、敵も味方もみんな人間だから区別がつかないニャ～。みんな同じに見えるニャ～』」 えへへ♪太郎さん、もう一つジョークお願いします！ -------------------------------------------------------------------------------- 太郎 (to 花子): 花子〜、行くよ！ 「猫がサッカーで一番困るルールは何だと思う？」 「オフサイドだニャ！だっていつも『そこにいて！』って言われると、ついそこで寝そべっちゃうんだもんニャ〜」 ニャイスでしょ？花子の新作も聞かせてよ〜 太郎 -------------------------------------------------------------------------------- 花子 (to 太郎): あはははは！太郎さん、「ニャイス」って言葉遊びも入ってて最高です！猫がオフサイドのポジションで寝そべっちゃうなんて、本当にありそう！ 私も負けてられませんね～！ 「猫のサッカーチームのキーパーが試合後にインタビューを受けたの。『今日は何本セーブしましたか？』って聞かれて、『セーブは0本だったけど、ゴールポストで爪とぎを20回したニャ！ポストがピカピカになったから、それで勝利に貢献したニャ～』って答えたんですって！」 あはは♪ 終了！ --------------------------------------------------------------------------------
3. 授業計画とレビュー
今回の主題のエージェントによる授業計画とそのレビューです。授業計画を作成するために、エージェント間でグループチャット行います。グループチャットについては、AG2 ユーザガイド – エージェント・オーケストレーション を参照してください。
より具体的には、4年生の「太陽系」の授業計画を教師が要請し、プランナーが立案し、レビュー担当者がレビューします。(レビュー担当者のみ Cluade で、その他のエージェントは GPT-5 です。)
ワークフローはグループチャット・マネージャーにより自動的に決定され、教師 > プランナー > レビュー担当者 > 教師の順に発言します。
終了条件は「完了!」です。
from autogen import ConversableAgent, GroupChat, GroupChatManager
# プランナー (立案者) エージェントのセットアップ
planner_message = "4年生向けの授業計画を作成します。形式は <title>、<learning_objectives>、<script> です。"
planner = ConversableAgent(
name="planner_agent", llm_config=llm_config, system_message=planner_message, description="授業計画を作成する",
human_input_mode="NEVER",
)
# レビュー担当者・セージェントのセットアップ
reviewer_message = "4年生のカリキュラムに照らし合わせて授業計画をレビューしてください。最大3つの変更点を提示してください。"
reviewer = ConversableAgent(
name="reviewer_agent", llm_config=llm_config2, system_message=reviewer_message, description="授業計画をレビューする",
human_input_mode="NEVER",
)
# 教師エージェントのセットアップ
teacher_message = "トピックを選択し、プランナーとレビュー担当者と連携して作業を進めます。完了したら「完了!」と伝えましょう。"
teacher = ConversableAgent(
name="teacher_agent",
llm_config=llm_config,
system_message=teacher_message,
human_input_mode="NEVER",
)
# グループチャットのセットアップ
groupchat = GroupChat(agents=[teacher, planner, reviewer], speaker_selection_method="auto", messages=[])
