# OpenAI Agent SDKの便利だけど知られていない機能 🌍 モデルが一度に大量のツール呼び出しを発行して、レート制限やリソース枯渇に悩んでいませんか？ ローカルツールの同時実行数を制限することで、SDK側でのツール実行を安全にコントロールできます。 📌 タイトル：ローカルツールの同時実行数制限 🔗 URL： 🧩 概要 `RunConfig` の `tool_execution` に `ToolExecutionConfig(max_function_tool_concurrency=N)` を指定すると、SDK側でのローカルファンクションツールの同時実行数を制限できます。デフォルトは `None`（無制限）で、モデルが発行したツール呼び出しをすべて同時に実行します。これは `ModelSettings.parallel_tool_calls` とは別のレイヤーで機能します。`parallel_tool_calls` はモデルが複数ツールを同時に「発行するかどうか」を制御し、`max_function_tool_concurrency` は発行済みツールをSDKが「何個同時に実行するか」を制御します。 🛠 使い方 ```python from agents import Agent, RunConfig, Runner, ToolExecutionConfig agent = Agent( name="Worker", instructions="Use tools as needed.", tools=[fetch_data, process_item, save_result], ) result = await agent, "Run the required tool calls.", run_config=RunConfig( tool_execution=ToolExecutionConfig( max_function_tool_concurrency=2, ), ), ) ``` 🏗 本番システムへの組み込み方 ・外部APIのレート制限に合わせて同時実行数を制限し、429エラーを回避する ・DB接続プールのサイズに合わせて同時実行数を調整する ・`parallel_tool_calls=True`（モデル側）と `max_function_tool_concurrency`（SDK側）を組み合わせて、並列発行は許可しつつ実行スループットを制御する ・リソース集約的なツール（画像生成やファイル処理など）の同時実行を制限してメモリ使用量を抑える 💡 ユースケース 🔧 レート制限のある外部APIとの安全な連携 🗄 データベースコネクション数の保護 🖥 CPU/メモリ集約的なツールのリソース管理 ⚡ モデルの並列発行とSDKの実行制限の独立制御 ⚠️ 注意点 `max_function_tool_concurrency` はSDK側のローカル実行にのみ影響し、hosted toolやAPIレベルの並列性には関与しません。値を小さくしすぎると、多数のツール呼び出しがキューに溜まり、全体のレスポンスが遅くなる可能性があります。`parallel_tool_calls` との役割の違いを理解したうえで、両方を適切に設定してください。 ✨ ツール同時実行数の制限で、外部リソースに優しいエージェントを構築しましょう。 #OpenAIAgentSDK# #AIAgent#

Claude Code 周りでよく出てくるのは Boris 氏だけど、その上司の方が出ているエピソードで、良い話が大量にあった。 以下は、順番を変えての自分用メモ。内容が良かったので分量多め。 ・マネージャーが見るべきなのは、メンバーがどれだけコードを書いたかではない ・その仕事が顧客や事業にどのような成果をもたらしたかどうか ・コード行数、PR数、トークン使用量などは活動量を示すだけ（意味がない） ・ClaudeにSlack、リポジトリ、指標、顧客からのFBや意見を確認させる ・そうすれば、マネージャーは大量の情報を横断してチームの状況を把握できる ・AIによる要約は報告書の代わりにするだけでなく、メンバーとの対話を始める材料として使う ・マネージャー自身も一定期間はICとして働き、チームのコードベース、ツール、プロダクト、リリース手順を直接経験することが望ましい ・新任マネージャーが最初からマネジメントだけを始めると、現場を理解しないまま、以前の会社で覚えた手法を持ち込む危険がある ・マネジメント責任を持つ前にICとして働けば、チームメンバーとの信頼関係を築きやすくなり、現実に即した判断もできるようになる ・また、マネージャーがPRを作る目的はプロダクトや開発環境の手触りを失わないことにある ・自分でプロダクトを使えるマネージャーは、資料や指標だけでは見えない不便、品質低下、顧客体験の問題に気づきやすい ・自分ではプロダクトを使いにくい場合もある ・その場合は、顧客への訪問や利用状況を観察させてもらい、現場との距離を意識的に縮める必要がある ・AIによって一人で多くの仕事を進められるほど、チーム内の会話が減って孤独になりやすい ・なので、共同作業の機会を意図的に設計すると良い ・ペアプログラミングやハッカソンは、親睦のためだけでなく、メンバーごとに異なるAIの使い方を共有する学習機会になる ・計画の立て方も6か月のロードマップではあっさり陳腐化する ・だから、1か月単位の軽量なJITプランニングにして、役に立たなくなったプロセスは積極的に捨てる ・月単位で軽く計画し、毎週優先順位を確認する ・長期的な方向性は示しつつ、具体的な実行内容は短い周期で更新すれば、チームは一貫性と柔軟性を両立できる ・Anthropicの社員は2025年と比べて四半期あたり約8倍のコードを生み出している ・その結果、仕事の重心は書くことから検証すること、つまり、生成された大量のコードが本当に正しく動き、品質が高いかを確かめることへ移った ・モバイルの専門家でないエンジニアがClaudeを相棒にしてモバイル開発をこなすように、自分の専門外の領域にも踏み出せるようになった ・コードを書く人がエンジニアだけでなくなった ・デザイナーもPdMも全員がコードをコミットする、誰もがビルダーの時代 ・職種の境界が溶けてきている ・エンジニアはよりプロダクト志向に。PdMやデザイナーはより技術的に ・採用で求められるのは二種類 ・プロダクトに情熱を注ぎ端から端まで磨き上げる創造的なビルダーと、深いシステムの専門家 ・モデルは優秀だが完璧ではないので「信頼せよ、しかし検証せよ」という原則が貫かれる ・ここで、専門家による検証が必要な領域へ投資する ・この時代にうまく適応できる人と、恐れて抵抗する人の間にギャップが広がりつつある → これは社会全体の分断にもつながりかねない深刻な問題 ・適応の鍵は成長マインドセット

