AgentReady
AgentReady · コーディング · ビジネス
AgentReadyは、WebサイトやテキストをAIが扱いやすい形に整える開発者向けツールキットだ。7つのAPIエンドポイントをまとめており、その中心がTokenCut、トークンコスト削減のために作られたプロンプト圧縮サービスである。リクエストがGPT-4やClaude、Geminiに届く前に、トークンの40〜60%を削ってくれる。このサービスはさらに、WebページをクリーンなMarkdownに変換し、AI向けのsitemapを生成し、言語モデルにとってサイトがどれだけ読みやすいかを監査し、構造化データを検証する。そうして、AIを想定せずに作られたページからAI向けコンテンツを生み出す。RAGパイプラインやエージェントを組み立てる開発者に向いており、オープンベータの間は無料で動く。
AgentReady について
AgentReadyとは
AgentReadyは、あなたのアプリと呼び出す言語モデルの間に挟まる、圧縮とコンテンツ準備のレイヤーだ。狙いはシンプルで、LLMに送るものの大半はノイズだという点にある。ナビゲーションバー、広告、スクリプト、スタイルはWebページのHTMLの90%以上を占めることもあり、冗長なプロンプトはモデルが決して必要としない埋め草を抱えている。リクエストを出す前にそれらを削れば、請求額が下がる。
開発チームによれば、始まりは2024年、トークン上限とコストの天井に何度もぶつかるエージェントを作った後のことだった。社内の変換ツールだったものが公開APIになり、今では数千のパイプラインを動かしているとサイトは主張する。単独のRAG開発者から、1日に数百万ページを処理するチームまで幅広い。
知っておくべき最大の制約は、AgentReadyはLLMを置き換えないという点だ。入力を圧縮して返すだけなので、OpenAIやAnthropicは自分のキーで直接呼び続けることになる。これはプライバシー面の利点だ。プロバイダーのキーがAgentReadyのサーバーに触れることはない。ただし、統合を1つではなく2つ管理することになる。入力トークンしか削らないので、長いモデル出力は安くならない。
はじめかた
- サインアップし、ダッシュボードでAPIキーを作成する。無料アカウントは100クレジットから始まり、キーは
ak_で始まる。 pip install agentready-sdkでSDKをインストールするか、Nodeプロジェクトではnpx agentready-sdk initを使う。- テキストに対して
agentready.compress()を呼ぶか、MD ConverterエンドポイントをURLに対して使い、クリーンなMarkdownを受け取る。 - 圧縮した結果をいつも通りLLMプロバイダーに送る。プロバイダーのキーは自分のマシンに留まる。
- benchmarkページかLLMO監査ツールを確認し、どれだけ節約できたか、コンテンツがどれだけ読みやすいかを見る。
AIツール情報
AgentReadyの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 単独のRAG開発者
- AIエージェントの開発者
- SEO・コンテンツチーム
タスク
- 長いプロンプトの圧縮
- ナレッジベース用のページ抽出
- AIが読めるsitemapの構築
- AI対応度の監査
シーン
- 固定予算でチャットボットを動かす
- サポートエージェントに最新ドキュメントを食わせる
- AI検索を意識して製品を出す
主な機能
TokenCutによる圧縮
TokenCutは旗艦ツールだ。埋め草の言葉を除き、冗長な構文を簡素化し、空白を正規化する。そのうえで意味、コードブロック、URL、数字は保つ。レベルは選べる。lightは空白のみ、standardは埋め草の除去、aggressiveはストップワードを削り、最も節約できるがニュアンスを失う riskがある。AgentReadyの話では、standardの圧縮は自社benchmarkで平均0.4%の精度差を示すという。本番で信用する前に自分で試す価値のある数字だ。
WebページからMarkdownへの変換
このエンドポイントは、WebページからMarkdownへのAPIとして働く。どんなURLも、クリーンでLLMにそのまま渡せるMarkdownへ変える。ナビゲーションバー、広告、雑多な要素は自動で落ちる。コメント欄を除いたり、画像参照を残したり、メタデータを取得したり、目次を自動生成したりもできる。バッチエンドポイントは一度に最大20URLを処理し、1件につき1クレジットだ。1ページずつスクレイプするのではなく、ナレッジベースを作るチームに向く。
AI向けsitemapジェネレーター
エージェントは、人間や従来のクローラーとは違う読み方でsitemapを見る。このツールはドメインをクロールし、AIが消化しやすい形のsitemapを組み立てる。だからエージェントは、検索エンジン向けに作られたディレクトリツリーをかき分けずに、重要なページを見つけられる。
LLMO監査ツール
LLMO監査ツールは、ページが言語モデルにどれだけ解析・理解されやすいかを採点する。モデルを戸惑わせる要素、たとえば重いスクリプト、薄いテキスト、曖昧な構造を指摘する。だからAIアシスタントが誤読する前にコンテンツを直せる。AI検索での露出を狙う人にとって、これは診断ツールに最も近い存在だ。
構造化データとrobots.txtのツール
2つの小さめのエンドポイントが全体を締める。Structured Data Validatorは、機械的な読み取りを壊す問題がないかschemaマークアップを点検する。Robots.txt Analyzerは、クロール規則が本当に見せたいAIエージェントを遮っていないかを示す。どちらも素早い点検で、露出を損なう前に問題を捕まえる。
オープンAPIとSDK
すべては/api/v1/の文書化されたREST APIを通じて動く。Python、Node.js、MCPのSDKに加え、Chrome拡張もある。OpenAI互換というのは、圧縮してから結果をいつものモデルエンドポイントへ送るという意味だ。オーバーヘッドは圧縮呼び出し1回あたり約5ms。レイテンシは犠牲にしない。
メリットとデメリット
メリット
- 報告値では、たった1回のAPI呼び出しでLLM入力トークンのコストを40〜60%削減し、経路にプロキシを挟まない。
- LLMプロバイダーのキーを自分のマシンに置けるので、よくあるプライバシー懸念を避けられる。
- 1つのAPIに7つのツール。圧縮、抽出、sitemap、監査、検証を網羅する。
- オープンベータ中は無料で利用上限がなく、Python、Node.js、MCPのSDKがある。
- 約5msのオーバーヘッドなので、圧縮がライブのリクエストを遅くしない。
デメリット
- 入力トークンしか削らないので、長いモデル応答は同じだけ費用がかかる。
- ベータの料金は一時的だ。終了後に有料プランがいくらになるかAgentReadyは明言していないので、予算はそれに合わせて組む必要がある。
- 自分のLLMプロバイダーは別途つなぐ必要があり、統合を2つ維持することになる。
- aggressive圧縮レベルの精度のトレードオフはまだ十分に文書化されていないので、強い削減は自分で試す必要がある。
よくある質問
テキストやWebサイトを大規模言語モデルが処理しやすい形にするAPIツールキットだ。主な役割はLLMトークン圧縮で、プロンプトを縮めて実行コストを下げる。ほかにもページをMarkdownへ変換し、sitemapを組み立て、AI対応度を監査する。
関連コンテンツ
AgentReadyに関連するツール、スキル、記事を探す。
AgentReadyの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。