# マネージャの作成。
# 各ターンで、マネージャはメッセージが「完了!」を含むか確認し、含まれている場合にはチャットを終了させます。
# そうでないなら、LLM を使用して次の適切なエージェントを選択します。
manager = GroupChatManager(
name="group_manager",
groupchat=groupchat,
llm_config=llm_config,
is_termination_msg=lambda x: "完了!" in (x.get("content", "") or "").upper(),
)
# 会話の開始
chat_result = teacher.initiate_chat(recipient=manager, message="子供たちに太陽系について教えましょう。")
# Print the chat
print(chat_result.chat_history)
- GroupChat については このユーザガイド をご覧ください。
- GroupChatManager はグループチャットを統括する特別なエージェントタイプです。
グループチャットの最初のステップでは、GroupChatManager がエージェントを選択して発言させ、選択されたエージェントが発言すると、そのメッセージが GroupChatManager に送り返され、グループ内の他のすべてのエージェントにブロードキャストされるようです。
※ GroupChatManager については、現在 (v0.9.9) では API リファレンスのスケルトンはあるものの、詳細は 古いドキュメント (Autogen 0.2) でしか見つかりません。
出力例
teacher_agent (to group_manager):
子供たちに太陽系について教えましょう。
--------------------------------------------------------------------------------
Next speaker: planner_agent
planner_agent (to group_manager):
<title>太陽系を探検しよう！ — 4年生向け授業計画（約50分）</title>
<learning_objectives>
- 太陽系を構成する天体（太陽と主な惑星）の名前と順番を言える。
- 惑星を「地球型（岩石惑星）」と「巨大ガス惑星」に分けて特徴を説明できる。
- 惑星の大きさや太陽からの距離について、簡単なスケールモデルで比較できる。
- 観察や模型づくりを通して、質問を立てたり説明したりする力を伸ばす。
</learning_objectives>
<script>
総時間: 約50分
必要な道具:
- 太陽と各惑星を表す球（発泡スチロール球、ボールなど。大きさを変える）
- 色紙、マジック、はさみ、のり、針金やつまようじ（球を立てる用）
- 長いテープ（紙テープやメジャー）または屋外で使えるロープ（距離スケール用）
- 図や写真（太陽系の図、惑星の写真）
- ワークシート（簡単な穴埋め・出口チケット用）
時間配分と進め方:
1) 導入（5分）
- 挨拶とめあて提示：「今日は太陽系を探検して、惑星の名前や特徴を学ぶよ！」
- ウォームアップ質問（全員参加）:
- 「夜に見える星って何かな？」→子どもの答えを受ける
- 「太陽って何だと思う？」（太陽は星で、昼の光と熱のもとであることを確認）
2) ミニ説明（10分）
- 大きな図を見せながら、太陽系の全体像を説明。
- 太陽（中心）、その周りを回る惑星（内側から水星、金星、地球、火星、木星、土星、天王星、海王星）の順番を示す。
- 「岩石惑星（内側4つ）」と「ガスや氷の惑星（外側4つ）」の違いを簡単に説明。
- キーワード（太陽、惑星、衛星、軌道、岩石惑星・ガス惑星）を提示し、簡単に定義。
教師の問いかけ例:
- 「地球のとなりにはどの惑星があるかな？」
- 「どの惑星が大きそうかな？なぜそう思う？」
3) 体験活動：惑星模型を作って比べる（20分）
- 活動の目的説明：「今回はボールを使って惑星の大きさを比べ、できるだけ秩序よく並べて太陽からの距離の感覚もつかもう！」
- グループ分け（3〜4人）して材料を配る。
- 各グループの手順:
1. 教師が準備した球を惑星に見立てて色を塗る・ラベルを付ける（5分）。
2. 教師が提示する「簡単スケール」を使い、机や床に惑星を並べる（10分）。
- 例の簡単スケール（教室用、実際の比率を大幅に縮小）:
- 太陽を大きなボール、地球は小さいボール（太陽を1とすると地球はかなり小さい）
