TL;DR LangChainが自社の有料広告運用を任せるエージェントを構築した実践記録です。「エージェントを知識労働者として扱う」設計で、6ヶ月でパイプライン寄与度を0%から20%まで伸ばしました。
タイトル: How We Built LangChain's Paid Media Agent
URL:
ポイント
🖥️ Deep Agents+隔離マイクロVM上のサンドボックスで、人間のアナリストと同じ装備をエージェントに与えています
📚 システムプロンプト・スキル・社内ウィキ・218個のライブツール・決定論的コードの5層でコンテキストを構成しています
🧮 「判断はモデル、計算はコード」の原則に切り替え、レポート生成のトークンコストを40分の1に削減しました
🔍 218個あるツール定義を全部読み込ませず、必要なものだけ動的に検索・読込する方式でトークンを4分の1に抑えています
🧩 親エージェント+プラットフォームごとのサブエージェントに分離し、失敗の影響範囲を明確に隔離しています
✅ Slack上のBlock Kit承認カードで、提案内容を確認・編集・承認してから実行する経路を作っています
📈 CPL(獲得単価)は3ヶ月で30%低下、広告支出は約60%増加という成果を出しています
社内業務エージェントの設計原則として、他のドメインにもそのまま転用できそうな内容だと感じました。
#
AIエージェント# #
マーケティング#