私の日常垢です♡ 基本こちらにいます！ ゲームの話や雑談はこっちです🎮 男性は私のよくイベントきてくれたり、アマギフよく送ってくれる人はフォロバしてます〜(*´◒`*)！ 日常垢🔜@Banko_003

# AIエージェント開発の意思決定ポイント 🎯 **ポイント** LLMプロバイダの429エラー、5回リトライしていませんか？ネットワークリトライは「保険」のように見えて、やりすぎるとコスト6倍・二重決済・リトライストームという地雷原に変わります。従来のWebサービスとは異なり、LLM呼び出しの1回あたりのコストが高いからこそ、リトライ戦略は慎重に設計する必要があります。 📋 **概要** ネットワーク/5xxリトライは、一時的な障害（429 Too Many Requests、5xxサーバーエラー、タイムアウト、DNS解決失敗など）に対して同じリクエストを再送する回数と間隔を制御するダイヤルです。対象は「同じリクエストをそのまま送り直せば成功する見込みがある」エラーのみ。スキーマ不適合や低品質出力のようなコンテンツ起因のエラーは自己修正リトライという別の仕組みで扱います。この2つを混同すると、リトライ戦略が根本から崩壊します。 🔍 **意思決定のポイント** このダイヤルは2つの駆動変数で決めます。 🔹 **失敗コスト（failure_cost）** — 失敗コストが高い環境ではリトライ回数を少なく（2回程度）し、早めにサーキットブレーカへ移行します。誤ったリトライによる二重実行のリスクの方が、リトライしないことによる失敗よりも深刻だからです。 🔹 **コスト感度（cost_sensitivity）** — LLM呼び出しのリトライは1回あたり数千トークンを消費します。5回リトライすればコストは6倍。コスト感度が高い場合はリトライ回数を下限寄りに設定します。 最も重要な判断は**冪等性の確認**です。読取操作のリトライは安全ですが、決済・データ更新・メール送信などの副作用を伴う書込操作を冪等キー無しでリトライすると二重実行が発生します。操作のリトライ可否はツール定義時に静的に決めておくべきで、LLMに判断させてはいけません。 💡 **要点と詳細** 基本方針は**指数バックオフ＋ジッタ**です。リトライ間隔を1秒→2秒→4秒と指数的に増やし、ジッタ（乱数による揺らぎ）を加えます。ジッタにより複数クライアントのリトライタイミングが分散し、リトライストームを防ぎます。 📊 目安値: - リトライ回数: 2〜4回 - 初回バックオフ: 1〜2秒（429の場合はRetry-Afterヘッダを優先） - バックオフ上限: 30〜60秒（これ以上待つなら縮退に移行） - ジッタ: フルジッタ（0〜バックオフ値の乱数） - 非冪等書込のリトライ: 冪等キー無しでは**禁止** 429応答にRetry-Afterヘッダが含まれる場合は、自前のバックオフ計算より優先しましょう。プロバイダの指示を無視するとさらに厳しいレート制限を受けるリスクがあります。 リトライ上限に達したらサーキットブレーカを開き、縮退ラダー（軽量モデルへのフォールバック、キャッシュ応答、静的フォールバック）に移行します。 ⚖️ **トレードオフ** 📉 リトライが少なすぎると — プロバイダの429は数秒待てば解消されることが多いのに、即座にエラーを返してしまいます。ネットワークの瞬断で数十秒かけたLLM推論結果が無駄になり、本来リトライ1〜2回で回復する軽微な障害がセッション全体の失敗に連鎖します。 📈 リトライが多すぎると — コスト増幅に加え、複数エージェントが同時にリトライするリトライストームでプロバイダへの負荷が雪だるま式に増大し、障害を悪化させます。レイテンシも分単位に膨張。最も危険なのは非冪等操作の二重実行です。 🛠️ **ユースケース** 🔄 **LLMプロバイダの429** — 最も頻繁に遭遇するケース。Retry-Afterヘッダを最優先で使い、2〜3回のリトライで回復しなければサーキットブレーカを開いて別プロバイダへフォールバック。 🖥️ **一時的な502/503/504エラー** — 初回バックオフ1〜2秒、最大3回リトライ。3回失敗したら15〜60秒の遮断期間を設け、Half-Open状態で1リクエスト試行して復帰判定。 💳 **決済APIへの書込** — 冪等キー付きならリトライ可。冪等キー無しなら**リトライ禁止**。代わりに状態確認API（GET）で完了状態を確認し、未完了なら再実行します。 🌐 **複数プロバイダ構成** — 1回目は同一プロバイダに再送（一時的障害の高速回復）、2回目以降は別プロバイダにフォールバック。プロバイダごとに独立したサーキットブレーカを設置するのが鉄則です。 リトライ発生率の監視も忘れずに。急上昇はプロバイダ障害か自システムの負荷超過の兆候です。 #AIエージェント# #ソフトウェアアーキテクチャ#