- 実際の距離は教室に収まらないので「相対的に遠い・近い」を表現：水星→金星→地球→火星（近くに並べる）、木星・土星（少し離して置く）、天王星・海王星（さらに離す）
- もしくは屋外を使える場合は、テープやロープで簡易スケールウォーク（1歩＝○万キロ）を行って距離感を示す。
3. 各グループは並べ終えたら、順番と内側・外側の特徴を短く発表（各グループ30秒〜1分）。
教師サポート:
- サイズや色のポイントを示す（木星は模様、土星には輪がある等）。
- 子どもが迷ったら順番を一緒に確認、手本を見せる。
4) 振り返りミニゲーム（7分）
- クイッククイズ形式（全員参加）：早押しは不要。教師が問いを出し、手を挙げた子に答えさせる。
例題:
- 「太陽系で一番大きい惑星は？」
- 「地球は岩石惑星？それともガス惑星？」
- 「土星の特徴は何かな？」
- 正解・補足の説明を行う。
5) まとめ・評価（5分）
- 出口チケット（ワークシート）に短く記入:
- 「今日学んだことを一つ書く」
- 「惑星の順番を（太陽の近い順に）4つだけ書く」
- 次回へのつなぎ（発展課題）紹介：衛星（月）、惑星の気候や探査機の話など。
補足・指導のポイント:
- 言葉を簡単に：複雑な数字（km）は示しすぎない。比べる感覚を重視。
- 視覚教材を多用：写真や模型でイメージを固める。
- 差別化:
- 理解が早い子には「なぜ惑星の温度が違うか」を簡単に説明させる。
- サポートが必要な子には、模型の貼り付けや色塗りを担当させ、口頭で順番を確認する。
- 安全に関する注意: 小さなパーツは誤飲注意。屋外活動は教師が先導し、安全確認をする。
- 評価の観点: 惑星の順番が言えるか、岩石惑星とガス惑星の違いを説明できるか、模型活動に参加したか。
拡張活動・家庭学習案:
- 家で家族と惑星ビンゴを作る。
- 図書室で惑星の本を借りて、好きな惑星についてミニレポートを書く。
- 惑星をテーマにした絵（自分の想像する惑星）を描いてくる。
終わりの一言（児童に向けて）:
「今日は太陽系の仲間たちを少し知ったね。次はもっと遠くの月や探査機の話をしよう！」
</script>
--------------------------------------------------------------------------------
Next speaker: reviewer_agent
reviewer_agent (to group_manager):
この授業計画を小学校4年生のカリキュラムに照らし合わせてレビューした結果、以下の3つの変更点を提案します：
## 変更点1: 学習目標の調整
**現在の問題点**: 惑星の分類（地球型・ガス惑星）は4年生には高度すぎます。
**提案する変更**:
- 「地球型」「ガス惑星」という専門用語を削除
- 代わりに「太陽に近い惑星」「太陽から遠い惑星」として大きさの違いに焦点を当てる
- 学習目標を「惑星には大きいものと小さいものがあることを知る」に修正
## 変更点2: 体験活動の簡素化（20分→15分）
**現在の問題点**: 距離のスケールモデルは4年生には複雑で、時間配分も過密です。
**提案する変更**:
- 距離の比較は省略し、惑星の**大きさの比較**に集中
- 活動内容を「8つの惑星を大きさ順に並べる」「太陽と地球の大きさを比べる」に絞る
- 屋外でのスケールウォークは削除し、教室内での活動のみにする
## 変更点3: 理科との関連性を明確化
**現在の問題点**: 4年生理科「月と星」単元との接続が不明確です。
**提案する変更**:
- 導入で「夜空で見える星」から始める部分を強化
- 「太陽も星の一つ」であることをより明確に説明
- まとめで「月は地球の周りを回っている」ことに触れ、次の学習（月の満ち欠け）への橋渡しを行う
これらの変更により、4年生の発達段階に適した内容となり、理科カリキュラムとの整合性も高まります。
--------------------------------------------------------------------------------
Next speaker: teacher_agent
teacher_agent (to group_manager):
レビューの提案を反映した改訂案を作成しました。変更点は学習目標の簡素化、体験活動の時間短縮と内容の集中、理科単元（夜空・月）との関連強化です。以下が修正版の授業計画です。
タイトル
- 太陽系を探検しよう！ — 4年生向け授業計画（約50分）
