♪お知らせ 🌙今夜26:00-27:00 📻TOKAI RADIO「Music Submarine」@music_submarine #川村結衣# #近藤沙樹# ふたりのコメントが流れます💬 #TOKAIRADIO# さんと同じく愛知県出身🍊こさきさんからは番組テーマ“深い”にまつわる🌻夏休みの思い出トークも… #眞嶋愛梨# さん #エムサブ# #AKBが好きish#

# Antigravityの機能と実践的な使い方 🚀 「毎朝、依存関係を監査しておいて」——そんな指示を一度出すだけで、エージェントが裏で勝手に働き続けてくれます。Antigravity 2.0のScheduled Tasksが実現する未来です。 📌 タイトルと機能のURL タイトル: Scheduled Tasks URL: 📝 概要 Scheduled Tasksは、cronスタイルのスケジュールに沿ってAntigravityエージェントの起動をトリガーする機能です。タイミングを指定した指示をエージェントに送り、バックグラウンドで自律実行させ、結果を後から報告させられます。常時人が張り付かなくても、定型作業を任せられるのが強みです。 🔧 機能の説明 ・`/schedule`コマンドで、指定した未来の時刻での実行と、cronスケジュールによる繰り返し実行の両方を設定できます ・スケジュールは標準の5フィールドcron式で指定し、残りの引数がその時刻に実行するプロンプトになります ・繰り返しの例：`/schedule "0 9 * * 1-5" Run git fetch, prune stale local branches, and summarize pending PR reviews.`のように、平日の朝9時に定例作業を走らせます ・毎時の実行なら`"0 * * * *"`のように、cron式で間隔を表現します ・指定したプロンプトがその時刻にエージェント呼び出しとして発火し、作業が完了すると結果が返ってきます ・スケジュールは「裏で走らせて後で結果を報告」という非同期の働き方を前提にしており、開発者は別の作業を進めながら待てます ・Antigravity 2.0で導入された機能で、サブエージェントやエージェント管理の強化と合わせて、自律的な並行作業を支えます 🛠 実践的な使い方 ・`/schedule`に続けてcron式を書き、その後ろに実行させたいプロンプトを書くだけで登録できます ・短時間の確認なら直近の時刻を指すcron式、定例作業なら繰り返しのcron式を使い分けます ・回数上限の指定はないため、cron式の間隔を控えめに設計して不要な実行を防ぎます ・夜間や早朝など、開発者が不在の時間帯にバッチ的な調査を仕込みます 🎯 ユースケース ・毎朝の依存関係の脆弱性・更新の監査を自動化する ・夜間にCIの失敗ログを分析させ、原因の当たりを付けておく ・数分後にビルドやデプロイが完了したかを確認させる ・定期的にヘルスチェックスクリプトを走らせ、異常を早期検知する ⚠️ 注意点 ・スケジュールの指定は標準の5フィールドcron式が前提で、自然言語での時刻指定はドキュメントに記載されていません ・実行回数の上限を指定する引数はないため、間隔設計を誤ると不要な実行が積み重なります ・スケジュール起動でもエージェントが実際の操作を行うため、破壊的タスクにはHooks等のガードレールを併用してください ・機能の詳細や上限値はバージョンで変わり得るため、最新ドキュメントで確認してください #Antigravity# #DevTools#

# ADK 2.0の便利だけど知られていない機能 🌍 Pythonコードを書かずに、YAMLファイルだけでAIエージェントを定義できたらと思いませんか？ ADK 2.0のAgent Configは、YAML/JSON形式の宣言的な設定ファイルでエージェントを定義する機能です。コードなしでエージェントの構成・実行・変更が可能になります。 📌 タイトル：Agent Config（宣言的なエージェント定義） 🔗 URL： 🧩 概要 Agent Configでは、エージェントの名前、モデル、説明、指示をYAML/JSONで宣言的に記述します。ツール（google_searchなどの組み込みツールやカスタムツール）やサブエージェント（config_pathで別の設定ファイルを参照）も設定ファイル内で定義できます。LlmAgentをサポートしており、LangGraphAgentとA2aAgentは未サポートです。定義したエージェントは`adk web`、`adk run`、`adk api_server`、または`from_config()`で実行できます。 🛠 使い方 YAMLファイルでエージェントを定義し、ADK CLIで実行します。 ```yaml # root_agent.yaml name: research_assistant model: gemini-2.0-flash description: リサーチを支援するエージェント instruction: | ユーザーの質問に対して、検索ツールを使って 最新の情報を調査し、わかりやすく回答してください。 