ClassCat® Blog

チームを実行しレスポンスを取得する方法を学習します。Team.run() 関数はチームを実行し、レスポンスを TeamRunResponse オブジェクトか TeamRunResponseEvent オブジェクトのストリ … 続きを読む

Agno チームで自律型マルチエージェントシステムを構築します。チームは、タスクを達成するために連携する、エージェント (または他のサブチーム) のコレクションです。チームはタスクを解決するために、「調整 (coordi … 続きを読む

知識は、エージェントが実行時に検索することでより良い意思決定を行い (動的少数ショット学習) 正確な応答 (エージェント型 RAG) を提供できる、ドメイン固有情報です。知識はベクトルデータベースに保存され、このオンデマ … 続きを読む

エージェント・コンテキストは、エージェントの実行前に解決される関数のセット (or 依存関係) を含む辞書で、依存関係をエージェントの説明と指示に注入する方法です。コンテキストを使用してメモリ、動的少数ショットの例、「取 … 続きを読む

私たちはエージェントに、説明や指示そしてその他の様々な設定を使用してプロンプトを与えます。これらの設定は、言語モデルに送信されるシステムメッセージを構築するために使用されます。これらのプロンプトが作成される方法を理解する … 続きを読む

Agno でエージェントの実行のフローを制御する方法を学習します。これはまた “Human in the Loop” とも呼ばれます。Agno のユーザ制御フローは “Human in the Loop” パターンの実装 … 続きを読む

Agno エージェントは、テキスト、画像、音声と動画の入力をサポートし、テキスト、画像、音声と動画の出力を生成することができます。 Agno : ユーザガイド : コンセプト : エージェント – マルチモーダル・エージ … 続きを読む

Agno でツールを使用して AI エージェントを構築する方法を学習します。エージェントはツールを使用してアクションを実行し、外部システムとやり取りをします。ツールは、エージェントがタスクを達成するために実行できる関数で … 続きを読む

エージェントを使用して構造化データ (i.e. pydantic モデル) を生成することは好ましい機能の一つです。この機能を使用して、特徴を抽出したり、データを分類したり、フェイクデータを生成することができます。最も良 … 続きを読む

メモリは、エージェントが関連する情報を思い出す能力を与えます。メモリはエージェントのコンテキストの一部で、最適な、最もパーソナライズされた応答を提供するのに役立ちます。 Agno : ユーザガイド : コンセプト : エ … 続きを読む