非ITエンジニアが月10万円から始動、SUBARUに学ぶ生成AIとマルチエージェントの現場内製化

「Strands Agents」導入　マルチエージェントシステム構築へ

　本間氏が見据えているものは、社内情報検索に続く、“処理の実行”までを含めた「業務の自動化」である。実際、設計の業務では、情報検索と処理がセットになっていることが多い。たとえば、「○○についての情報を教えて」と問いかけるだけならRAGだけで対応できるが、「○○について調べて、その比較と分析をして」となると話は変わってくる。何を基準に比較し、どのような観点で分析するのかは、プロンプトだけでは制御できない。この検索と処理の間にある溝を埋めるため、同氏が着目したのは「Strands Agents」だ。

　Strands Agentsは、数行のコードでAIエージェントの構築・実行が可能な“モデル駆動型アプローチ”を採用したオープンソースSDKである。シンプルなユースケースから複雑なものまで、そしてローカル開発から本番環境でのデプロイまで対応する。たとえば、自作ツールの処理をエージェントに組み込むことや、複数のエージェントを連携させたマルチエージェントシステムの構築も可能だ。

　実際のビジネスでは、同時並行でまったく異なるタスクを実行することはよくある。たとえば、「○○の部品表を教えて」と設計に関する（比較的時間のかかる）タスクの実行中に、「東京事業所から武蔵境行きの次のバスは何分後かを教えて」というタスクを実行してもらうようなケースだ。同じ画面を利用しながらも、種類の異なるタスクに対し、状況に応じて複数のエージェントを呼び出しながら業務を進めていく。

　システム構成は、GenUをフロントエンドとし、必要に応じて社内システムにエージェントがアクセスできるようにしている。前述の「○○について調べて、その比較と分析をして」というタスクであれば、親エージェントが検索を担う子エージェントに情報検索を実行させ、終了後に別の子エージェントがグラフ作成を行う。それが終われば、別の子エージェントが起動し、分析する。このようにすべての処理が終わるまで、親エージェントは子エージェント群の処理を制御する。

　このとき問題となったのは、LLM特有の確率論的な動作だ。本間氏は、LLMの得意／不得意を見極め、不得意な部分をコードで補うことが重要だと指摘する。SUBARUでは、ユーザー入力の解釈、表記揺れの統一、必要情報の抽出ではLLM、絶対に誤りが許されない計算や明確なルールの適用はコードで実装することにした。