AIエージェントの最新情報

three.jsなどを基盤とした、AIによるゲーム開発に特化した宣言型ゲームエンジン「VibeGame」が公開されました。AIを活用した効率的なゲーム開発環境を提供します。

ManusチームがAIエージェント構築の経験を共有し、KVキャッシュの最適化やファイルシステムをコンテキストとして活用する手法を解説しました。また、エラーの保持や少サンプル学習の罠を避ける重要性についても言及しています。

Hugging Faceチームが、公式MCPサーバー（hf.co/mcp）の開発経験を振り返り、STDIO、SSE、Streamable HTTPの3つの通信方式の選定理由を公開しました。オープンソースとして構築された同サーバーの知見がまとめられています。

Pythonライブラリ「ScreenEnv」は、Dockerコンテナ内に隔離されたUbuntuデスクトップ環境を構築し、GUI操作を行うAIエージェントのテストやデプロイを可能にします。

Gradio 5.28.0以降でMCPプロトコルがサポートされ、Hugging Face Spaces上の数千のアプリをAIエージェントのツールとして接続できるようになりました。Flux.1などの画像編集機能をCursor等のエディタから直接呼び出す手順が示されています。

Hugging Faceは、MCP（Model Context Protocol）を活用したPython用エージェント構築ツールを公開しました。SDKを拡張することで、わずか70行程度のコードでMCP対応のAIエージェントを開発可能です。

LlamaIndexは、AIエージェントに長短期記憶機能を提供する新しいメモリコンポーネントを公開しました。チャット履歴をトークン上限に基づいてSQLデータベース（デフォルトはSQLite）に保存する仕組みを採用しています。

Anthropicは、AIの不適切な挙動を早期に検知・修正するための多層防御戦略「Bumpers」を提案しました。微調、並行監査、警告信号に基づく再学習、デプロイ後の監視といった複数の防衛線を組み合わせる手法です。

Answer.AIによる1ヶ月間の検証の結果、AIエンジニア「Devin」は20のタスクのうち3回しか成功せず、複雑な開発や研究タスクにおいて期待を下回る結果となりました。技術的な行き詰まりやハルシネーションが頻発し、現状では人間の開発者の代替には至らないと指摘されています。

AIエンジニアリングツール「Devin」を開発するCognition社は、o1シリーズを用いたコーディング性能の評価結果を公開しました。内部ベンチマークにおいて、o1-previewはGPT-4oを大きく上回る成果を示しています。

文書ごとにエージェントを割り当て、上位のメタエージェントが検索と推論を制御する「Agentic RAG」の構築手法が紹介されました。Rerank機能を用いた関連性の高い回答生成が特徴です。

LlamaIndex、Qdrant、Renderを組み合わせ、Slackの会話から学習して回答を行うボットの構築手順が公開されました。会話履歴を蓄積し、社内ナレッジとして活用する手法を学べます。

LlamaIndexはRetrieval Evaluationモジュールを用い、OpenAIやCohere、BGEなどの主要モデルを組み合わせた際の検索精度を検証しました。Hit RateとMRRの指標に基づき、最適なモデル構成を選択する手法を提示しています。

LlamaIndexは、PDFのレイアウト情報を保持したまま、見出しや段落、表などを正確に抽出する手法を公開しました。llmsherpa APIを活用し、文書の構造を維持した状態でRAGエンジンに組み込む方法を解説しています。

LlamaIndexは、Response Evaluationモジュールを活用してRAGシステムの最適なチャンクサイズを測定する方法を実証しました。Uberの2021年度10K報告書をデータセットとして使用しています。

LlamaIndexは、非構造化データから合成データを作成し、RAG（検索拡張生成）の検索精度を向上させるための微調整ガイドを公開しました。オープンソースの埋め込みモデルを最適化する手法を解説しています。

LlamaIndexは、GmailやGoogleカレンダーなど15種類のツールを含む「LlamaHub Tools」を公開しました。これに合わせ、LLMエージェントが効率的に外部ツールを操作するための開発手法をまとめています。

LlamaIndexは、SQLデータベースとベクトルデータベースを同時に活用し、自然言語によるクエリに応答する新しいエンジンを発表しました。これにより、構造化データと非構造化データが混在する複雑な情報検索が可能になります。

Hugging FaceのInference APIを活用し、Twitterの投稿内容を感情分析する手法を解説。プログラミング経験の有無に応じた2つのアプローチを紹介しています。

Hugging Faceの深層強化学習コースの一環として、Q学習のアルゴリズムやQテーブル、Epsilon Greedy戦略などを解説。理論から実装までを網羅しています。