IBM watsonx.ai のエージェントラボを使用して、アプリケーションをより柔軟かつ動的にするAIエージェントを構築し、展開してください。 エージェントの設定で指定したパラメータとツールを使用して、エンドユーザーに代わって決定を下し、タスクを実行するようにエージェントを設定することができます。
Agent Labの使い方
watsonx.ai に登録済みで、サンドボックスプロジェクトをお持ちの場合は、すべての要件が満たされており、エージェントラボの使用準備が整っています。
エージェントラボをご利用いただくには、以下の要件を満たす必要があります
- プロジェクトが必要です。
- プロジェクトには、 watsonx.ai ランタイムサービスインスタンスが関連付けられている必要があります。 そうでない場合、Agent Lab を開く際にサービスの関連付けを促すメッセージが表示される場合があります。
- 必要な権限
- エージェントを構築するには、プロジェクトで管理者または編集者の役割が必要です。
エージェントラボでは、最小限のコーディングでAIエージェントを簡単に構築し、カスタマイズすることができます。 エージェントとエンドユーザー間のインタラクションのパラメータを定義します。これには、エージェントがタスクを遂行するために使用する foundation model 、フレームワーク、アーキテクチャ、ツールなどが含まれます。
現実のシナリオでは、エージェントは現在のインタラクションの状態に基づいて次の最善のステップを実行します。 エージェント内の foundation model は、エンドユーザーが送信したプロンプトに基づいて、1つまたは複数の外部ツールまたはカスタムツールを選択します。 エージェントフレームワークは、 ツール呼び出しと呼ばれるプロセスを使用します。これは、複数のソースから情報を検索し、応答を生成するプロセスで、 関数呼び出しとも呼ばれます。
例えば、フライト予約ツールは、以下の情報を収集し、予約を作成する必要があるかもしれません
- 出発地と目的地の場所
- 乗客数
- 旅行日
- 価格帯
座席数が限られているフライトや、希望価格の範囲内の価格設定であるフライトなど、情報収集の順番が重要となる場合もあります。 エージェントはすべてのユーザー入力を処理し、その下にある foundation model が、エージェントが予約リクエストを完了する前に、出発地と目的地の間で頻繁に運航している航空会社を検索する検索エンジンなどの追加ツールを呼び出すタイミングを決定します。
生成型AIタスクを自動化するエージェントの構築
AIエージェントを構築するには、以下の手順を完了します
watsonx.ai トップページ からプロジェクトを選択し、 新しい資産 > ツールを使用して複雑なAIタスクを解決 のタイルをクリックします。
foundation model を選択し、必要に応じてモデルパラメータを更新します。 詳細は、 基盤モデル構成 をご覧ください。
エージェントを設定するには、エージェントの名前を指定し、エージェントが実行するタスクを記述します。
オプション ： エージェントプレビューウィンドウに表示されるエージェントの外観をカスタマイズするために、アイコンと背景画像を選択します。
エージェントを作成、展開、管理するために使用するAIエージェントフレームワークを選択します。
注:現在、 watsonx.ai では、 LangGraph を唯一のフレームワークとして提供しています。 エージェンティックなAI推論を実装するアーキテクチャを選択します。
注:現在、 watsonx.ai では、 ReAct を唯一のアーキテクチャとして提供しています。 選択した foundation model 用のシステムプロンプトを作成するエージェント用の具体的な指示を定義します。 指示には、特定の言語、日付または時刻のフォーマット、ユーザーへの挨拶、または foundation model のナレッジベースではなく外部ツールを情報源として使用することが含まれる場合があります。
エージェントフレームワークが呼び出して応答を構成できるように、1つ以上の外部ツールを設定します。 用意されたツールのリストからツールを選択するか、独自のカスタムツールを作成します。 詳細は、 ツールの設定を参照してください。
オプション ：エンドユーザーがオペレーターとのやり取りを開始する際に使用できるサンプル質問をいくつか追加する。
エージェントプレビュー パネルでエージェントをテストし、 foundation model と関連ツールの組み合わせを使用してエージェントが正しい結果を生成することを確認してください。
