Agno ワークフローのデザイン・パターンを学習します。
最初は線形の決定論的なプロセスを扱うシーケンシャル・ワークフローで、これは予測可能な実行順序と、ステップ間の明確なデータフローを保証します。
例題は、ワークフローで関数とエージェントのシークエンスを使用する方法を実演します。
Agno 2.x 例題 : Concepts : ワークフロー – 基本ワークフロー : 関数とエージェントのシークエンス
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 : 11/13/2025
バージョン : Agno 2.2.10
* 本記事は docs.agno.com の以下のページを独自に翻訳した上で、補足説明を加えてまとめ直しています。スニペットはできる限り日本語を使用しています :
- Learn : Workflows – Workflow Patterns
- Learn : Workflows – Workflow Patterns : Sequential Workflows
- [Examples] Concepts : Workflows – Basic Workflows : Sequence of functions and agents
* 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。
Agno 2.x : Learn : ワークフロー – パターン
信頼性の高いマルチエージェント自動化のために、シーケンシャル、並列、条件分岐、そしてループ実行を含む決定論的ワークフローパターンを習得します。
予測可能な実行パターンを備えた、エージェント、チームと関数をオーケストレーションする、決定論的で本番環境に対応したワークフローを構築します。この包括的なガイドは、単純なシーケンシャル処理から、並列実行や動的ルーティングを備えた複雑な分岐ロジックまで、すべてのタイプのワークフローをカバーします。
自由形式のエージェント・インタラクションとは異なり、これらのパターンは、一貫性のある、反復可能な結果を備えた構造化された自動化を提供し、本番環境のシステムに最適です。
ビルディング・ブロック
Agno ワークフローの中核となるビルディング・ブロックは :
- Step – 基本的な実行単位
- Agent – 特定のロールを持つ AI アシスタント
- Team – エージェントの調整・連携されたグループ
- Function – カスタム Python ロジック
- Parallel – 並列実行
- Condition – 条件付き実行
- Loop – 反復実行
- Router – 動的ルーティング
Agno ワークフローは、組み合わせて洗練された自動化システムを構築できる、複数の実行パターンをサポートしています。各パターンは特定のユースケースに役立ち、複雑なワークフローのための組み合わせることができます。
Agno 2.x : Learn : ワークフロー – パターン : シーケンシャル・ワークフロー
各ステップが前のステップの出力に依存する、線形の決定論的なプロセス。
シーケンシャル・ワークフローは予測可能な実行順序と、ステップ間の明確なデータフローを保証します。
フローの例: 調査→ データ処理 → コンテンツ作成 → 最終レビュー
sequential_workflow.py
from agno.workflow import Step, Workflow, StepOutput
def data_preprocessor(step_input):
# Custom preprocessing logic
# Or you can also run any agent/team over here itself
# response = some_agent.run(...)
return StepOutput(content=f"Processed: {step_input.input}") # <-- Now pass the agent/team response in content here
workflow = Workflow(
name="Mixed Execution Pipeline",
steps=[
research_team, # Team
data_preprocessor, # Function
content_agent, # Agent
]
)
workflow.print_response("Analyze the competitive landscape for fintech startups", markdown=True)
例をご覧ください :
- 関数とエージェントのシークエンス - 関数とエージェントを含む完全なワークフロー
❗️StepInput と StepOutput は、ステップ間のデータフローのための標準化されたインターフェイスを提供します: 従って、ステップの executor としてカスタム関数を作成する場合、入力と出力の型は StepInput と StepOutput インターフェイスと互換性があることを確認してください。これは、カスタム関数がワークフローシステムにシームレスに統合できることを保証します。
Take a look at the schemas for StepInput and StepOutput.
Agno 2.x 例題: ワークフロー - 基本ワークフロー : 関数とエージェントのシークエンス
この例は、ワークフローで関数とエージェントのシークエンスを使用する方法を実演します。
この例は、カスタム関数とエージェント及びチームをシーケンシャルな実行パターンで組み合わせたワークフローを実演します。これはワークフローデザインにおいて最大限の柔軟性を実現するために、異なるコンポーネントタイプを混在させる方法を示しています。
When to use: AI エージェント間でカスタムデータ処理を必要とする線形プロセスや、複数のコンポーネントタイプ (関数、エージェント、チーム) をシークエンスで組み合わせる場合。
sequence_of_functions_and_agents.py
from textwrap import dedent
from agno.agent import Agent
from agno.db.sqlite import SqliteDb
from agno.models.openai import OpenAIChat
from agno.team import Team
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.hackernews import HackerNewsTools
from agno.workflow.types import StepInput, StepOutput
from agno.workflow.workflow import Workflow
# Define agents
web_agent = Agent(
name="Web Agent",
model=OpenAIChat(id="gpt-5-mini"),
tools=[DuckDuckGoTools()],
role="Search the web for the latest news and trends",
)
hackernews_agent = Agent(
name="Hackernews Agent",
model=OpenAIChat(id="gpt-5-mini"),
tools=[HackerNewsTools()],
role="Extract key insights and content from Hackernews posts",
