オーケストラ：より簡単で効率的なマルチインテリジェンス共同開発のためのスマートAIチーム構築

はじめに

Orchestraは、大規模言語モデル（LLM）に基づくマルチインテリジェンス協調システムの構築に特化した革新的な軽量Pythonフレームワークです。複数のAI知能が交響楽団のように調和して動作するように、知能を配置する独自の方法を採用しています。Orchestraは、GPT-4、Claude 3およびその他の主流のビッグモデルをサポートし、ウェブクローリング、ファイル処理、GitHubインタラクションおよびその他の機能を含む豊富な組み込みツールセットを提供します。その優れた特徴は、シンプルなツール定義、リアルタイムストリーミング出力、エレガントなエラー処理メカニズム、構造化思考モードに基づくタスク実行プロセスです。Orchestraは、TaskflowAIの上級バージョンとして、より強力で柔軟なAIアプリケーション開発フレームワークを開発者に提供することをお約束します。

機能一覧

• インテリジェント・ボディ・アレンジメント・システム:インテリジェンスが実行者であると同時に指揮官として行動することをサポートし、ダイナミックなタスク分解とインテリジェンス間の調整を実現する。
• モジュラー・アーキテクチャー:: 拡張可能なコンポーネント化された設計を提供し、カスタム機能の構築と統合を容易にする。
• マルチモデル対応OpenAI、Anthropic、Openrouter、Ollama、Groq、その他多くのLLMプロバイダーとの統合
• ビルトインツールセットウェブツール、ファイルツール、GitHubツール、計算ツール、その他多くのユーティリティが含まれます。
• リアルタイム・ストリーム処理リアルタイム出力の同期および非同期ストリーミングのサポート
• エラー処理メカニズム内蔵のインテリジェントな故障処理と設定可能な劣化チェーン
• 構造化されたタスク段階的導入によるLLM認知負担の軽減
• シンプリシティ・ツールの定義複雑なJSONパターンを必要としない、文書文字列に基づくシンプルなツール定義。

ヘルプの使用

1.インストール構成

Orchestraフレームワークのインストールは非常に簡単で、pipを使って以下のコマンドを実行するだけです。

pip install mainframe-orchestra

2.基本的な使用プロセス

2.1 単一インテリジェンスの作成

from mainframe_orchestra import Agent, Task, OpenaiModels, WebTools
# 创建研究助手智能体
research_agent = Agent(
role="研究助手",
goal="回答用户查询",
llm=OpenaiModels.gpt_4o,
tools={WebTools.exa_search}
)
# 定义研究任务
def research_task(topic):
return Task.create(
agent=research_agent,
instruction=f"使用搜索工具研究{topic}并进行通俗易懂的解释"
)

2.2 マルチインテリジェンス・チームの構築

オーケストラは、財務分析チームの構築など、複数の専門的インテリジェンスが協働する仕組みづくりをサポートする。

1. マーケット・アナリスト - 市場のミクロ構造分析を担当
2. ファンダメンタル・アナリスト - 企業の財務分析を担当
3. テクニカル・アナリスト - 価格チャート分析を担当
4. センチメント・アナリスト - 市場センチメント分析を担当
5. コマンダー・インテリジェンス - 他のインテリジェンスを調整する責任者

3.高度な機能の使用

3.1 ツールの統合

オーケストラには様々なツールが組み込まれている。

• WebTools：ウェブクローリング、検索、天気APIなど。
• ファイルツール：CSV、JSON、XML、その他のファイル操作
• GitHubTools: コード・リポジトリー・インタラクション・ツール
• 電卓ツール：日付と時刻の電卓
• ウィキペディアツールズ：ウィキペディア情報検索
• AmadeusTools：フライト情報検索

3.2 カスタマイズツールの開発

簡単な文書文字列によって独自のツールを定義することができる。

def custom_tool(param1: str, param2: int) -> str:
"""工具描述
Args:
param1: 参数1说明
param2: 参数2说明
Returns:
返回值说明
"""
# 工具实现代码

3.3 エラー処理とプロセス制御

オーケストラは洗練されたエラー処理メカニズムを提供する。

• LLMコールの失敗を処理する劣化チェーンの設定
• スマートボディの状態をリアルタイムでモニタリング
• タスク実行タイムアウト制御
• 結果検証とリトライのメカニズム

4.ベストプラクティスの推奨

• インテリジェンス間の責任分担を合理化し、責任の重複を避ける。
• タスクブレイクダウンに構造化されたアプローチを使用する
• 内蔵ツールをフル活用して効率アップ
• 必要なエラー処理メカニズムを実装する
• コードをモジュール化し、保守性を保つ