Cooragent: マルチインテリジェンス・タスク・コラボレーション・ツールの構築

はじめに

Cooragentは清華大学のLeapLabによって開発され、GitHubでホストされているオープンソースのAIエージェントコラボレーションフレームワークである。このフレームワークには2つのモードがあります：Agent Factoryはカスタマイズされたエージェントを自動的に生成します。 ワークフロー CooragentはLangchainツールチェーンと深い互換性があり、以下をサポートしている。 エムシーピー プロトコルを使用して、エージェント間の効率的な通信を保証します。開発者は、CLI ツールや API を使ってエージェントを素早く構築、編集、管理することができます。

機能一覧

• エージェント・ファクトリー・モード システムは自動的に要件を分析し、複雑なプロンプトの設計を必要とせずに、カスタマイズされたAIエージェントを生成します。
• エージェントワークフローモード マルチエージェントコラボレーションをサポートし、自動的にタスクを分解し、役割を割り当て、複雑な目標を達成します。
• Langchainとの深い互換性 Langchainのプロンプト、チェイン、メモリー、ドキュメント・ローダーなどのコンポーネントをサポートし、開発を簡素化。
• MCPプロトコルのサポート 標準化されたエージェント間情報交換、複数ラウンドの相互作用のサポート、効率的なコンテキスト管理。
• CLIツール エージェントを素早く作成、編集、削除、リスト化するためのコマンドラインインターフェイスを提供します。
• APIサポート APIを通じてエージェントの作成、タスクの提出、ステータス監視を自動化します。
• ツールコール ウェブクローラ、コード実行、ファイル操作などをサポートする拡張エージェント機能。
• コミュニティ・シェアリング ユーザは、他の開発者が使用したり最適化したりできるように、エージェントをコミュニティに公開することができます。
• 観測可能性 : エージェントの操作状況とパフォーマンスログを提供し、モニタリングとデバッグを容易にします。
• ローカル展開 ローカルオペレーションをサポートし、データのプライバシーを保護します。

ヘルプの使用

設置プロセス

CooragentはPython 3.12以上の環境をサポートしており、condaとvenvの両方のインストールが可能です。手順は以下の通り：

condaによるインストール

1. クローン倉庫
   ターミナルで以下のコマンドを実行し、Cooragentのコードをダウンロードする：

   git clone https://github.com/LeapLabTHU/cooragent.git
   cd cooragent
   

2. 仮想環境の構築
   Python 3.12環境を作成し、アクティベートする：

   conda create -n cooragent python=3.12
   conda activate cooragent
   

3. 依存関係のインストール
   プロジェクトの依存関係をインストールします：

   pip install -e .
   

4. オプション：ブラウザ・ツールのインストール
   ウェブ・クローラーなどの機能については、Playwrightをインストールしてください：

   playwright install
   

5. 環境変数の設定
   サンプルの設定ファイルをコピーして編集してください：

   cp .env.example .env
   

   テキストエディタで開く .env ファイルに、APIキー（OpenAIや他のモデルなど）を入力します。MCPプロトコルを有効にするには MCP_AGENT=True.ブラウザツールを有効にする必要がある場合は USE_BROWSER=True.

6. インストールの確認
   CLIツールを実行して、インストールが成功したかどうかを確認する：

   python cli.py
   

venvでのインストール

1. クローン倉庫
   condaと同じように、実行する：

   git clone https://github.com/LeapLabTHU/cooragent.git
   cd cooragent
   

2. 仮想環境の構築
   uvツールを使ってPython 3.12をインストールし、仮想環境を作る：

   uv python install 3.12
   uv venv --python 3.12
   source .venv/bin/activate  # Windows: .venv\Scripts\activate
   

3. 依存関係のインストール
   同期の依存関係：

   uv sync
   

4. オプション：ブラウザ・ツールのインストール
   condaと同じように、実行する：

   playwright install
   

5. 環境変数の設定
   コンダと同じ、コピーして編集する .env ドキュメンテーション
6. ランニング・プロジェクト
   uvでCLIツールを実行する：

   uv run cli.py
   

Windows インストールに関する注意事項

詳しくは公式ドキュメントを参照のこと。 Windowsプラットフォームのサポート.環境変数が適切に設定され、依存関係がすべてインストールされていることを確認する。

使用方法

Cooragentは、エージェントファクトリーモードとエージェントワークフローモードを提供し、CLIツールとAPIを組み合わせることで、シンプルで効率的な運用を実現します。

エージェント・ファクトリー・モード

このパターンは、1文の説明を持つAIエージェントを素早く生成する。例えば、株式分析エージェントを作成します：

python cli.py run -t agent_factory -u test -m 'Create a stock analysis expert agent to analyze the Xiaomi stock trend, today is 22 April, 2025, look over the past month, analyze the big news about Xiaomi, then predict the stock price trend for the next trading day, and provide buy or sell recommendations.'

