Agenta

やることを説明し、エージェントに文脈とツールを渡す。そこからは設定を一から書き直すのではなく、実際の作業とフィードバックで改善していく。プロダクトマネージャーはここで、エンジニアがプロトタイプを組むのを待たずに参加できる。問題に最も近い人が、チケットを切って意図が翻訳で生き残るのを祈るのではなく、エージェントを直接形づくれるという意味だ。設定はどれくらい要るのか。思うより少ない。やることを説明するだけでいい。

プロンプト、スキル、ツールはコードのようにバージョン管理されるので、変更はすべて検査できるリビジョンになる。新しいプロンプトが出力の品質を損なえば、勘に頼らず最後の良いものへロールバックする。大きな違いだ。この機能が、プロンプトいじりをチームで本当に管理できるものへと変える。

変更を本番前にテストセットで試す。LLMを審査役にするか、自分で書いた評価器を使う。狙いは、ユーザーより先に品質の低下を捕まえることだ。これが最も効くのは、レビューでは無害に見えたプロンプト変更が、誰も予想しなかった形で出力をずらすときである。エージェントに十数のツールが付いたあとでは、多くのチームの予想以上に頻繁に起きる。有料クラウドプランでは評価が無制限なので、テストを節約しなくていい。

実行のたびにトレースが生成され、各ステップ、かかったコスト、失敗した箇所が分かる。出力がおかしいとき、フロー全体を手探りで再現する必要はない。トレースを読めばいい。当て推量は不要だ。トレースデータの保持期間は、無料プランの1週間からBusinessプランの3か月まで幅がある。

エージェントはスケジュールで動かせ、接続したアプリで何かが起きたときに発火できる。悪くない。これでエージェントは、手でつつくものから、バックグラウンドで働くものへ変わる。有料クラウドプランには無制限のスケジュールとイベントトリガーが含まれる。

影響の大きい操作の手前に人を置けば、取り返しのつかないことが勝手に動かない。承認は横に付け足した別のツールではなく、実行の通常の一部として現れる。信じてほしい、エージェントが独断で顧客への返金が正しいと判断したとき、この細部が気まずい会話をいくつも救う。お金や顧客アカウントに触れるものを自動化するチームにとって、これがデモと信頼できるものとの分かれ目になる。

オープンソース版はMITライセンスの下、自前のインフラで動く。ユーザー、プロジェクト、エージェント、スケジュールは無制限だ。エージェントとデータは自分の手元にとどまる。規制対象のチームにとっては決め手になることが多い。Docker Composeでデプロイする。認証情報は自分のものを使う。

REST APIは米国、EU、セルフホストのベースURLで使え、1つのプロジェクトに紐づくAPIキーで認証する。つまりリクエストごとにproject_idを渡す手間を省ける。1日に何千回も呼び出すと効いてくる小さな差だ。Python SDKはpipコマンド1つでインストールできる。OpenAPI 3.1仕様も公開されているので、UIをクリックして回らずに既存のパイプラインへAgentaを組み込める。UIは不要だ。