カクテルバーへようこそ！Agentic AIが拓く未来のアプリ開発

panaversity/learn-agentic-ai

お客様、最近「Agentic AI」って言葉をよく耳にしませんか？これはね、ただ言われたことだけをこなすAIとは一味違う、まさに"自分で考えて行動する"AIのことなんです。バーテンダーに例えるなら、レシピ通りにカクテルを作るだけでなく、「お客様の好みに合わせて、今日はこんな気分だろうから、この新しいカクテルを提案してみよう！」と、自律的に判断して行動するようなものです。

ソフトウェアエンジニアの皆さんにとって、これがどう役立つか？それはね、「未来のアプリケーションは、この自律的に動くAIエージェントの集合体になる」ってことなんです。今まで人間が一つ一つ指示していた複雑なタスクも、AIエージェントたちが連携して、まるでチームのように自動でこなしてくれるようになるんですよ。

例えば、オンライン学習プログラムの「Panaversity/learn-agentic-ai」では、まさにこの最先端の技術を学べます。OpenAIのAgent SDKを使ってAIエージェントを開発したり、Daprという分散アプリケーションランタイムで、エージェントたちが安定して、そしてスケールしながら動くように構築したりする技術が身につくんです。まるで、お店の裏で、ドリンクの仕入れから在庫管理、お客様への提供まで、全部スマートにこなすシステムを構築するようなもんですね！

さて、この「Agentic AI」のシステムを動かすには、ちょっとした準備が必要なんです。まるで美味しいカクテルを作るための材料と道具を揃えるみたいにね。

【Agentic AIカクテルのレシピ】

主材料
AIエージェント（OpenAI Agents SDK）

まずは、AIの頭脳となる部分、OpenAI Agents SDKを使ってエージェントを作ります。Pythonでサッと書けるので、まるでシェイカーを振るように軽快にコードを書いていきましょう。命令を与えたり、外部ツール（例えばデータベースにアクセスする機能とか）を使えるように設定したりします。

風味付け
Dapr（分散アプリケーションランタイム）

これがね、AIエージェントがスムーズに、そして頑丈に動くための秘訣なんです。Daprは、エージェント同士のメッセージのやり取りや、状態の管理、システムの障害からの回復なんかをサポートしてくれます。ちょうど、カクテルを混ぜる時のバランスを取る役目ですね。これがあるから、たくさんのエージェントが同時に動いても、システムが倒れないんですよ。

器
Kubernetes

作ったAIエージェントたちをどこで動かすか？それがこのKubernetesです。たくさんのグラスを並べて、それぞれにカクテルを注いで提供するように、KubernetesはたくさんのAIエージェントを効率よく配置して管理してくれるオーケストレーションツールです。

秘密の隠し味
Rancher Desktop

これはね、お客様のデスクトップで、手軽にKubernetes環境を構築するためのツールなんです。まるで自宅のバーカウンターに、本格的な機材をポンと置けるようなもの。これで、開発やテストがグッと楽になりますよ。実際に動く環境に近い形で試せるのは、ソフトウェアエンジニアにとっては最高のツールです。

具体的な導入としては、まずはRancher DesktopでローカルのKubernetes環境を準備し、そこにDaprを導入します。そして、PythonでOpenAI Agents SDKを使ったエージェントのコードを書き、Daprと連携させてKubernetes上にデプロイするという流れになります。

では、簡単なサンプルコードのイメージを。あくまでイメージですよ、本物のカクテルレシピと同じで、細部は秘密のベールに包まれていますからね。

AIエージェント（バーテンダー）の定義イメージ

# これはイメージです。実際のOpenAI Agents SDKのコードとは異なります。

from openai_agents import Agent, Tool

# 外部ツールとして「在庫を確認する」機能を用意
class InventoryTool(Tool):
    def check_stock(self, item_name: str) -> str:
        # 実際にはデータベースから在庫情報を取得する
        if item_name == "レモン":
            return "レモンは残り10個です。"
        else:
            return f"{item_name}の在庫情報は確認中です。"

# バーテンダーエージェントを定義
bartender_agent = Agent(
    name="BartenderAgent",
    instructions="お客様の注文を受けて、カクテルを提案・提供します。必要であれば在庫を確認します。",
    tools=[InventoryTool()]
)

# お客様からの注文を受けるセッションのイメージ
# session = bartender_agent.create_session()
# response = session.send_message("モヒートを作ってくれる？")
# print(response)
# # エージェントが「ミントの在庫を確認します」と自律的に判断し、
# # InventoryToolを使って在庫を確認する、といった流れになります。

こんな感じで、AIエージェントに「指示（instructions）」を与え、「ツール（tools）」を使えるように設定することで、AIが自律的に状況判断し、行動できるようになるんです。まるで、新人のバーテンダーに、お店のルールと使える道具を教えてあげるようなイメージですね。

このPanaversityのプログラムでは、まさにこうしたエージェントの構築から、DaprやKubernetesを使ったデプロイまで、一貫して学べるようですよ。

いかがでしたでしょうか？「Agentic AI」という、少し強めのお酒でしたが、ゆっくり味わっていただけたでしょうか？この技術は、これからのソフトウェア開発のトレンドになること間違いなしです。

もしご興味があれば、こちらの情報をさらに深掘りしてみてください。

Panaversity 公式サイト
Panaversity.org

Agentic AI と DACA の概要 (GitHub)
learn-agentic-ai/-01_lets_get_started/03_from_llms_to_stateful_long_runningl_multi_agents/03_technology_stack.md at main - GitHub

OpenAI Agents SDK ドキュメント
はじめに - OpenAI Agents SDK

Dapr 公式サイト
Dapr - Distributed Application Runtime

Rancher Desktop ドキュメント
Rancher Desktop Docs: Introduction