• 手続き ::
  1. タスクの種類を次のように指定してコマンドを実行する。 agent_factory.
  2. パラメトリック -u ユーザーIDを設定する（例 test).-m タスクの説明を入力する。
  3. このシステムは、要件を記憶し、拡張し、ツールを選択し、プロンプトを自動的に最適化し、エージェントを生成することによって、要件を分析します。
  4. エージェントは実行され、結果（株式分析レポートなど）を出力する。
  5. 可 edit-agent -n <agent_name> -i エージェントを編集して行動を最適化する。
• 注目の機能 複雑なプロンプトの設計は必要なく、システムが自動的に要件を理解し、効率的なエージェントを生成します。

エージェントワークフローモード

このモデルはマルチエージェントコラボレーションをサポートし、複雑なタスクに適している。例えば、2025年5月1日に雲南への旅行を計画する：

python cli.py run -t agent_workflow -u test -m 'Use the task planning agent, web crawler agent, code execution agent, browser operation agent, report writing agent, and file operation agent to plan a trip to Yunnan for the May Day holiday in 2025. First, run the web crawler agent to fetch information about Yunnan tourist attractions, use the browser operation agent to browse the attraction information and select the top 10 most worthwhile attractions. Then, plan a 5-day itinerary, use the report writing agent to generate a travel report, and finally use the file operation agent to save the report as a PDF file.'

• 手続き ::
  1. タスクの種類を次のように指定してコマンドを実行する。 agent_workflow.
  2. 必要なエージェントをリストしたタスクの説明を入力します。
  3. システムプランナーはタスクを分析し、ステップを分解して適切なエージェントに割り当てます。
  4. エージェントはMCPプロトコルを介して協力し、タスク（トリップレポートの作成など）を完了する。
  5. 出力結果（PDFファイルなど）。
• 注目の機能 プランナーは自動的にタスク割り当てを最適化し、MCPプロトコルは複雑なタスクをサポートする効率的な通信を保証します。

CLIツールの使い方

一般的なCLIコマンドは以下の通り：

• プロキシの作成 ::python cli.py create -n <agent_name>
• 編集エージェント ::python cli.py edit-agent -n <agent_name> -i
• エージェント一覧 ::python cli.py list-agents -u <user-id> -m <regex>
• プロキシの削除 ::python cli.py remove-agent -n <agent_name> -u <user-id>
• ステータス表示 ::python cli.py status

APIの使用

APIはエージェントの自動管理をサポートする。例えば、タスクの提出などである：

import requests
url = "http://localhost:8000/task"
payload = {"task": "Analyze stock trend", "user_id": "test"}
response = requests.post(url, json=payload)
print(response.json())

• 官能性 エージェント作成、タスク投入、結果取得、ステータス監視をサポート。
• 使用 スクリプトやアプリケーションに統合し、カスタムインターフェースを構築。

MCPプロトコルの使用法

MCPプロトコルは、エージェント間の効率的な通信をサポートします。例えば、Excelの操作エージェントを作成する場合：

server_params = StdioServerParameters(
command="python",
args=[str(get_project_root()) + "/src/mcp/excel_mcp/server.py"]
)
async def excel_agent():
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await load_mcp_tools(session)
agent = create_react_agent(model, tools)
return agent
agent = asyncio.run(excel_agent())
agent_obj = Agent(user_id="share", 
agent_name="mcp_excel_agent", 
nick_name="mcp_excel_agent", 
description="The agent is good at manipulating excel files, which includes creating, reading, writing, and analyzing excel files", 
llm_type=LLMType.BASIC, 
selected_tools=[], 
prompt="")
MCPManager.register_agent("mcp_excel_agent", agent, agent_obj)

• MCPを有効にする で .env ファイルでの設定 MCP_AGENT=True.
• 使用 マルチエージェントコラボレーションとクロスプラットフォームインタラクションのサポート。

ほら

• セキュア .env ファイルが正しく設定され、APIキーが有効である。
• ブラウザのツールはデフォルトでは無効になっているので、設定する必要がある。 USE_BROWSER=True イネーブル
• Windowsユーザーの方は Windowsプラットフォームのサポート 追加の依存関係をインストールします。
• 定期的にコードを更新する：git pull origin main.

アプリケーションシナリオ

1. タスクの自動化
   Cooragent は反復タスクを自動化します。例えば、組織の従業員はエージェントワークフローを使って市場データを収集し、レポートを作成し、時間を節約します。
2. プロジェクト管理
   開発者は、Agent Factoryを使用して、自動的にタスクを割り当て、進捗を追跡するプロジェクト管理エージェントを作成し、チームコラボレーションに理想的です。
3. データ分析
   研究者はCooragentを使用して、株価やニュースデータを分析し、トレンド予測や業界レポートを作成します。
4. 教育と学習
   学生は学習アシスタントエージェントを作成し、コースの教材を整理したり、質問に答えたり、効率を高めたりする。
5. 文書処理
   MCPプロトコルを使用してExcelエージェントを作成し、財務やデータ分析シナリオの表形式データを自動的に処理します。

品質保証

1. クーラジェントはどのような言語モデルをサポートしていますか？
   Langchainの互換性によって決定される複数の言語モデル（OpenAIやその他のオープンソースモデルなど）をサポートし、APIキーの設定が必要です。
2. エージェントをシェアするには？
   うごきだす python cli.py publish -n <agent_name>他の開発者が使えるように、エージェントをコミュニティに公開する。
3. ミッションが失敗したら？
   プローブ .env ファイルのAPIキーとネットワーク接続を確認し、ログ(logs/ ディレクトリ)にあります。GitHubにissueを提出することでヘルプを得ることができる。
4. ローカル展開に対応しているか？
   はい、Cooragentはローカル展開をサポートし、データのプライバシーを保護し、企業での使用に適しています。
5. コードを提供するには？
   協議 寄付ガイドライン修正、ドキュメンテーションの改善、新機能のコミット。