実写風キッチン × フラット2Dキャラクターでつくる、料理コメディ動画のWorkflow 🌶️🎬 小さなキャラクターと実写風の手による掛け合いを取り入れ、テンポのよいショートアニメに仕上げます。 おすすめの活用シーン： ・オリジナルキャラクターのショートアニメ ・料理をテーマにしたSNSコンテンツ ・実写風映像 × 2Dアニメ ・キャラクターPRやシリーズ企画 Workflow👇 ① キャラクターシートを用意 見た目や衣装がわかるキャラクター画像を準備。 ② Pollo AIに画像をアップロード キャラクターシートを参照画像に設定し、外見や衣装の特徴を維持。 ③ 15秒の動画をエピソードごとに生成 キャラクターはフラット2Dステッカー風、キッチンや人の手は実写風に設定。ストーリーや表情、動き、カメラ演出も指定します。 今回の作例はこちら👇 🌶️ 激辛マーラー炒め 🥵 グツグツ火鍋 😋 パラパラ炒飯 ④ 3本の動画を編集 生成した動画をつなぎ、テロップや効果音、BGMを加えたら完成。 実写風の背景とフラット2Dキャラクターのコントラスト、細かな表情やリアクションの設定がポイントです✨ 今回ご紹介した動画は、@xc5_ さんに ご提供いただきました。素敵な作例をありがとうございます✨

キャラクター画像から、豪華ゲーミングPCのPVを作るWorkflow 🎬 今回は、GPT Image 2 × Seedance 2.0で、 キャラクターの世界観に合わせたPCデスクセットアップを生成し、 PV風の映像に仕上げるWorkflowをご紹介します。 おすすめの活用シーン： ・推しキャラの世界観PV ・PC / ガジェット系プロモーション ・SNS向けショート動画 ・キャラクターIPのビジュアル制作 ・デスクセットアップ紹介動画 Workflow👇 ステップ 1：キャラクター画像をアップロード ステップ 2：GPT Image 2でPCセットアップ画像を生成 ステップ 3：その画像をSeedance 2.0で動画化 巨大な湾曲モニター、白を基調にしたPCケース、 キャラクターに合わせたライティングや小物まで、 1枚のキャラクター画像から世界観のあるセットアップを作成できます。 画像生成から動画化まで同じ画面内で進められるので、 ビジュアル制作の流れもスムーズです✨ 今回の映像素材は @manaimovie様にご提供いただきました。 ありがとうございます✨ ぜひご参考くださいね！

LLMは、ハーネスやskills内容、workflowならプロンプトをちょっと変えたら劇的に変わるのがとっても大変ですが、ホントに興味深いです これだけ使ったり検証しても発見が日々あるので、まだまだ気持ちが解るまでは遠い

複数枚画像から、ユニフォームが次々変わる サッカー応援ショート動画を作るWorkflow ⚽️✨ おすすめの活用シーン： ・スポーツアパレル / ユニフォーム紹介 ・試合日や大会キャンペーン向けSNS動画 ・ファン向けショートコンテンツ ・EC / LPの商品着用イメージ動画 Workflow👇 ステップ 1：ベースとなる人物画像を1枚用意 ステップ 2：切り替えたいユニフォーム画像を複数枚用意 ステップ 3：各cutごとに衣装・動き・カメラワークを指定 ステップ 4：後ろ回し蹴りで画面を暗転させ、次のユニフォームへ切り替え ステップ 5：最後はピースポーズ＋顔のクローズアップで完成 サッカー中継が映る部屋を舞台に、 リズムに合わせてゆるく踊りながら、 キックの暗転演出でユニフォームがテンポよくチェンジ。 複数のユニフォームを見せたい時も、 1本のショート動画として自然にまとめられます。 この素材で💡 ・ユニフォーム紹介 ・スポーツ系SNS広告 ・ファン向けプロモーション ・アパレル商品のPR など幅広く活用可能 今回はサッカー応援ショート動画を例に、 映像制作は@eijo_AIart様にご協力いただきました✨ ぜひご参考くださいね！

# ADK 2.0の便利だけど知られていない機能 🌍 AIエージェントのワークフローを「グラフ」として設計できたら、複雑な処理フローも見通しよく管理できると思いませんか？ ADK 2.0のWorkflowクラスは、ノードとエッジでエージェントの実行パスを定義するグラフベースのワークフロー構築機能です。AIエージェント、カスタム関数、ツール、さらにはネストされたWorkflowをノードとして組み合わせ、明示的なルーティングロジックで制御できます。 📌 タイトル：Workflow クラスによるグラフベース実行 🔗 URL： 🧩 概要 Workflowクラスは、ADK 2.0におけるグラフベースのエージェントワークフローを構築するための主要な構成要素です。ノードには、AIエージェント・コード関数・ツール・ネストされたWorkflowを配置でき、エッジ（edges）パラメータで実行パスを定義します。逐次実行は `("START", node1, node2, node3)` のようにタプルで記述し、条件分岐は辞書で定義します。これにより、従来のプロンプトベースの制御では難しかった複雑な分岐構造を、明示的かつ信頼性高く実装できます。 🛠 使い方 Workflowクラスのインスタンスを作成し、nodesにノードのリスト、edgesに実行パスを指定します。 ```python from adk import Workflow, Agent agent_a = Agent(name="researcher", ...) agent_b = Agent(name="writer", ...) workflow = Workflow( name="content_pipeline", nodes=[agent_a, agent_b], edges=[("START", agent_a, agent_b)] ) ``` 逐次実行の場合はタプルでノードを列挙し、条件分岐が必要な場合は辞書ベースのルーティングを使います。ネストされたWorkflowをノードとして組み込むことで、大規模なパイプラインも階層的に管理できます。 🏗 本番システムへの組み込み方 ・各ノードの責務を明確に分離し、テスト可能な単位で設計する ・エラーハンドリングを各ノードレベルで実装し、障害の影響範囲を限定する ・ネストされたWorkflowを活用して、再利用可能なサブパイプラインを構築する ・条件分岐のルーティングロジックをドキュメント化し、チームでの保守性を確保する 💡 ユースケース 📄 論文の収集→要約→レビュー→投稿を一連のグラフとして管理 🔀 入力データの種類に応じて異なる処理パイプラインに分岐 🏢 複数部門のエージェントを組み合わせた承認フローの構築 🔁 サブワークフローを再利用した複数プロジェクト横断の自動化 ⚠️ 注意点 WorkflowクラスはLive Streamingとの互換性がなく、一部のサードパーティ統合にも対応していません。リアルタイムのストリーミング応答が必要なケースでは、別のアプローチを検討する必要があります。また、グラフの複雑さが増すとデバッグが難しくなるため、適切な粒度でノードを分割することが重要です。 ✨ 明示的なグラフ定義により、エージェントワークフローの信頼性と保守性が大きく向上します。複雑な処理フローを構築する際にはぜひ活用してみてください。 #ADK# #AIAgent#