tools: - name: google_search sub_agents: - config_path: ./summarizer.yaml ``` ```bash # CLIで実行 adk web # ブラウザUIで対話 adk run # ターミナルで実行 ``` プログラムから利用する場合は`from_config()`でエージェントオブジェクトを生成できます。 🏗 本番システムへの組み込み方 ・エージェント定義をYAMLファイルとしてGitで管理し、変更履歴を追跡する ・環境ごと（開発/ステージング/本番）に設定ファイルを分離して管理する ・sub_agentsのconfig_pathを活用し、再利用可能なエージェントモジュールを構築する ・`adk api_server`を使って、設定ベースのエージェントをAPIとしてデプロイする 💡 ユースケース 📝 非エンジニアでもYAMLを編集するだけでエージェントの振る舞いを変更 🔄 CI/CDパイプラインでのエージェント定義のバージョン管理とデプロイ自動化 🧩 共通サブエージェントを複数のプロジェクトで再利用 🚀 プロトタイプからプロダクションまで、同じ設定ファイルで一貫した構成管理 ⚠️ 注意点 この機能は現在実験的（Experimental）なステータスです。Geminiモデルのみに対応しており、LangGraphAgentやA2aAgentは未サポートです。複雑なカスタムロジックやコールバックが必要な場合は、従来のPythonコードベースのアプローチの方が適切です。今後のバージョンで仕様が変更される可能性があるため、本番導入時は最新のドキュメントを確認してください。 ✨ Agent Configにより、エージェントの定義と運用のハードルが大きく下がります。特にチームでの共同作業や設定管理の効率化に効果を発揮します。 #ADK# #AIAgent#

# OpenAI Agent SDKの便利だけど知られていない機能 🌍 MCPサーバーが大量のツールを公開しているとき、エージェントに全部見せていませんか？ ツールフィルタリングを使えば、静的・動的にツールの公開範囲を制御し、エージェントの精度とセキュリティを向上できます。 📌 タイトル：ツールフィルタリング (静的 / 動的) 🔗 URL： 🧩 概要 MCPサーバーが多数のツールを提供する場合、すべてをエージェントに公開するとモデルが混乱したり、意図しないツールを呼んでしまうリスクがあります。`tool_filter` パラメータを使えば、静的フィルタ（`create_static_tool_filter`）で許可リスト／ブロックリストを指定するか、動的フィルタ（同期または非同期の関数）で実行時コンテキストに応じてツールの可否を判定できます。`allowed_tool_names` と `blocked_tool_names` を両方指定した場合は、許可リストを適用した後にブロックリストを差し引きます。 🛠 使い方 ```python from agents.mcp import MCPServerStreamableHttp, create_static_tool_filter # 静的フィルタ：許可するツール名を明示 server = MCPServerStreamableHttp( params={"url": ""}, tool_filter=create_static_tool_filter( allowed_tool_names=["search", "summarize"] ), ) # 動的フィルタ：実行時にコンテキストで判定 async def my_filter(context, tool) -> bool: # context.agent, context.server_name が利用可能 if == "admin": return True # 管理者は全ツール利用可 return in ["search", "read"] server_dynamic = MCPServerStreamableHttp( params={"url": ""}, tool_filter=my_filter, ) ``` 🏗 本番システムへの組み込み方 ・ユーザーの権限レベルに応じて利用可能なツールを動的に切り替える ・静的フィルタで不要なツールを除外し、モデルのツール選択精度を高める ・` にテナント情報を渡し、マルチテナント環境でツールを分離する ・動的フィルタのログを残して、アクセス制御の監査証跡とする 💡 ユースケース 🔒 ロールベースのツールアクセス制御 🎯 タスク特化型エージェントへのツール絞り込み 🏢 マルチテナント環境でのツール分離 🛡 セキュリティポリシーに基づくツール制限 ⚠️ 注意点 動的フィルタはツール一覧取得のたびに呼ばれるため、重い処理（DB参照など）を入れるとレイテンシに影響します。