【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？

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 SDK が直接サポートしていないプロバイダ固有のパラメータを、エージェントに渡したいと思ったことはありませんか？ `extra_args` を使えば、`ModelSettings` に任意のプロバイダ固有フィールドを追加できます。 📌 タイトル：extra_args の受け渡し 🔗 URL： 🧩 概要 `ModelSettings` の `extra_args` パラメータに辞書を渡すことで、SDK のトップレベルプロパティとして公開されていないプロバイダ固有のリクエストフィールドをモデルに送信できます。例えば OpenAI Responses API の `service_tier` や `user` などを指定可能です。これにより、SDK のアップデートを待たずに新しい API パラメータを利用できます。 🛠 使い方 ```python from agents import Agent, ModelSettings agent = Agent( name="English agent", instructions="You only speak English", model="gpt-4.1", model_settings=ModelSettings( temperature=0.1, extra_args={ "service_tier": "flex", "user": "user_12345", }, ), ) ``` 🏗 本番システムへの組み込み方 ・`service_tier` でコスト最適化（例：`"flex"` で低優先度バッチ処理を安価に実行） ・`user` フィールドでユーザー単位のトラッキングと不正利用検知を有効化する ・新しい API パラメータが追加された際、SDK の更新を待たずに即座に利用可能 ・環境変数や設定ファイルから `extra_args` を動的に構築し、デプロイ環境ごとに調整する 💡 ユースケース 💰 `service_tier: "flex"` でバッチ処理のコスト削減 👤 `user` フィールドによるユーザー単位の利用量追跡 🔧 プロバイダの新機能をリリース直後から活用 🏢 マルチテナント環境でのテナント別パラメータ注入 ⚠️ 注意点 同じリクエストフィールドを `ModelSettings` の直接プロパティと `extra_args` の両方で設定しないでください。重複設定は予期しない動作を引き起こす可能性があります。また、`extra_args` に渡す値はプロバイダの API 仕様に準拠している必要があり、SDK 側でのバリデーションは行われません。 ✨ extra_args で、SDK の枠を超えたプロバイダ固有の最適化を手軽に適用しましょう。 #OpenAIAgentSDK# #AIAgent#

# Claude Agent SDKの便利だけど知られていない機能 🌍 サブエージェントの会話を中断して、後から続きを再開したい？resume機能で全履歴を保持したまま再開できます！ Claude Agent SDKでは、サブエージェントのセッションIDとエージェントIDを使って、完全な会話履歴を保持したまま処理を再開できます。 📌 タイトル：サブエージェントの再開（resume） 🔗 URL： 🧩 概要 サブエージェントが完了すると、Agentツールの結果に `agentId: ` が含まれます。この `agentId` とセッションの `session_id` を保存しておけば、`resume` オプションで同じセッションを再開し、`"Resume agent "` というプロンプトでサブエージェントの続きから処理を開始できます。再開されたサブエージェントは、以前のすべてのツール呼び出し、結果、推論を保持しています。なお、組み込みの `Explore` / `Plan` エージェントはワンショット（1回限り）のため再開できません。 🛠 使い方 ```python # Python - サブエージェントの再開 import re from claude_agent_sdk import query, ClaudeAgentOptions, AgentDefinition, ToolResultBlock AGENTS = { "endpoint-finder": AgentDefinition( description="APIエンドポイントを探索・カタログ化します", prompt="APIエンドポイントを見つけて文書化してください", tools=["Read", "Grep", "Glob"], ) } # 1回目: サブエージェントを実行し、IDを取得 agent_id = None session_id = None async for message in query( prompt="endpoint-finderエージェントでAPIエンドポイントを探索してください", options=ClaudeAgentOptions( allowed_tools=["Read", "Grep", "Glob", "Agent"], agents=AGENTS, ), ): if hasattr(message, "session_id"): session_id = message.session_id for block in getattr(message, "content", None) or []: if isinstance(block, ToolResultBlock): text = str(block.content) if match := "agentId:\s*([\w-]+)", text): agent_id = # 2回目: 同じセッションで再開し、フォローアップ質問 if agent_id and session_id: async for message in query( prompt=f"Resume agent {agent_id} and list the top 3 most complex endpoints", options=ClaudeAgentOptions( allowed_tools=["Read", "Grep", "Glob", "Agent"], agents=AGENTS, resume=session_id, # 同じセッションを再開 ), ): if hasattr(message, "result"): print(message.result) ``` 🏗 本番システムへの組み込み方 ・長時間の分析タスクを分割し、中間結果を確認してからフォローアップを実行するワークフローを構築します ・`session_id` と `agentId` をデータベースに保存して、後から任意のタイミングで再開できるようにします ・カスタムエージェントまたは `general-purpose` エージェントを使用します（Explore/Planは再開不可） ・再開時には同じエージェント定義を `agents` パラメータに渡す必要があります 💡 ユースケース 🔄 大規模コードベースの調査を段階的に行い、各フェーズの結果を確認してから次に進む 💬 サブエージェントの分析結果に対してフォローアップ質問を行う対話型ワークフロー 📊 初回分析後にスコープを絞った詳細分析を追加実行する ⚠️ 注意点 ・再開には同じ `session_id` が必要です。新しい `query()` はデフォルトで新規セッションを開始します ・組み込みの `Explore` / `Plan` エージェントはワンショットのため `agentId` を出力せず、再開できません ・サブエージェントのトランスクリプトは `cleanupPeriodDays`（デフォルト30日）で自動クリーンアップされます ・メイン会話のコンパクション（圧縮）はサブエージェントのトランスクリプトに影響しません ✨ resume機能を使えば、サブエージェントとの「対話」が可能になります。1回限りの使い捨てではなく、継続的な分析パートナーとして活用しましょう！ #ClaudeAgentSDK# #AIAgent#