現在のプロジェクトでエージェントを再利用したり、共同作業者と共有できるように作業内容を保存するには、作業内容を資産として保存します。 詳細は、 エージェントの保存を参照してください。 あるいは、エージェントをAIサービスとしてデプロイメントスペースにデプロイすることもできます。 詳細は 、「ツールを使用したAIサービスの展開 」を参照してください。
エージェント構成オプション
foundation model と、エージェントが意思決定、行動、外部環境とのやり取りを行う際に使用するツールをカスタマイズすることができます。
基盤モデル構成
エージェントベースのワークフローを構築する際は、以下の要件を満たす foundation model を選択してください
- チャット対応
- サポートツール呼び出し
- 思考の連鎖を促すテクニックにうまく反応し、次の行動を選択する
- ベンチマークによる推論性能が良好
モデルが出力する内容を制御するには、以下のパラメータを指定します
- 周波数ペナルティ
- 選択したプロンプト、モデル、パラメータに対して生成された出力に、複数回表示されるテキストが常に含まれる場合は、頻度ペナルティを追加してみることができます。 設定すると、ペナルティにより、複数回使用されたトークンの確率スコアが低下し、モデルがそれらを繰り返す可能性が低くなります。 より高い価値は、より多様で多彩なアウトプットにつながります。
- サポートされる値： -2.0 （ペナルティなし）から 2.0 （最大ペナルティ）の範囲の浮動小数点数
- 初期値: 0.0
- 使用法：ペナルティが高ければ高いほど、これまでのやり取りで頻繁に表示されていたテキストが結果に含まれる可能性は低くなります。
- プレゼンス・ペナルティ
- 選択したプロンプト、モデル、パラメータで生成された出力に、以前のやり取りで表示されたテキストが含まれている場合、プレゼンスペナルティを追加してみることができます。 設定すると、ペナルティにより、すでに使用されたトークンの確率スコアが下がり、モデルがそれらを繰り返す可能性が低くなります。 より高い価値は、より多様で多彩なアウトプットにつながります。
- サポートされる値： -2.0 （ペナルティなし）から 2.0 （最大ペナルティ）の範囲の浮動小数点数
- 初期値: 0.0
- 使用法：ペナルティが高ければ高いほど、これまでのやり取りで既に表示されたテキストが結果に含まれる可能性は低くなります。
- 温度 (Temperature)
- モデルが生成された出力のトークンを選択するために使用するサンプリング手法。トークンに対する確率分布を平坦化または尖鋭化することで、サンプリングするトークンを決定する。
- 上位 P (中核サンプリング)
- モデルが生成された出力のトークンを選択するために使用するサンプリング技術。確率スコアが最も高いトークンをサンプリングし、スコアの合計が指定の閾値に達するまでこれを繰り返す。
- 新規トークン上限
- Max tokens パラメータは、生成された出力のトークン最大数を制御します。 出力で許可されるトークンの最大数は、モデルによって異なります。 詳細は、 サポートされている基盤モデル の 最大トークン数 情報をご覧ください。
ツールの設定
foundation model に送信されたプロンプトに応答を生成するために、追加情報を取得する1つまたは複数の外部ツールを使用するようにエージェントを設定することができます。
用意されたツールのリストから選択するか、独自のカスタムツールを作成して、特殊な入力を処理し、特定の結果を生成することができます。 詳細は 、「カスタムツールの作成」 を参照してください。
ツールの設定を更新するには、 [設定] アイコン 
をクリックします。 ツールのカスタマイズ方法の例をいくつか挙げると、以下の通りです
- サードパーティの検索エンジンが返す検索結果の件数の上限を指定する
- 文書検索ツールで使用するソースファイルのベクトルインデックスを提供します。 プロジェクトのベクターデータストアにドキュメントを追加する方法の詳細については、 Adding vectorized documents for grounding foundation model prompts を参照してください。
詳細情報
- プロジェクトの作成
- エージェントの保存
- watsonx.ai REST API を使用してエージェント対応チャットワークフローを構築する代替方法の詳細については 、「チャット API を使用したエージェント対応ワークフローの構築」 を参照してください。
親トピック: 生成型AIソリューションの開発