フィルタのロジックはシンプルに保ち、必要ならキャッシュを活用してください。また、フィルタで除外したツールがエージェントの動作に必須でないか、事前に確認しましょう。 ✨ ツールフィルタリングで、エージェントに「必要なツールだけ」を渡す洗練された設計を実現しましょう。 #OpenAIAgentSDK# #AIAgent#

# ADKの便利で実践的な使い方 ## 🧠 長いセッションでもコストを抑える！ADKのContext Compaction機能 エージェントとの長い対話、コンテキストが膨らんでコストもレイテンシも増加していませんか？ADKの **Context Compaction** を使えば、古いイベントを自動要約して常にスリムなコンテキストを維持できます！🎯 ## 📌 タイトル Context Compaction（コンテキスト圧縮） ## 🔗 URL ## 🧩 概要 Context Compactionは、セッション中に蓄積されるワークフローイベントデータを自動的に要約し、処理オーバーヘッドを削減する機能です。スライディングウィンドウ方式で、最新のイベントはそのまま保持しつつ、古いイベントを圧縮することで、コストとレイテンシを最適化します。 `EventsCompactionConfig` を使って、圧縮間隔（`compaction_interval`）とオーバーラップサイズ（`overlap_size`）を設定するだけで有効になります。 ## 🛠 使い方 Appレベルで `EventsCompactionConfig` を設定します。 ` から `App` と `EventsCompactionConfig` をインポートします。`App` の `events_compaction_config` パラメータに `EventsCompactionConfig(compaction_interval=3, overlap_size=1)` を渡すことで、3イベントごとに圧縮が実行され、前回の圧縮から1イベント分を重複保持する設定になります。 TypeScriptでは `TokenBasedContextCompactor` でトークン閾値ベースの圧縮も可能です。 ```typescript const agent = new LlmAgent({ name: 'my-agent', model: 'gemini-flash-latest', contextCompactors: [ new TokenBasedContextCompactor({ tokenThreshold: 1000, eventRetentionSize: 1, summarizer: new LlmSummarizer({ llm: new Gemini({model: 'gemini-flash-latest'}) }) }) ] }); ``` ## 🏗 実践的な使い方 **カスタマーサポートボットでの活用例：** 長時間の問い合わせ対応では、対話履歴が数十ターンに達することがあります。Context Compactionを導入することで： 1. **コスト削減**：古い対話内容を自動要約し、毎回のLLM呼び出しで送信するトークン数を大幅に削減 2. **レスポンス改善**：コンテキストが小さくなることで、LLMの応答速度が向上 3. **精度維持**：直近のやり取りはそのまま保持するため、文脈を失わずに対話を継続 `compaction_interval=5, overlap_size=2` のような設定で、5ターンごとに圧縮しつつ、直前2ターン分の文脈を次の圧縮に引き継げます。 **カスタムサマライザーの活用：** デフォルトの要約モデルではなく、ドメイン特化の要約プロンプトを使うことで、業務固有の重要情報（注文番号、顧客IDなど）を確実に保持できます。 ## 💡 ユースケース - 📞 **カスタマーサポート**：長時間の問い合わせ対話でコンテキスト爆発を防止 - 📝 **ドキュメント作成支援**：長い執筆セッションで過去の議論を要約しつつ最新の方針を保持 - 🔍 **データ分析エージェント**：多段階の分析プロセスで中間結果を圧縮 - 🎮 **ゲームNPC**：長時間のプレイセッションで過去のイベントを要約して記憶 ## ⚠️ 注意点 - 圧縮は不可逆です。要約された情報の細部は失われる可能性があります - `overlap_size` が小さすぎると文脈の断絶が起きやすくなります - カスタムサマライザーを使う場合、要約モデル自体のコストも考慮が必要です - 圧縮間隔が短すぎると、頻繁な要約処理でオーバーヘッドが増加します ## ✨ まとめ Context Compactionは「長いセッション＝高コスト」という常識を覆す機能です。設定一つで古いイベントを自動要約し、最新の文脈を保ちながらコストとレイテンシを最適化できます。長時間対話が発生するエージェントには、ぜひ導入を検討してみてください！ #ADK# #AIAgent#