📢メッセージ募集中!! ⋱毎週月曜9:30~OA中📻⋰ Blue Ocean AI グッドライフ🤖 supported by Agent i 💬日々のちょっとした困りごと 💬暮らしの疑問 など… メッセージを送ってくれた方の中から抽選で4名様に、QUOカードPay5,000円分をプレゼント🎁 ご応募お待ちしています📮

【社内レストランで出会ったデンマーク料理を、 AIで再現してみた】 写真を見せただけで、隠し味の「しょうゆ」までわかる…？🍳 社内レストランで提供された「フレスケスタイ」を、Agent i のレシピエージェントで再現！ 実際に作って、シェフに見てもらいました🧑🏻‍🍳

⚡ 「賢さ」と「効率」を別物にしない。GPT-5.6は1トークンあたりの知能を最大化し、同等以上の性能をより安く速く出しにきました。 タイトル: How GPT-5.6 fuses frontier intelligence with frontier efficiency URL: ⚡ 概要 GPT-5.6は、タスクの成功と効率を同時に最適化するよう学習し、より直行的にタスクを解きます。OpenAI史上「最高のintelligence-per-token効率」を掲げる発表です。 🧩 解決する課題 フロンティアモデルは賢い一方で、推論トークン・レイテンシ・コストが実運用の壁でした。GPT-5.6は効率を第一級の目標に据え、性能とコストのトレードオフを押し広げます。 🛠 方法論とラインナップ ・Sol: フロンティア推論と長時間エージェント向けの旗艦 ・Terra: GPT-5.5級の性能を約半額で出す日常用バランス型 ・Luna: 最速最安（Solより約80%安い） サービング面も、投機的デコードでトークン生成を15%以上効率化、GPUカーネル改善でコスト20%削減。 📊 実験結果 コーディングのAgent Index（Artificial Analysis）でSol最大推論が80の新SOTA。Fable 5を+2.8上回りつつ、出力トークン半分・時間半分・コスト約1/3。ExploitBenchでもMythos Preview級を出力トークン約1/3で達成しました。 #GPT56# #OpenAI#

