Agno 再入門 : SDK – Get Started : イントロダクション

by

エージェント、チーム、ワークフローを pure python で構築しましょう。
Agno SDKは、エージェント、チーム、ワークフローという 3 つの基本要素と、それらを本番環境でへ稼働させるための様々な機能を提供します。

Agno 再入門 : SDK – Get Started : イントロダクション

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 : 05/18/2026
バージョン : v2.6.7

* 本記事は docs.agno.com の以下のページを参考にしています :

* 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。

 

 

Agno 再入門 : SDK – Get Started : イントロダクション

エージェント、チーム、ワークフローを pure python で構築しましょう。

Agno SDKは、エージェント、チーム、ワークフローという 3 つの基本要素と、それらを本番環境でへ稼働させるための様々な機能を提供します。

エージェント

from agno.agent import Agent
from agno.tools.yfinance import YFinanceTools

agent = Agent(
    name="Finance Agent",
    model="openai:gpt-5.4",
    tools=[YFinanceTools()],
    instructions="Fetch market data and produce a one-line take.",
)

agent.print_response("What's NVDA trading at today?")

チーム

from agno.agent import Agent
from agno.team import Team
from agno.tools.yfinance import YFinanceTools

bull = Agent(
    name="Bull",
    model="openai:gpt-5.4",
    role="Make the case FOR investing.",
    tools=[YFinanceTools()],
)
bear = Agent(
    name="Bear",
    model="openai:gpt-5.4",
    role="Make the case AGAINST investing.",
    tools=[YFinanceTools()],
)

team = Team(
    name="Investment Committee",
    members=[bull, bear],
    instructions="Hear both sides, then synthesize a balanced recommendation.",
)

team.print_response("Should I invest in NVIDIA?")

ワークフロー

from agno.agent import Agent
from agno.team import Team
from agno.tools.yfinance import YFinanceTools
from agno.workflow import Step, Workflow

researcher = Agent(
    model="openai:gpt-5.4",
    tools=[YFinanceTools()],
    instructions="Gather raw market data.",
)

bull = Agent(model="openai:gpt-5.4", role="Make the case FOR investing.")
bear = Agent(model="openai:gpt-5.4", role="Make the case AGAINST investing.")
committee = Team(
    name="Investment Committee",
    members=[bull, bear],
    instructions="Debate the position.",
)

writer = Agent(
    model="openai:gpt-5.4",
    instructions="Write a 200-word investment brief.",
)

workflow = Workflow(
    name="Stock Research",
    steps=[
        Step(name="Research", agent=researcher),
        Step(name="Debate", team=committee),
        Step(name="Report", agent=writer),
    ],
)

workflow.print_response("Analyze NVIDIA for investment.")

 

3 つのプリミティブ

  • エージェント – モデル、ツール、指示を使用して自律的なプログラムを構築します。

  • チーム – 複数のエージェントを連携させて複雑なタスクを達成します。

  • ワークフロー – ステップベースの実行を使用して決定論的な出力を獲得します。

 

Why the Agno SDK

  • Just Python. DSL も YAML も、独自の言語を学ぶ必要もありません。

  • 高速。エージェントは最小限のメモリ使用量でマイクロ秒単位でインスタンス化されます。分離と権限スコープのために、リクエスト毎に1つのエージェントを起動します。極めて高いパフォーマンスが必須です。

  • (プロバイダー) 非依存。30+ モデルプロバイダー、100+ インテグレーション、20+ ベクトルデータベース、10+ データベースに対応。任意のモデルプロバイダー、データベース、クラウドプロバイダーを使用できます。

  • 最初からプラットフォーム運用に対応。セッション、メモリ、ナレッジ、トレース、評価、human-in-the-loop が組み込まれています。Python スクリプトでプロトタイプを作成したエージェントは、AgentOS の背後にある エージェントプラットフォーム 上でそのまま動作します。

  • 3 つのプリミティブ。自律性のためのエージェント、連携するためのチーム、決定論的な制御のためのワークフロー。これらを組み合わせて、ユースケースに合わせた構成が可能です。SDKは同一です。

 

機能群 (Capabilities)

エージェント、チーム、ワークフローを本番環境向けソフトウェアに変換します。

  • モデル – 30+ プロバイダーを 1 つの API でサポート

  • ツール – 100+ インテグレーションと独自のツール作成の機能

  • メモリ – ユーザー毎、セッション毎のメモリ

  • ナレッジ – ドキュメント、URL、データベースに関する RAG

  • 学習 – 時間とともに改善していく自律学習エージェント

  • 推論 (Reasoning) – 組み込みの思考連鎖 (chain-of-thought) と推論エージェント

  • マルチモーダル – 画像、音声、動画の入出力に対応

  • 入力 & 出力 – Pydantic 型構造化入出力

  • コンテキスト – 実行ごとにリアルタイムのコンテキストを追加

  • 状態 – エージェントごと、チームごと、ワークフローごとの状態

  • 依存関係 – 実行時の値をプロンプトに注入する

  • スキル – 再利用可能なエージェント機能

  • フック – 実行前および実行後のコールバック

  • ガードレール – 入力と出力の検証

  • Human-in-the-Loop – 一時停止が、承認、入力、または外部実行のために実行されます。

  • データベース – セッション、メモリ、ナレッジ、トレースの永続化

  • セッション – セッションのライフサイクルとメトリクス

  • 評価 – 大規模なエージェント品質のテスト

  • トレース – 実行ごとの OpenTelemetry トレース

 

その他のフレームワーク

Agno はまた、AgentOS を介して、Claude Agent SDK、LangGraph、DSPy で構築されたエージェントもサービス提供できます。外部エージェントを ClaudeAgent、LangGraphAgent、または DSPyAgent でラップし、それをネイティブエージェントと同様に登録してください。See Multi-Framework Support.

 

以上