nao

naoは分析エージェントを構築・配備するためのフレームワークで、nao Labsが開発し、GitHubでオープンソースとして公開している。考え方はシンプルだ。数字を推測する汎用チャットボットを信頼する代わりに、エージェントに本物の文脈を与える。つまりデータベースのスキーマ、メタデータ、業務ルール、ドキュメント、ツールを、自分で管理できるファイルシステム風のフォルダにまとめる。文脈を整えたら、naoはチャットUIを配備し、同僚が質問すると実際のデータに基づいた回答が返る。

日常ではどう見えるか。質問すると、エージェントは自分の推測ではなくあなたの定義で答える。

この製品は二つの層を同時に狙う。データチームは文脈ビルダーと信頼性の仕組みを手に入れ、エージェントが指標をでっち上げないようにできる。業務ユーザーは自然言語のチャットを手に入れ、可視化と透明な推論を受け取り、誤った回答をデータチームに簡単に知らせられる。同じ文脈が両者を動かすため、最終的に全員が数字の意味について共通の定義で動ける。

最も理解すべき点は、naoがログインするだけのホスト型サービスではないということだ。設計上セルフホストで、LLMキーは自分で用意する。セットアップはコマンドラインを使う。チームの誰かがPythonツールを動かせる必要がある。いなければ、エージェント主導のセットアップである程度はこなせる。それでもSaaS製品に登録するより手間はかかる。

はじめかた

1. pip install nao-core でコアパッケージをインストールする（Pythonが必要）。
2. nao init を実行し、プロジェクト名を決めてデータベースを接続し、リポジトリを紐づける。任意の手順は飛ばして後から nao_config.yaml で追加できる。
3. nao debug を実行して設定が機能するか確認し、nao sync でスキーマ、メタデータ、リポジトリを文脈フォルダに取り込む。
4. nao chat を起動してlocalhost:5005でチャットUIを開き、質問を始める。
5. tests/ フォルダにテストを書き、nao test を実行してユーザーに渡す前にエージェントの精度を確認する。