やさしく学ぶLLMエージェント 基本からマルチエージェント構築まで

詳細目次

はじめに
A　謝辞
B　ソースコード
C　Google Colaboratory
D　スクリプト実行の際の注意

第1章　LLMエージェントとは
1.1　言語モデルとは何か
1.1.1　LLMについて
1.1.2　LLM以前の言語モデル
1.1.3　LLMを支える技術と主要モデル
1.2　LLMエージェントとは
1.2.1　LLMエージェントの定義
1.2.2　LLMエージェントの最先端

第2章　エージェント作成のための基礎知識
2.1　OpenAI API
2.1.1　テキスト生成の基礎
2.1.2　テキスト生成の応用
2.1.3　画像を入力する
2.1.4　音声を扱う
2.1.5　画像を生成する
2.2　LangChain入門
2.2.1　LangChainとは
2.2.2　チャットアプリケーション
2.2.3　翻訳アプリケーション
2.2.4　テーブル作成アプリケーション
2.2.5　Plan-and-Solve チャットボット
2.3　Gradioを用いたGUI作成
2.3.1　Gradioとは
2.3.2　Gradioの基礎
2.3.3　イテレーティブなUI
2.3.4　Gradioの応用

第3章　エージェント
3.1　LLMに知識を与える
3.1.1　LLMに知識を与える
3.1.2　文書の構造化
3.1.3　文書検索機能を持つLLM
3.1.4　知識を与えることの限界
3.2　LLMにツールを与える
3.2.1　検索ツール
3.2.2　プログラム実行ツール
3.2.3　ツールを自作する
3.3　複雑なフローで推論するエージェント
3.4　記憶を持つエージェント
3.4.1　LLMエージェントの記憶とは
3.4.2　LLMエージェントへの記憶の実装
3.5　ペルソナのあるエージェント
3.5.1　ペルソナの重要性
3.5.2　ペルソナ付与のためのプロンプト技術
3.5.3　ペルソナ付与のためのメモリ技術
3.5.4　プロンプトに含める情報
3.5.5　メモリに含める情報

第4章　マルチエージェント
4.1　マルチエージェントとは
4.1.1　マルチエージェントLLMの概要
4.1.2　マルチエージェントLLMの利点
4.1.3　マルチエージェントLLMの応用例
4.2　マルチエージェントシステムの構築
4.2.1　LangGraphの概要
4.2.2　チャットボットの構築
4.2.3　複数のエージェントの接続
4.2.4　３つのエージェントから選択されたエージェントが回答するシステム
4.2.5　ツールの使用
4.3　マルチエージェントの活用
4.3.1　数学の問題を解かせよう
4.3.2　議論させてみよう
4.3.3　応答を洗練させよう

第5章　LLMエージェント研究の最先端
5.1　直近の研究動向
5.1.1　記憶プロセス
5.1.2　推論と計画
5.1.3　フレームワーク
5.1.4　複数エージェントによる統合
5.1.5　まとめ
5.2　ビジネスでの利用例
5.2.1　セールス
5.2.2　バックオフィス業務
5.2.3　コード生成
5.2.4　研究分野
5.2.5　まとめ

補足
OpenAI APIキーを取得する
Anthropic APIキーを取得する
Gemini APIキーを取得する
Tavily APIキーを取得する
Serp APIキーを取得する
mem0 APIキーを取得する
Google Colabのシークレット機能の利用方法
OpenAI o1

参考文献
索引
著者紹介