ちょっと困ったことがあって… ある中国の方が、私の写真を大量に転載してて、他の人の写真も結構載せてるみたいで… しかも私の写真から透かしまで消して使ってるっぽい😭 好きで見てくれるのは嬉しいけど、これはちょっと悲しいな… 以下は中国のみんなに向けてだよ🙏🏻 因為這個人大量盜用了我的照片⋯想知道有使用抖音的中國的大家有辦法幫我檢舉這個人嗎？還是需要本人才有辦法檢舉呢⋯？如果能幫我檢舉看看就太感謝了😭 這個人的抖音號：41279568662

Light Trace Photonics設於英國布里斯托，為深科技新創，研發全新 Universal Photonic Interconnect （UPIc），做為可拆卸超高效能光纖-晶片互連，用於共同封裝光學及可插拔收發器。UPIC將處理過的單模光纖直接連至光子晶片，不需微光學、不需晶片載體凸塊（BoC），不需主動對位，不需黏著劑，使AI資料中心客戶具備量產CPO可行性。克服光纖連接瓶頸，避免提高成本、影響良率，或增加組裝複雜度，由於連接可拆卸，模組可重新調整使用，不必丟棄，當光學大量進入封裝時，這項特點非常重要。 Light Trace Photonics 已達成可重複、可拆卸連接，損耗低於800mdB，且被動對位在三秒內完成，期望至百萬單位時，損耗可降至400mdB以下。UPIc 目前為TRL 5，預計在未來18個月內可進入可靠度驗證階段，進入早期客戶設計階段。 Light Trace Photonics 成立於2021年，執行長 Jake Biele 博土與技術長Dominic A. Sulway 博士獲重要深度科技投資人支持，公司顧問包括 GlobalFoundries前矽光子副總裁 Anthony Yu 博士。

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 ツールが多すぎてトークンを圧迫していませんか？必要なときだけツールを読み込む仕組みがあります。 `defer_loading` と `ToolSearchTool` を組み合わせれば、モデルが必要なツールを検索して動的にロードでき、トークン消費を大幅に削減できます。 📌 タイトル：Hosted tool search / tool_namespace / defer_loading 🔗 URL： 🧩 概要 `@function_tool(defer_loading=True)` を指定したツールは、初回のモデル呼び出し時にはツールリストに含まれません。代わりに `ToolSearchTool()` をエージェントに追加すると、モデルはまずツールを検索し、必要なものだけをロードして使用します。`tool_namespace` でツールをグループ化することも可能です。大量のツールを持つエージェントで、トークン使用量を最適化する強力な機能です。なお、この機能は `OpenAIResponsesModel` でのみ利用可能です。 🛠 使い方 ```python from agents import Agent, function_tool from agents.tool import ToolSearchTool @function_tool(defer_loading=True, tool_namespace="analytics") def run_report(report_type: str) -> str: return generate_report(report_type) @function_tool(defer_loading=True, tool_namespace="analytics") def export_csv(dataset: str) -> str: return create_csv(dataset) @function_tool(defer_loading=True, tool_namespace="admin") def manage_users(action: str) -> str: return user_management(action) agent = Agent( name="assistant", tools=[ ToolSearchTool(), # ツール検索を有効化 run_report, export_csv, manage_users, ], ) ``` 🏗 本番システムへの組み込み方 ・数十〜数百のツールを持つエージェントでトークンコストを抑える ・`tool_namespace` でツールを論理的にグループ化し、検索精度を向上させる ・頻繁に使うツールは `defer_loading=False`（デフォルト）のままにし、稀に使うツールだけ遅延ロードにする ・ツール追加時にプロンプトサイズを気にせずスケールできる 💡 ユースケース 🧰 多機能SaaSエージェントのツール管理 📊 分析・レポート系ツールのオンデマンドロード 🔧 管理系ツールの必要時のみ表示 🚀 ツール数のスケーラビリティ確保 ⚠️ 注意点 この機能は `OpenAIResponsesModel` でのみ利用可能です。他のモデルプロバイダーでは動作しません。また、遅延ロードされたツールは最初のターンでは使えないため、ユーザーの最初のリクエストに即座に対応する必要があるツールには向きません。 ✨ ツール検索で「必要なときに必要なツールだけ」をロードし、スマートなエージェントを実現しましょう。 #OpenAIAgentSDK# #AIAgent#

