AgentSea

AgentSeaは、開発者がAIエージェントを構築、配備、共有するためのオープンソースプラットフォームだ。狙いははっきりしている。会話するだけでなく、コンピュータを実際に操作するエージェントに焦点を当てる。巨大な一体型ではなく、小さなツール群とPythonライブラリの集合として提供され、他のコマンドラインツールと同じ感覚でインストールして組み合わせる。

根底にある考えは、エージェントに実際に動かせるコンピュータを渡すことだ。AgentSeaはエージェントが見てクリックできる仮想デスクトップを用意する。さらに、そのデスクトップをREST APIで外に出するデーモンと、異なるプロジェクトのツールやデバイスが相互にやり取りするための共通プロトコルも含む。これらをそろえれば、隔離されたマシンを立ち上げ、モデルをそこに向けるだけでいい。モデルは実際に動く。ブラウザを開き、マウスを動かし、テキストを入力する。

最大の制約は成熟度だ。ほぼすべての部品がMITライセンスの初期段階またはアルファ版として公開されており、粗さや、互換性を壊す変更を覚悟する必要がある。AgentSeaはターミナルとPythonに慣れた人向けであり、完成したビジュアルエディタを求める人向けではない。元のドメインagentsea.comは現在、チームの新しい製品Okara.aiへリダイレクトされるが、オープンソースのライブラリはGitHubに残っている。

Getting Started

1. 必要なライブラリを入れる。デスクトップ操作なら pip install agentdesk、より上位のエージェントツールキットなら pip install surfkit を使う。
2. エージェントの実行環境を用意する。AgentDeskなら、コマンド1つでDockerによるローカルデスクトップか、Kubernetes上のリモートデスクトップを作成できる。
3. モデルを接続し、ツールを渡す。AgentSeaは、スクリーンショットを読んで次の動きを決める視覚言語モデルと相性がいい。
4. デスクトップを起動し、コードから操作する。簡単な呼び出しでURLを開き、マウスを動かし、クリックし、テキストを入力できる。
5. エージェントをまとめて共有するか、プロジェクト内のコンテナツールで同じ構成をクラウドへ配備する。