学習に数日かかるレコメンドモデルの研究を、AIエージェントに自律的に回させたらどうなるかという論文です。 Auto-RecSys: Harnessing Autonomous Research Agents for Industry-Scale Recommender Systems ❓ なぜ既存の自律AI研究エージェントでは足りないのでしょうか 💡 既存システムは数分〜数時間で結果が出る小規模実験を前提にしていますが、産業用レコメンドモデルは1回の学習に数日かかり、設定も数千行に及びます。逐次試行が現実的でないため、複数のアイデアを分散サーバーで並行に走らせ、失敗からも復旧できる全く別の設計が必要になります。 ❓ どうやって並行実験と障害復旧を両立させているのでしょうか 💡 アイデアごとに独立した状態ファイルを持たせ、発案→実装→検証→学習→分析という工程を管理します。セッションが再起動しても、共有ストレージ上のグローバルレジストリと軌跡ログを読み直すことで、サーバーをまたいでシームレスに作業を再開できます。 ❓ 本当にシステムは「学習」していくのでしょうか 💡 実験の軌跡をモデル固有のプレイブックに蒸留し、失敗を「やってはいけないこと」として蓄積します。31回の反復のうち、1反復あたりの主要な修正回数は4.0件から0.5件まで減り、無修正で完了する反復の割合は83%に達しました。 ❓ 実際にどれくらい自律的に動けるのでしょうか 💡 970件連続のログエントリを人の介入なしで実行し、公開の失敗が続いた際には学習フローを自ら切り替えるといった適応も観察されています。 #AIエージェント# #機械学習#

Agentを扱ううえで、「違う。そうじゃない」と修正を繰り返す方法は、あまり効果的ではないと感じている。 否定や追加指示を重ねるほど、コンテキストには失敗した経路や場当たり的な制約が蓄積していく。一方で、何を基準に正しいと判断するのかは、必ずしも明確にならない。結果として、Agentは目的そのものではなく、直近の修正指示に過適合しやすくなる。 だから、「違う。そうじゃない」と伝える前に、まず取り得る候補を列挙させるべきだと思う。 そのうえで、各候補についてPoCの計画を立て、評価基準とテストゲートを設ける。小さく検証し、結果を比較しながら、最も有望な案を選ぶ。そして、十分に見込みのある方向性が確認できてから、本格的な実装へ進む。 このプロセスを踏まなければ、「違う。そうじゃない」という状態は根本的には解消されない。 Agentのうまい扱い方とは、誤った出力を何度も修正することではない。最初から候補、評価基準、検証方法を設計し、「そうそう、その通り」と言える方向へ進みやすい道筋を整えることだ。 試行錯誤そのものが不要なのではない。重要なのは、試行錯誤を会話上の押し問答として行うのではなく、管理された仮説検証として行うことである。 最近は、Agent Engineeringの本質は、指示を細かく書くことではなく、探索と検証のプロセスを設計することにあると考えている。

【Agent i 責任者が考える、AIパートナーとの「自分らしい、ご機嫌な距離」】 レシピの「塩少々」ってどれくらい？ そんな日常の小さな困りごとに、一人ひとりの状況に合わせて寄り添うAIを目指す、AIエージェント「#Agent_i」。# 開発を率いる葭沢の思い、描く未来とは？

Agent Platform 経由でなかなか Gemini 3 系が使えるようにならないなと思っていたけど、グローバルエンドポイント導入により、Gemini 3系以降は 個別リージョンにデプロイされず、 Global 指定しないと使えないのね。

【Agent A｜Ahrefsデータで動くAIマーケティングエージェント】 世界最高クラスのマーケティングデータにアクセスし、自分専用のアプリやダッシュボードを構築・実行。あなたのマーケティングチーム加わる最高なAIエージェント。今すぐはじめよう。

【Agent A｜Ahrefsデータで動くAIマーケティングエージェント】 世界最高クラスのマーケティングデータに無制限にアクセスし、実際にあなたの代わりにマーケティングを実行できるAIエージェントです。今すぐ始めよう。

# Claude Agent SDKの便利で実践的な使い方 📝 プリセット・追記・完全置換の3段階でシステムプロンプトを柔軟にカスタマイズできます。 システムプロンプトの変更は、`systemPrompt` で Claude Code プリセット・追記（append）・カスタム文字列の3段階のカスタマイズを提供する機能です。 📌 タイトル：システムプロンプトの変更 🔗 URL： 🧩 概要 `preset: "claude_code"` で Claude Code 完全版プロンプト、`append` で既存プリセットへの追記、カスタム文字列で完全置換が可能です。出力スタイルファイルで CLI/SDK 横断のペルソナ再利用もできます。 🛠 使い方 `system_prompt` に3つの形式を指定できます。プリセット使用は `{"type": "preset", "preset": "claude_code"}`、追記は `"append": "追加指示"` を加え、完全置換は文字列を直接渡します。`excludeDynamicSections: true` でプロンプトキャッシュのクロスセッション共有が可能です。 🏗 実践的な使い方 ・コーディングエージェントには `preset: "claude_code"` で完全版プロンプト（ツールガイダンス・安全ルール）を利用します。 ・`append` で「Python には必ず docstring と型ヒントを付ける」等のチーム規約を追記します。何も削らない最もリスクの低いカスタマイズです。 ・サポートボット・データ分析アシスタントなど独自ペルソナにはカスタム文字列で完全置換します。 ・`excludeDynamicSections: true` でプロンプトキャッシュをユーザー/マシン横断で共有し、フリートのコストを削減します。 💡 ユースケース 🤖 Claude Code 互換のコーディングエージェント 📋 チーム規約の自動適用 🎭 独自ペルソナのカスタムエージェント ⚠️ 注意点 カスタム文字列で完全置換する場合は、ツールガイダンスと安全命令を自前で用意する必要があります。`excludeDynamicSections` は TS v0.2.98+ / Python v0.1.58+ で利用可能です。 #ClaudeAgentSDK# #AI#