【三菱ケミカルG、半導体封止材向け素材を販売　熱膨張を低減】 三菱ケミカルグループは27日、半導体パッケージで使われる素材を開発したと発表した。樹脂などに混ぜる充塡剤で、熱によって収縮するため熱膨張による基板の反りを抑えられる。2027年度下期に量産品の販売を始める。 開発したのは熱が加わると縮む「負膨張フィラー」で、樹脂などに混ぜて使われる。ケイ素やアルミなどからなり、半導体を保護する封止材などでの活用を見込む。26年度中に試作品の販売を始め、顧客評価を進める。 先端半導体では複数のチップを組み合わせるチップレット化や積層化が進むが、使用時に発する熱が増え半導体パッケージの反りや寸法変化などの課題がある。これまでの封止材では主材料のエポキシ樹脂に大量のシリカフィラーを入れて熱膨張の低減を進めてきたが、さらなる高充塡化は難しくなっているという。 負膨張フィラーは熱が加わると収縮する特性があるため、熱膨張を抑えられる。シリカフィラーと比重も同等で均一に混ぜやすいため併用もしやすいという。フィラー単体だけでなくエポキシ樹脂と混ぜた状態でも販売する予定で、製造は外部に委託する。 出典：日本経済新聞

LLMが生成したテキストは古典的な機械学習で高精度に検出できるよ、というポスト。（検出は日本語対象ではない） ・昨今のネット小説界隈には、低品質なAI生成テキストが大量に溢れかえっている ・既存の予測確率を用いたAI検出手法は、推論コストが高く精度も非常に不安定 ・そこで筆者は、古典的な機械学習であるSVMを用いたテキスト分類を試みた ・約1万件の人間の書いたテキストと、複数のLLMに生成させたテキストを学習データとして用意 ・単語の出現頻度（TF-IDF）に基づく単純な判定だけで、まず約85%の精度を達成 ・さらに7つの異なるモデル用の分類器を作成し、多数決をとることで判定を強固にしてみた ・で、これを使って、某小説プラットフォームの上位作品を判定したところ、約32%でAI生成の疑いが強いことが判明 ・ただ、その中でAI使用を事前に明記している作品は一つもなかった ・AIっぽさを消すプロンプトや翻訳の往復を試しても、判定スコアはほとんど下がらなかった ・なぜか？ ・LLMの出力テキストには特有の統計的なパターンが非常に強く現れてしまうため ・そのため、最新の複雑なAIを使わずとも古典的な手法で十分に見抜ける ・AIによる創作物は底が浅くパターンの再構成に過ぎない（という指摘）

マルチエージェントの協調、毎回テキストでやり取りするのは高コストでした🔄 協調そのものを「潜在空間の再帰」でスケールさせる発想が新しいです。 タイトル: Recursive Multi-Agent Systems URL: 🔄 概要 複数エージェントの協調を、逐次的なテキスト交換ではなく、統一された潜在空間上の再帰的計算として捉える枠組みRecursiveMASの提案です。異種のエージェントをRecursiveLinkモジュールで接続し、潜在的な思考の生成と状態転送を可能にします。 ❓ 解決する課題 マルチエージェントシステム（MAS）は通常テキストベースの通信に依存します。 ・エージェント同士が自然言語でやり取りすると、トークンを大量に消費し計算コストが高い ・「協調そのものを再帰でスケールできないか」という問いが出発点でした 💡 方法論と提案手法 ・システム全体を潜在空間上の再帰的計算として定式化します ・RecursiveLinkモジュールが異種エージェント間を軽量に接続し、再帰ラウンドをまたいだ勾配ベースの貢献度割り当てを行います ・最適化は内側・外側のループ学習で実施し、理論的な安定性も保ちます 📊 実験結果 数学・科学・医療・検索・コード生成にまたがる9ベンチマークで、4つの協調パターンを検証しました。 ・平均精度が8.3%向上 ・推論が1.2倍〜2.4倍に高速化 ・トークン使用量を34.6%〜75.6%削減 精度を上げながら、速度とコストを同時に大きく改善しています。 #マルチエージェント# #LLM#