)
writer_agent = Agent(
name="Writer Agent",
model=OpenAIChat(id="gpt-5-mini"),
instructions="Write a blog post on the topic",
)
def prepare_input_for_web_search(step_input: StepInput) -> StepOutput:
topic = step_input.input
return StepOutput(
content=dedent(f"""\
I'm writing a blog post on the topic
<topic>
{topic}
</topic>
Search the web for atleast 10 articles\
""")
)
def prepare_input_for_writer(step_input: StepInput) -> StepOutput:
topic = step_input.input
research_team_output = step_input.previous_step_content
return StepOutput(
content=dedent(f"""\
I'm writing a blog post on the topic:
<topic>
{topic}
</topic>
Here is information from the web:
<research_results>
{research_team_output}
<research_results>\
""")
)
# Define research team for complex analysis
research_team = Team(
name="Research Team",
members=[hackernews_agent, web_agent],
instructions="Research tech topics from Hackernews and the web",
)
# Create and use workflow
if __name__ == "__main__":
content_creation_workflow = Workflow(
name="Blog Post Workflow",
description="Automated blog post creation from Hackernews and the web",
db=SqliteDb(
session_table="workflow_session",
db_file="tmp/workflow.db",
),
steps=[
prepare_input_for_web_search,
research_team,
prepare_input_for_writer,
writer_agent,
],
)
content_creation_workflow.print_response(
input="AI trends in 2024",
markdown=True,
)
出力例
┏━ Step 4: Writer Agent (Completed) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ ┃ ┃ タイトル：2025年に注目すべきAIトレンドとビジネス・社会へのインパクト ┃ ┃ ┃ ┃ はじめに ┃ ┃ 世界中でAI（人工知能）の研究・開発が加速するなか、2025年は「実運用フェーズへの本格移行」が一層進む年と予測されています。この記事では、2025年に ┃ ┃ 特に注目すべきAIトレンドを10本の最新ウェブ記事を参考に整理し、今後のビジネス戦略や社会的意義について展望します。 ┃ ┃ ┃ ┃ ―――――――――――――――――― ┃ ┃ ┃ ┃ 1 ジェネレーティブAIの高度化と多様化 ┃ ┃ ・テキスト／画像／音声などマルチモーダル生成の精度向上 ┃ ┃ ・企業内コンテンツ制作やマーケティング自動化への応用拡大 ┃ ┃ ・オープンソースモデルの台頭で中小企業も導入しやすく ┃ ┃ 2 AIと倫理・規制の整備フェーズへ ┃ ┃ ・EUをはじめとする「AI法案（AI Act）」の制定・適用開始 ┃ ┃ ・バイアス排除やプライバシー保護を重視したガバナンス体制構築 ┃ ┃ ・企業は「説明可能性（Explainability）」を担保する取り組みが必須に ┃ ┃ 3 クラウド×エッジAIのハイブリッド活用 ┃ ┃ ・リアルタイム制御を要する製造ラインや自動運転でエッジAI活躍 ┃ ┃ ・データセンターと端末で負荷を最適分散し、コストとレイテンシを両立 ┃ ┃ ・5G／6Gインフラ整備が後押し ┃ ┃ 4 マルチモーダルAIと人間・機械の協調作業 ┃ ┃ ・テキスト理解だけでなく、映像・音声・センサー情報を統合解析 ┃ ┃ ・医療画像診断やリモート手術支援など精度要求の高い領域へ実装 ┃ ┃ ・対話型AIアシスタントのビジネス利用が加速 ┃ ┃ 5 自律システムとロボティクスの進化 ┃ ┃ ・製造業では「完全自動化ライン」、物流では「倉庫内自律移動ロボット（AMR）」が普及期 ┃ ┃ ・ドローン配送や自動清掃ロボットなどサービス領域への波及 ┃ ┃ ・人手不足解消と新たな雇用創出の両立が課題 ┃ ┃ 6 AI in Healthcare／ライフサイエンスの深化 ┃ ┃ ・ゲノム解析や創薬プロセスの短縮化にAIが不可欠に ┃ ┃ ・患者モニタリングをリアルタイム化し、遠隔医療の質向上 ┃ ┃ ・倫理的配慮とデータ共有プラットフォームの整備がキー ┃ ┃ 7 AI人材の需要急拡大と“リスキリング”の潮流 ┃ ┃ ・企業はAIエンジニアだけでなく、ビジネス視点を持つ「AIプロダクトマネージャー」も確保 ┃ ┃ ・社内教育プログラムやオンライン講座でのスキルアップが必須 ┃ ┃ ・文系・非IT部門へのAIリテラシー浸透が競争力の鍵 ┃ ┃ 8 クアンタムコンピューティング×AIの未来 ┃ ┃ ・2025年ごろには「量子優位性」が実証される可能性大 ┃ ┃ ・複雑最適化問題（物流経路、ファイナンスなど）でAIと量子技術がシナジー ┃ ┃ ・まだ研究開発段階だが、長期戦略として注視すべき領域 ┃ ┃ 9 グリーンAIと持続可能性の追求 ┃ ┃ ・アルゴリズムやモデルの省エネ化／軽量化に注力 ┃ ┃ ・企業はCO2排出量削減の観点から「カーボンフットプリント」開示を求められる ┃ ┃ ・再生可能エネルギーとデータセンター運用の統合が進展 ┃ ┃ 10 AI民主化とコミュニティ・オープンイノベーション ┃ ┃ ・AutoMLやAIプラットフォームの充実で非専門家でもモデル開発が可能に ┃ ┃ ・社外パートナーと共同でAIソリューションを創出するオープンイノベーションが加速 ┃ ┃ ・スタートアップとの協業、ハッカソンやデータチャレンジの活用が効果的 ┃ ┃ ┃ ┃ ―――――――――――――――――― ┃ ┃ まとめと今後の展望 ┃ ┃ 2025年に向け、AIは「技術実装」から「社会実装」へと舵を切ります。企業や組織は、技術導入だけでなく、倫理・ガバナンス、スキルアップ、持続可能性ま ┃ ┃ で視野に入れた「トータル戦略」を構築する必要があります。今後もAIは産業構造を大きく変革し、新たなビジネス価値を創出していくでしょう。 ┃ ┃ ┃ ┃ 皆さんの現場では、どのトレンドに最も注目していますか？コメント欄でご意見や事例をぜひシェアしてください！ ┃ ┃ ┃ ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
以上