AgentLaboratory: 知的エージェントによる科学研究の全プロセスを完了するオープンソースツール

はじめに

AgentLaboratoryは、Samuel Schmidgall氏によって開発された、GitHubでホストされているオープンソースツールです。大規模言語モデル（LLM）によって駆動されるインテリジェントエージェントを使用し、文献レビュー、実験デザイン、レポート作成を含む科学研究の全プロセスにおいて研究者を支援する。このツールの目的は、研究をより効率的にすることであり、人間の創造性を置き換えることではない。ユーザーが研究アイデアを入力すると、論文の検索やコードの生成といった繰り返し作業を自動化する。学術研究者、学生、エンジニアに適している。このプロジェクトは多言語のドキュメントをサポートしており、最終更新は2025年3月で、エージェント同士が研究結果を共有できるAgentRxivフレームワークが追加された。

機能一覧

• 文献レビューarXivなどのデータベースから論文を自動的に収集し、関連するコンテンツを整理します。
• 実験デザイン研究計画と実行可能なPythonコードを生成する。
• レポート作成研究結果をLaTeX形式に変換し、完全な報告書を作成します。
• AgentRxivフレームワーク共同研究の進捗のために研究結果をアップロードし、アクセスするエージェントをサポートします。
• コパイロット・モードスイッチを入れると、ツールはリアルタイムでユーザーと対話し、研究を調整する。
• 多言語サポート中国語、英語、その他の言語によるドキュメンテーションとオペレーターインターフェイスを提供します。

ヘルプの使用

AgentLaboratoryのインストールと使用には、いくつかの基本的な手順が必要ですが、簡単に行うことができます。以下にインストール方法と使用方法を詳しく説明しますので、すぐに使い始めることができます。

設置プロセス

1. プロジェクトコードのダウンロード
   ターミナルを開き、以下のコマンドを入力してコード・ベースをクローンする：

git clone git@github.com:SamuelSchmidgall/AgentLaboratory.git

ダウンロードが完了すると AgentLaboratory フォルダー

2. Python環境の作成
   プロジェクトフォルダに移動し、仮想環境を作成してアクティブにします。Python 3.12が公式に推奨されています：

cd AgentLaboratory
python -m venv venv_agent_lab
source venv_agent_lab/bin/activate  # Linux/Mac
venv_agent_lab\Scripts\activate  # Windows

起動すると、端末には次のように表示されます。 (venv_agent_lab).

3. 依存関係のインストール
   仮想環境で動作する：

pip install -r requirements.txt

これで必要なPythonライブラリがインストールされます。問題が発生した場合は、GitHubのIssuesページをチェックしてください。

4. pdflatexをインストールする（オプション）
   LaTeX形式でレポートを作成する必要がある場合は、pdflatexをインストールしてください：

sudo apt install pdflatex  # Linux

権限がありませんか？パラメータ <code>--compile-latex "false"</code> このステップはスキップする。

5. APIキーの設定
   ツールにはOpenAIまたは ディープシーク APIキーを取得する。取得したら、環境変数を設定する：

export OPENAI_API_KEY="你的密钥"  # Linux/Mac
set OPENAI_API_KEY="你的密钥"  # Windows

あるいは、実行時にキーを直接指定する。

ランニングツール

インストールが完了したら、以下のコマンドを実行して起動する：

python ai_lab_repo.py --yaml-location "experiment_configs/MATH_agentlab.yaml"

機械学習の最適化」など、特定のトピックを調査するには、次のように入力する：

python ai_lab_repo.py --api-key "sk-xxx" --llm-backend "gpt-4o" --research-topic "机器学习优化"

ツールは自動的に処理を開始する。

主な機能

1. 研究テーマを入力する
   起動後、テーマが指定されていない場合、ツールはプロンプトを表示します：

请为 AgentLaboratory 输入一个实验想法：

それを入力してエンターキーを押すと、ツールが動き出す。

2. 文献レビューを見る
   このツールは、arXivなどのデータベースから論文を収集し、その結果を生成して output のようなフォルダを作成します。 <研究主题>_literature.md.ファイルを開いて内容を見る。
3. 実験コードを実行する
   ツールは、次のようなパスでPythonコードを生成する。 output/<研究主题>_code.py.走っている：

python output/机器学习优化_code.py

実験結果を見ることができる。

4. レポートの作成
   実験が完了すると、このツールは以下のパスを持つLaTeXファイルを生成する。 output/<研究主题>_report.tex.pdflatexがインストールされていれば、自動的にPDFにコンパイルされます。
5. コパイロットモードの使用
   コンパイラ <code>experiment_configs/MATH_agentlab.yaml</code> ファイルを作成する。 copilot-mode として設定した。 trueそして実行する。ツールはリアルタイムであなたの意見を聞く。
6. AgentRxivの特徴
   実行時にパラメータを追加する <code>--agentrxiv "true"</code>エージェントはその結果をAgentRxivフレームワークにアップロードし、他のエージェントが利用できるようにする。

ヒントとコツ

• 詳細なメモを書くで <code>ai_lab_repo.py</code> な task_notes_LLM 実験目的やハードウェア情報など、エージェントが要件を理解しやすいようにメモを追加する。
• モデルを選択の使用 --llm-backend モデルを指定する。 <code>--llm-backend="o1-mini"</code>.などの強力なモデルがある。 o1 結果は良いが、コストがかかる。
• ローディングの進捗状況中断された場合は、次のようになる。 state_saves フォルダがロードされる前のチェックポイント。
• 中国オペレーション設定ファイルでの設定 language: "中文"このツールは中国語のコンテンツを生成する。

ほら

• ネットワークが機能しており、ツールが外部データベースへのアクセスを必要としていることを確認する。
• ファイルは output フォルダーは、定期的なクリーニングをお勧めします。
• エラーが発生した場合は、APIキーまたはモデルの設定を確認してください。

これらの手順により、AgentLaboratoryを使用して効率的に調査タスクを完了することができます。

アプリケーションシナリオ

1. エッセイライティング
   リサーチャーがトピックを入力すると、ツールは文献レビューと初稿を生成し、アクセス時間を節約する。
2. 実験的検証
   エンジニアは実験目標を入力し、ツールはアイデアを素早くテストするためのコードと計画を提供する。
3. チームワーク
   AgentRxivでは、複数の研究者が結果を共有し、プロジェクトの進捗を加速します。

品質保証

1. プログラミングの経験が必要ですか？
   必須ではありません。ステップ・バイ・ステップでコマンドをコピーして使うだけだ。しかし、Pythonを知っていれば、より柔軟にコードを微調整できる。
2. 高いですか？
   このプロジェクトは無料だが、API呼び出しには、選んだモデルや使用量に応じて料金がかかる場合がある。
3. オフラインで使用できますか？
   いいえ。このツールは、データベースとAPIへのネットワークアクセスが必要です。