AnythingLLMカスタムエージェント:AIに仕事を任せる完全ワークフロー
AnythingLLMでカスタムAIエージェントを構築する方法。組み込みツールからカスタム統合まで、ワークフローを効果的に自動化
AnythingLLMカスタムエージェント:AIに仕事を任せる完全ワークフロー
AIエージェントはもはやSFではありません—生産性を何倍にも高めるツールです。AnythingLLMは、すべてをプライベートかつローカルに保ちながら複雑なワークフローを自動化できる強力なエージェントフレームワークを提供します。このガイドでは、基本的なエージェントのセットアップからカスタムツールの構築まですべてをカバーします。
AnythingLLMのAIエージェントとは?
AnythingLLMのエージェントは、以下が可能なLLM駆動のアシスタントです:
- ツールを実行(ウェブ検索、コード実行、ファイル操作)
- コンテキストと目標に基づいて判断
- アクションを連鎖させて複雑なタスクを完了
- カスタム統合を通じて外部システムと対話
エージェントモード vs チャットモード
| 機能 | チャットモード | エージェントモード |
|---|---|---|
| 質問に回答 | ✅ | ✅ |
| ドキュメント使用(RAG) | ✅ | ✅ |
| コード実行 | ❌ | ✅ |
| ウェブ検索 | ❌ | ✅ |
| ファイル操作 | ❌ | ✅ |
| マルチステップ推論 | 限定的 | ✅ |
| ツール呼び出し | ❌ | ✅ |
エージェント入門
ステップ1:エージェントモードを有効化
ワークスペース設定で:
- ワークスペース設定に移動
- エージェント設定を選択
- エージェントを有効化をオン
- エージェントLLMを選択(チャットLLMと異なっても可)
ステップ2:エージェントLLMを設定
最高のエージェントパフォーマンスには、ツール使用能力の高いモデルを選択:
| モデル | ツール使用品質 | 速度 |
|---|---|---|
| Claude Sonnet 4.5 | 優秀 | 中 |
| GPT-5.2 | 優秀 | 高速 |
| Llama 3.2 90B | 非常に良い | 中 |
| Mistral Large | 良い | 高速 |
| Qwen 2.5 72B | 良い | 中 |
ステップ3:組み込みツールを選択
AnythingLLMには強力な組み込みツールが含まれています:
利用可能なツール:
├── 🔍 ウェブ検索(Serper、SerpAPI、Bing)
├── 💻 コードインタープリター(Python、JavaScript)
├── 📁 ファイルマネージャー(読み取り、書き込み、リスト)
├── 🧮 計算機(複雑な数学)
├── 📊 チャートジェネレーター
├── 🔗 URLスクレイパー
└── 📝 ドキュメントライター
組み込みツール詳細
1. ウェブ検索ツール
リアルタイム情報のためのウェブ検索を設定:
// 設定 → エージェント → ウェブ検索
{
provider: "serper", // または "serpapi", "bing"
apiKey: "your-api-key",
maxResults: 5,
searchType: "search" // または "news", "images"
}
2. コードインタープリター
PythonまたはJavaScriptコードを直接実行:
// 設定 → エージェント → コードインタープリター
{
enabled: true,
runtime: "python3", // または "nodejs"
timeout: 30000, // 30秒タイムアウト
maxMemory: "512mb",
allowNetworkAccess: false
}
カスタムツールの構築
HTTPツールの作成
外部APIを呼び出すカスタムツールを作成:
// custom-tools/weather-tool.json
{
"name": "get_weather",
"description": "都市の現在の天気を取得",
"type": "http",
"config": {
"method": "GET",
"url": "https://api.openweathermap.org/data/2.5/weather",
"queryParams": {
"appid": "{{env.OPENWEATHER_API_KEY}}",
"units": "metric",
"q": "{{city}}"
}
},
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "天気を取得する都市名"
}
},
"required": ["city"]
}
}
コードツールの作成
Pythonベースのカスタムツールを構築:
# custom-tools/sentiment_analyzer.py
"""
ツール名: sentiment_analyzer
説明: 与えられたテキストの感情を分析
パラメータ:
- text (string, 必須): 分析するテキスト
"""
from textblob import TextBlob
def run(text: str) -> dict:
"""与えられたテキストの感情を分析。"""
blob = TextBlob(text)
polarity = blob.sentiment.polarity
if polarity > 0.1:
sentiment = "ポジティブ"
elif polarity < -0.1:
sentiment = "ネガティブ"
else:
sentiment = "ニュートラル"
return {
"sentiment": sentiment,
"polarity": round(polarity, 3)
}
マルチエージェントワークフロー
エージェントの連鎖
エージェントが協力するワークフローを作成:
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ リサーチ │ ──▶ │ ライター │ ──▶ │ エディター │
│ エージェント│ │ エージェント│ │ エージェント│
└─────────────┘ └─────────────┘ └─────────────┘
│ │ │
▼ ▼ ▼
ウェブ検索 コンテンツ起草 校正&フォーマット
実世界のエージェント例
例1:リサーチアシスタント
ユーザープロンプト:「今月資金調達したAIスタートアップトップ5を調査し、
サマリーレポートを作成して」
エージェントのアクション:
1. [ウェブ検索] クエリ:「AIスタートアップ 資金調達 2026年1月」
2. [ウェブ検索] クエリ:「今月 AIスタートアップ 資金調達ラウンド」
3. [URLスクレイパー] Crunchbase、TechCrunchからデータ抽出
4. [コードインタープリター] 分析し資金調達額でランキング
5. [ドキュメントライター] フォーマット済みmarkdownレポート作成
6. [ファイルマネージャー] ワークスペースにレポート保存
出力:以下を含む2ページのレポート:
- 企業プロフィール
- 資金調達額と投資家
- 製品フォーカスエリア
- 市場分析
ベストプラクティス
1. ツール選択
- 組み込みツールから始める
- 必要な場合のみカスタムツールを追加
- 組み合わせる前に個別にツールをテスト
2. エージェント用プロンプトエンジニアリング
良いエージェントプロンプト:
「ウェブ検索を使用してトピックを徹底的にリサーチしてください。
重要な事実と統計を抽出してください。
ソースを引用してください。
計算が必要な場合はコードインタープリターを使用してください。
最終出力をmarkdownファイルとして保存してください。」
悪いエージェントプロンプト:
「AIについて教えて」(曖昧すぎる、ツールガイダンスなし)
まとめ
AnythingLLMエージェントは、受動的なAIチャットを能動的な自動化に変換:
✅ 組み込みツールで一般的なタスクを処理 ✅ カスタムツールで特定のワークフローに対応 ✅ マルチエージェントオーケストレーション ✅ プライバシーファースト — ローカルで実行
今日から自動化されたAIワークフォースの構築を始めましょう!
FAQ
Q:エージェントは自律的に実行できる? A:はい、適切なツール設定とスケジュールトリガーで可能。
Q:エージェントアクションにレート制限はある? A:基盤となるLLMと外部APIの制限に依存。
Q:エージェントの判断をデバッグできる? A:はい、詳細ログを有効にしてツール選択の推論を確認。
Q:カスタムツールのマーケットプレイスはある? A:GitHubでコミュニティツールが利用可能;公式マーケットプレイスは近日公開。
AnythingLLMエージェントでどんなワークフローを自動化しましたか?下で共有してください!