# ADKの便利で実践的な使い方 📄 エージェントの定義をコードではなくYAMLファイルで行えたら、プロンプトの変更やモデルの切り替えが再デプロイなしでできますよね。ADKのAgent Configなら、宣言的なエージェント定義と環境ごとの設定切り替えが実現できます！ 📌 タイトル：Agent Config — YAML宣言によるコードレスエージェント定義 🔗 URL： 🧩 概要 Agent Configは、ADKワークフローをコードなしでYAMLファイルとして定義できる機能です。`name`、`model`、`description`、`instruction`といった基本プロパティに加え、`tools`でのツール定義や`sub_agents`でのサブエージェント参照もYAMLで記述できます。`adk create --type=config`でプロジェクトを生成し、`adk web`、`adk run`、`adk api_server`で実行可能です。Pythonからは`config_agent_utils.from_config()`でプログラマティックに読み込むこともできます。 🛠 使い方 基本的なAgent Config YAMLの構成です。 ```yaml # root_agent.yaml name: assistant_agent model: gemini-flash-latest description: ユーザーの質問に答えるヘルパーエージェント instruction: | あなたはユーザーの様々な質問に答えるエージェントです。 丁寧で正確な回答を心がけてください。 tools: - google_search sub_agents: - config_path: specialist_agent.yaml ``` プロジェクトの作成と実行は以下のコマンドで行います。 ```bash # プロジェクト作成 adk create --type=config my_agent # 実行方法 adk web # Webインターフェース adk run # ターミナル実行 adk api_server # APIサーバーモード ``` Pythonから読み込む場合は以下のとおりです。 `google.adk.agents.config_agent_utils` の `from_config()` メソッドにYAMLファイルのパス（例: `"my_agent/root_agent.yaml"`）を渡して、エージェントオブジェクトをプログラマティックに読み込みます。 🏗 実践的な使い方 **環境別の設定切り替え**: dev/staging/prodごとに異なるYAMLファイルを用意し、環境変数でどのファイルを読み込むかを制御します。 ```yaml # config/dev/root_agent.yaml name: assistant_agent model: gemini-flash-latest instruction: | [DEV] デバッグ情報を含めて回答してください。 # config/prod/root_agent.yaml name: assistant_agent model: gemini-2.5-pro instruction: | ユーザーの質問に正確かつ簡潔に回答してください。 ``` `os.getenv("ENVIRONMENT", "dev")` で環境名を取得し、`config_agent_utils.from_config(f"config/{env}/root_agent.yaml")` で環境に対応するYAMLファイルを動的に読み込みます。 **プロンプトバージョニング**: YAMLファイルをGitで管理し、プロンプトの変更履歴を追跡します。コードの変更なしにインストラクションを更新でき、ロールバックも容易です。 **A/Bテスト**: 異なるインストラクションやモデルを持つ複数のYAMLファイルを用意し、ランタイムで切り替えてパフォーマンスを比較します。 `get_ab_variant(user_id)` でユーザーごとのA/Bバリアント（`"a"` または `"b"`）を取得し、`config_agent_utils.from_config(f"config/variant_{variant}.yaml")` で対応するYAMLファイルを読み込むことで、ランタイムでのA/Bテストを実現します。 💡 ユースケース 🔄 コード変更なしのプロンプト・モデル切り替え（再デプロイ不要） 🌍 dev/staging/prod環境ごとの設定管理 📊 インストラクションのA/Bテスト 📝 プロンプト変更履歴のGit管理とロールバック 🧩 非エンジニアによるエージェント設定の更新 ⚠️ 注意点 - 現在はGeminiモデルのみサポートされています。他のモデルプロバイダーは今後のサポートを待つ必要があります。 - カスタムコードを含むツールの利用はPythonとJavaに限定されています。 - `LangGraphAgent`や`A2aAgent`はAgent Configではまだサポートされていません。 - `.env`ファイルでAPIキーやプロジェクト設定を管理しますが、シークレットのコミットには注意してください。 ✨ Agent Configは、エージェントの定義をコードから設定ファイルに分離することで、非エンジニアでも安全にプロンプトやモデルを変更でき、環境ごとの切り替えやA/Bテストを容易にします。運用フェーズでの柔軟性を高めたい場面でぜひ活用してください！ #ADK# #AIAgent#

🔎 エージェントが他組織のツールやエージェントを「どこにあって、どれを選び、安全か」を判断する標準がついに登場。エージェンティックWebの検索エンジンを作る仕様です。 📰 タイトル: Announcing the Agentic Resource Discovery specification 🔗 URL: 💡 概要 Googleが、AIの能力（ツール・スキル・他のエージェント）をWeb全体で公開・発見・検証するためのオープン仕様「Agentic Resource Discovery（ARD）」を発表しました。業界横断で開発され、フレームワークやプロトコル、プロバイダーの違いを越えて安全に接続できることを目指します。 🧩 解決する課題 エージェントは組織をまたいだツールやエージェントを使いたくても、「どこにあるか・どれを選ぶか・安全に使えるか」に答える標準がなく、プラットフォームごとに分断していました。ARDはこの発見と信頼の欠落を埋めます。 🛠 方法論と提案手法 2つの基本要素で構成されます。 ・カタログ: 組織がドメインのwell-knownパスに ai-catalog.json を公開。MCPサーバー、A2Aエージェント、OpenAPIツール、入れ子カタログを記述でき、ドメイン所有権が信頼の暗号学的な土台になります ・レジストリ: カタログをクロール・インデックス化する「エージェンティックWebの検索エンジン」。検証用メタデータ付きで結果を返します 公開→発見→暗号学的検証→実行時接続の4フェーズで動作します。 📊 ユースケース / 実績 Googleは Gemini Enterprise Agent Platform の Agent Registry として実装し、Agent Identity検証によるHIPAA等のコンプライアンスにも対応。例えば障害調査の運用エージェントが、可観測性・ドキュメント・デプロイ履歴・専門エージェントを統一的に発見して使えます。仕様はApache 2.0でGitHub公開されています。 #AIエージェント# #ARD#

基本は完全な一人旅　藤ヶ谷太輔、新番組でタイ世界遺産都市へ「自分がしてみたかった雰囲気」 #藤ヶ谷太輔# #KisMyFt2# #AroundTheWorld# #UNISON# #Hulu# #アユタヤ# #タイ# #一人旅#

基本的に目の前の人と自分の間には情報の非対称性がある。そのことを常に想像できる人でありたい。ここを疎かにしてコミュニケーションで何度も事故ってきたので。