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 複数の LLM プロバイダを 1 つのエージェントシステムで混在させたいと思ったことはありませんか？ `MultiProvider` を使えば、モデル名のプレフィックスで自動的にプロバイダをルーティングできます。 📌 タイトル：MultiProvider による接頭辞ルーティング 🔗 URL： 🧩 概要 `MultiProvider` は、モデル名のプレフィックス（例：`openai/gpt-4.1`）に基づいてリクエストを適切なプロバイダに自動ルーティングします。`openai_prefix_mode="model_id"` を設定すると `openai/...` をそのままモデル ID として扱い、`unknown_prefix_mode="model_id"` で未知のプレフィックスもモデル ID としてルーティングします。`openai_use_responses_websocket=True` で WebSocket トランスポートも有効化可能です。 🛠 使い方 ```python from agents import Agent, MultiProvider, RunConfig, Runner provider = MultiProvider( openai_base_url="", openai_api_key="...", openai_use_responses_websocket=True, openai_prefix_mode="model_id", unknown_prefix_mode="model_id", ) agent = Agent( name="Assistant", instructions="Be concise.", model="openai/gpt-4.1", ) result = await agent, "Hello", run_config=RunConfig(model_provider=provider), ) ``` 🏗 本番システムへの組み込み方 ・コストやレイテンシに応じて、エージェントごとに異なるプロバイダのモデルを割り当てる ・OpenRouter などの統合ゲートウェイと組み合わせ、`openai_prefix_mode="model_id"` でプレフィックス付きモデル名をそのまま渡す ・`RunConfig(model_provider=provider)` で実行時にプロバイダを切り替え、A/B テストを実施する ・WebSocket を有効にして、対応プロバイダでのストリーミング性能を向上させる 💡 ユースケース 🔀 タスクの難易度に応じた GPT-4.1 / GPT-5.5 の使い分け 🌐 OpenRouter 経由での複数プロバイダへのアクセス統合 💰 高コストモデルと低コストモデルのハイブリッド運用 🧪 異なるモデル間での品質比較テスト ⚠️ 注意点 デフォルトでは `openai/...` は OpenAI プロバイダのエイリアスとして扱われ、未知のプレフィックスは `UserError` を発生させます。OpenRouter など外部ゲートウェイを使う場合は、必ず `openai_prefix_mode` と `unknown_prefix_mode` を `"model_id"` に設定してください。プロバイダごとに対応する機能（ツール呼び出し、構造化出力など）が異なる点にも注意が必要です。 ✨ MultiProvider で、複数のモデルを自在に組み合わせたエージェントシステムを構築しましょう。 #OpenAIAgentSDK# #AIAgent#

# Claude Agent SDKの便利で実践的な使い方 🔍 数百〜数千のツールを効率的に管理し、必要なツールだけオンデマンドでロードできます。 ツール検索は、大量のツールをコンテキストに事前ロードする代わりに、必要なツールだけを実行時に検索・ロードする機能です。 📌 タイトル：多くのツールにスケーリングするツール検索 🔗 URL： 🧩 概要 `ENABLE_TOOL_SEARCH=auto` でツール定義がコンテキストを圧迫する場合に自動的にツール検索を有効化します。50ツールで10〜20Kトークン消費、30〜50ツール超で選択精度が低下する問題を解決します。 🛠 使い方 ```bash export ENABLE_TOOL_SEARCH=auto:5 # コンテキストの5%超で有効化 ``` 🏗 実践的な使い方 ・エンタープライズ MCP サーバー（数百ツール）接続時に、必要なツールだけオンデマンド検索してコンテキスト圧迫を防ぎます。 ・`auto:5` で「ツール定義がコンテキストの5%超ならツール検索を有効化」と自動判定。小規模（10ツール未満）なら `false` で事前ロードの方が高速です。 ・ツール説明に「キーワード、チャネル、日付範囲で Slack メッセージを検索」のような具体的キーワードを入れ、検索ヒット率を向上させます。 💡 ユースケース 🏢 大規模 MCP サーバーのツール管理 💰 トークンコストの最適化 🎯 ツール選択精度の維持 ⚠️ 注意点 Claude Sonnet 4 / Opus 4 以降が必要です（Haiku 非対応）。カタログ上限1万ツール、検索ごとに3〜5ツール返却。Vertex AI とサードパーティ `ANTHROPIC_BASE_URL` ではデフォルト無効です。 #ClaudeAgentSDK# #AI#