# ADKの便利で実践的な使い方 🔀 プロンプトだけでエージェントの実行フローを制御するのは不安定になりがちです。ADKのGraph Workflowsなら、ノードとエッジでワークフローを明示的に定義し、AIノードと関数ノードを自在に組み合わせられます！ 📌 タイトル：Graph Workflows — ノードとエッジによる明示的なワークフロー定義 🔗 URL： 🧩 概要 Graph Workflowsは、`Workflow`クラスの`edges`パラメータでノードの接続関係を定義し、実行フローを構築する仕組みです。AIエージェントノード、関数ノード、ツールノード、ネストされたWorkflowを混在させることができます。ルーターノードが`Event(route=...)`を返すことで辞書ベースの条件分岐が可能になり、「プロンプトに頼らない予測可能な制御フロー」を実現します。 🛠 使い方 基本的なGraph Workflowの構成です。 `google.adk` から `Workflow` と `Event` をインポートします。ルーター関数 `process_message` は `node_input` の内容に応じて `Event(route="BUG")`、`Event(route="LOGISTICS")`、または `Event(route="CUSTOMER_SUPPORT")` を返します。各ルートに対応する関数（`response_bug`、`response_support`、`response_logistics`）はそれぞれ `Event(output=...)` で応答メッセージを返します。 `Workflow` の `name="support_router"` で、`edges` に2つのタプルを定義します。1つ目は `("START", process_message)` で開始ノードからルーターへ接続し、2つ目は `process_message` の出力を `{"BUG": response_bug, "CUSTOMER_SUPPORT": response_support, "LOGISTICS": response_logistics}` の辞書で各ハンドラーに振り分けます。 順次実行のシンプルなチェーンも定義できます。 `Workflow` の `edges` にタプル `("START", agent1, function1, agent2, function2)` を1つ渡すことで、ノードを順次接続するシンプルなチェーンを定義できます。 🏗 実践的な使い方 **AIフリー関数チェーン + AIノードの混在**: データの前処理や後処理はPython関数で行い、判断が必要な部分だけAIエージェントノードを使います。これによりLLMの呼び出し回数を最小限に抑え、コストと遅延を削減できます。 関数ノード `extract_data` は `json.loads(node_input)` でデータを解析し `Event(output=parsed["content"])` を返します（AI不要）。`LlmAgent` の `analyzer` がデータの分析と要約を行い、関数ノード `format_output` が `Event(output=f"## 分析結果\n{node_input}")` でフォーマットします（AI不要）。 `Workflow` の `name="hybrid_pipeline"` で `edges=[("START", extract_data, analysis_agent, format_output)]` と定義し、関数ノードとAIノードを混在させたハイブリッドパイプラインを構築します。 **カスタマーサポートの自動振り分け**: 問い合わせ内容をルーター関数で分類し、適切な対応エージェントに振り分けます。分類ロジックがコードで明示されているため、動作の予測と検証が容易です。 💡 ユースケース 📨 問い合わせの自動分類・振り分け（バグ/サポート/配送） 🔧 前処理（関数）→ 分析（AI）→ 後処理（関数）のハイブリッドパイプライン 🏭 ETLパイプラインのAI組み込み（抽出は関数、変換にAIを活用） 🔀 ルーティングロジックの明示化によるテスタビリティ向上 ⚠️ 注意点 - ライブストリーミング機能はGraph Workflowsと互換性がありません。 - 一部のサードパーティ連携はGraph Workflowsをサポートしていない場合があります。 - ルーターの辞書にないrouteキーが返された場合のエラーハンドリングを考慮してください。 - ノードは1回の実行で1つの`Event.output`のみを出力できます。 ✨ Graph Workflowsは、AIノードと関数ノードをノードとエッジで明示的に結合し、プロンプトだけに頼らない予測可能なエージェントパイプラインを構築します。コスト効率と信頼性を両立したい場面でぜひ活用してください！ #ADK# #AIAgent#

情シスイベンターとして第一線を走っている（？）出前館さん、結構ベストプラクティスな構成を推進している企業ですね。 iPaaS・Okta Workflows・SaaS間API連携あたりのキーワードにピンときた方は、ぜひ当日話を聞いてみてください！ #cejobchange#