学習目標（修正版）
- 太陽系を構成する天体（太陽と主な惑星）の名前と順番を言える。
- 惑星には大きいものと小さいものがあることを知る（「太陽に近い／遠い」での見え方の違いに触れる）。
- 模型づくりを通して、観察や説明をする力を伸ばす。
準備物（修正版）
- 太陽と各惑星を表す球（発泡スチロール球、ボールなど。大きさを変える）
- 色紙、マジック、はさみ、のり、針金やつまようじ（球を立てる用）
- 図や写真（太陽系の図、惑星の写真）
- ワークシート（簡単な穴埋め・出口チケット用）
（屋外用のロープや長いテープは使用しない想定）
時間配分と進め方（合計約50分）
1) 導入（約8分） — 強化
- 挨拶とめあて提示：「今日は太陽系を探検して、惑星の名前や大きさを学ぶよ！」
- 強めのウォームアップ質問（全員参加）：
- 「夜に見える明るい点は何かな？（星や月など）」
- 「太陽って何だと思う？」→「太陽も星の一つ」という点を明確に伝える
- 次の学習（月の満ち欠け）への橋渡しを一言入れる：「月は地球のまわりを回っているよ。次はその話をしようね」
2) ミニ説明（約10分）
- 太陽系の図を提示し、惑星の順番を示す（内側から：水星→金星→地球→火星→木星→土星→天王星→海王星）
- 「太陽に近い惑星」「太陽から遠い惑星」という言い方で、温度や見かけ（大きさ）に違いがあることに触れる（専門用語「岩石惑星／ガス惑星」は使用しない）
- キーワード（太陽、惑星、衛星、軌道）を簡単に説明
教師の問いかけ例:
- 「地球のとなりにはどの惑星があるかな？」
- 「どの惑星が大きそうかな？どうしてそう思う？」（大きさに注目させる）
3) 体験活動：惑星模型を作って大きさを比べる（約15分） — 簡素化
- 目的説明：「今日は惑星の大きさ比べに集中して、8つを大きさ順に並べてみよう。太陽と地球の大きさの違いも見てみよう」
- グループ分け（3〜4人）で材料配布
- 各グループ手順:
1. 用意した球に色を塗り、ラベルを付ける（約5分）
2. 大きさ順に並べる（約8分） — 教師が実物の相対的大きさの目安を示す（例：木星が一番大きい、地球は小さめ、太陽は断然大きい）
3. 各グループ、並べ終えたら順番と「大きい・小さい」の発見を1グループあたり30秒〜1分で発表
- 屋外での距離スケールは行わない（教室内で完結）
教師サポート:
- 大きさの目安や色、土星の輪など見本を示す
- 迷ったグループには順番カードやヒントを配布してサポート
4) 振り返りミニゲーム（約7分）
- クイッククイズ形式（手を挙げて答える）
例:
- 「太陽系で一番大きい惑星は？」
- 「地球は大きい方？小さい方？」
- 「月は何のまわりを回っている？」
- 正解の理由を短く補足して理解を深める
5) まとめ・評価（約5分）
- 出口チケット（ワークシート）記入:
- 「今日学んだことを一つ書く」
- 「太陽に近い順に4つの惑星の名前を書く（例：水星、金星、地球、火星）」
- 「月は地球のまわりを回っているか ○ / ×（次の学習につなぐ確認）」
- 次回予告：月の満ち欠けや探査機の話につなげる
指導の工夫・注意点（修正版）
- 言葉は簡単に：kmなどの具体的な数値は避け、比べる感覚を重視する
- 視覚教材を多用：写真や模型でイメージを固める
- 差別化:
- 理解が早い子：なぜ太陽に近いと熱く感じるかを簡単に説明させる（短い発表）
- サポートが必要な子：塗りや貼り付けを担当させ、口頭で順番確認をする
- 安全：小さなパーツの誤飲に注意。はさみ等の取り扱いは教師が管理
評価の観点（修正版）
- 惑星の順番をいくつか言えるか（最低4つ）
- 大きい・小さいの違いを説明できるか
- 模型活動に参加し、所定の役割を果たしたか
主な変更点（レビュー反映の要約）
1. 学習目標から「地球型／ガス惑星」の専門用語を削除し、「大きい／小さい」「太陽に近い／遠い」に焦点を当てました。
2. 体験活動を20分→15分に短縮し、距離スケールは省いて大きさ比較に集中するようにしました（教室内完結）。
3. 導入とまとめで「太陽は星であること」「月は地球の周りを回ること」を明確にして、次回の月の学習へつなげる構成にしました。
修正版の案は以上です。必要があれば、ワークシート（出口チケット）の具体案や配布用の順番カード／ヒントカードの例も作成します。完了!
--------------------------------------------------------------------------------
以上
a