號外！號外！參加TRE2026、ACT Entertainment的秘密武器「三咲麻友(三咲まゆ)」活動正式上線了！ . 才剛發表出道作，就能來到TRE，片商和事務所對「三咲麻友(三咲まゆ)」自然不用多說，為了讓大家都見識到她的實力，這次在ACT Entertainment特別用甜甜碎鑽價「10000紅鑽(約台幣650元)」超低價促銷，每天六場活動，上半場下半場不同玩法，想要拍立得合照或是獨拍攝影會都OK！ . 所以，走過路過不要錯過，馬上去JKFace預約▶ . #三咲まゆ# #三咲麻友# #MisakiMayu# #ACTEntertainment# #TRE2026# . Model @mayu_misaki0801 Agent @info_actent

【速報】三咲まゆ(三咲麻友)確定出席TRE2026的ACT Entertainment攤位。 身為業界的女優搖籃，ACT Entertainment為了這次的TRE真的是拚了，在音無鈴以及ひなの花音(雛乃花音)之外，加碼讓才出道的新人「三咲麻友(三咲まゆ)」共襄盛舉，7月3日到5日，大家TRE見！ #三咲まゆ# #三咲麻友# #MisakiMayu# #TRE2026# #ACTEntertainment# Model @mayu_misaki0801 Agent @info_actent

# ADK 2.0の便利だけど知られていない機能 🌍 エージェントの会話中に「前に聞いた情報を覚えておいてほしい」と思ったことはありませんか？状態管理の仕組みを理解すれば、それが簡単に実現できます。 ADK 2.0のState機能は、セッション内外でデータを保持・共有するためのキーバリュー型のスクラッチパッドです。プレフィックスによってスコープを使い分けることで、柔軟な状態管理が可能になります。 📌 タイトル：状態 (State) の管理 🔗 URL： 🧩 概要 Stateはキーバリュー形式のデータストアで、4つのプレフィックスによってスコープが決まります。プレフィックスなしはセッションスコープ（そのセッション内でのみ有効）、user:はユーザースコープ（同一ユーザーの複数セッションで共有）、app:はアプリケーションスコープ（全ユーザー・全セッションで共有）、temp:は一時スコープ（インボケーション終了時に破棄）です。エージェントの指示文中では{key}の形式で状態値を参照でき、動的なプロンプト構築が可能です。 🛠 使い方 状態の書き込みにはいくつかの方法があります。 ```python # 1. output_keyでエージェントの出力を自動保存 agent = Agent( name="summarizer", output_key="last_summary", ... ) # 2. EventActions.state_deltaで明示的に設定 from import EventActions actions = EventActions(state_delta={"user:preference": "dark_mode"}) # 3. ToolContext経由でツール内から設定 def my_tool(query: str, tool_context: ToolContext) -> str: tool_context.state["app:global_counter"] = 42 tool_context.state["temp:intermediate"] = "temporary_value" return "done" ``` 指示文での参照は以下のように行います。 ```python agent = Agent( instruction="ユーザーの好みは{user:preference}です。前回の要約：{last_summary}", ... ) ``` 🏗 本番システムへの組み込み方 ・スコープを適切に選択し、不要なデータの永続化を避ける（一時データにはtemp:を活用） ・user:やapp:スコープの状態は複数セッションに影響するため、慎重に設計する ・状態の読み書きは必ずCallbackContextやToolContext経由で行い、イベント追跡を確保する ・状態キーの命名規則を統一し、チーム全体での保守性を向上させる 💡 ユースケース 👤 user:プレフィックスでユーザーの好みや設定を複数セッションにわたって保持 📊 app:プレフィックスでアプリケーション全体の統計情報やカウンターを管理 🔄 output_keyで直前のエージェント出力を次のステップで自動参照 🧹 temp:プレフィックスで中間計算結果を一時保存し、メモリ効率を向上 ⚠️ 注意点 session.stateをコンテキスト外から直接変更しないでください。CallbackContextやToolContextを経由せずに変更すると、イベントトラッキングがバイパスされ、状態の変更履歴が記録されません。これにより、巻き戻し機能やデバッグに支障をきたす可能性があります。 ✨ Stateの4つのスコープを使い分けることで、エージェントの記憶と文脈を柔軟に管理できます。適切な状態管理は、質の高いエージェント体験の基盤です。 #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#