AIエージェント開発

→LLMアプリ開発

→AIによる開発支援

→Amazon Bedrock

→LangChain関連

サブトピック†

• LangGraph関連
• MCP関連
• 自動化系エージェント

一般†

• AIエージェントの解釈について整理してみる - Algomatic Tech Blog 2025.1

• エンジニアは「AIエージェントの管理者」になる？ LayerX松本勇気が語る、コードを書くスキルより重要なもの - エンジニアtype | 転職type 2025.1

• 「完全自律型」AIエージェント至高論への違和感〜ワークフロー構築という現実解 2025.1

• AIマルチエージェントのアプリをChainlitで爆速開発しよう #Python - Qiita 2025.1

• Agents | Kaggle 2025.1
  • Newwhitepaper_Agents2.pdf - Google ドライブ 2025.1

• 2025年はAIエージェント元年！「普通の人間より賢いAI」がバーチャル同僚になる | 日本と世界の重要論点2025 | ダイヤモンド・オンライン 2025.1

• MicrosoftのAI Agent「Magentic-One」を理解する 2025.1

• 2025年の年始に読み直したAIエージェントの設計原則とか実装パターン集 2025.1

• Anthropicの定義する"AI Agent"を理解する 2025.1

• Introducing the Microsoft 365 Agents SDK 2024.12

• 2024年 ビッグテックのAI Agent 動向まとめ 2024.12

• 2025年はRAGの次にAIエージェントが来る 2024.12

• Building effective agents \ Anthropic 2024.12

• Multi-Agent Collaboration with Amazon Bedrock | Amazon Web Services - YouTube 2024.12

• 【AI Shift Advent Calendar 2024】AIエージェントの設計とその勘所 | 株式会社AI Shift 2024.12

• 「Agentless」という最新手法。LLMの新しい使い方。 2024.12

• AIの女の子がわいわい競馬予想するシステムを個人展示したら倍率2000倍の馬券が当たってしまった (1)設計思想編 #LLM - Qiita 2024.11

• Copilot Studio エージェント ビルダーの概要 | Microsoft Learn 2024.11
  • Microsoft Copilot Studio | Copilots のカスタマイズまたは作成 2024.11

• RAG と AI Agent は何が違うのか？ | フライウィール 2024.11

• 【Vertex AI】AI エージェント開発の実践から学んだ設計と最適化のポイント 2024.10

• sakana.ai の AI エージェント: AI Scientist のコード解析メモ · 近藤憲児事務所 2024.8

• 「生成AIエージェント」の実装入門（LangChain版とLangGraph版を対比） #Python - Qiita 2024.8

• RAG for Agentプロセスという考え方｜深津 貴之 (fladdict) 2024.6

• AIエージェントは何から取り組む？社内取り組み紹介 - AITC - ISID | AI トランスフォーメンションセンター コラム 2024.5

• Agentは楽しいぞ - Speaker Deck 2024.6
• LangChain v0.2 で エージェントを構築｜npaka 2024.5

• Azure OpenAI の Assistants API によるエージェント開発メモ? #Azure - Qiita 2024.5

• AIエージェントとは｜マニアックなプロンプトエンジニアリングはいらない 注目の生成AI活用トレンド | Ledge.ai 2024.5

• LLMエージェントのデザインパターン、Agentic Design Patternsを理解する 2024.4
  • Reflection: 自己改善プロセス
  • Tool Use: 外部ツールの活用による能力拡張
  • Planning: 目標達成のための多段階計画の立案・実行
  • Multi-agent Collaboration: 複数のエージェントが協調してタスクを解決

• 【LangChainゆる勉強会#3】LangChainのAgentはどれを使う？【ランチタイム開催】 - YouTube 2024.4

• LLMマルチエージェントを俯瞰する - Speaker Deck 2023.12

• エージェント型AIシステム構築の7つの原則： OpenAI『Practices for Governing Agentic AI』を読み解く｜mah_lab / 西見 公宏 2023.12
  • タスク適合性の評価する
  • 行動範囲の制限する
  • デフォルト動作の設定する
  • 透明性の確保する
  • 自動モニタリングを行う
  • 固有の識別子を付与する
  • 人間による制御権の保持する

• AIエージェント沼にハマるためにこの辺を見ておけば良いと思われるリソースまとめ｜mah_lab / 西見 公宏 2023.8

• オペレーティング・システムから、オペレーティング・エージェントへ｜深津 貴之 (fladdict) 2023.11

Pydantic AI†

• PydanticのLLMエージェントフレームワーク「PydanticAI」を使ってみた #Python - Qiita 2024.12
• Pydantic AI でエージェントを作ってみる 2024.12
• 【連載】pydantic-ai徹底解説 (1) はじめての pydantic-ai（GoogleColab付） - Sun wood AI labs.2 2024.12
• PydanticAI 2024.12

Agents for Amazon Bedrock†

• AWS BedrockのAIエージェントは25KB以上扱えない？ToolUse/ConverseAPIで突破する方法 #bedrock - Qiita 2025.2

• 【パワポ対応版】資料作成はAIにまかせよう！AWSでBedrockエージェント入門ハンズオン #bedrock - Qiita 2024.8

• 【AWS 生成AIハンズオン】Bedrockの新機能でマルチエージェントを作ろう！ #bedrock - Qiita 2025.2

• 【Amazon Bedrock】Agentでもクロスリージョン推論使いたい #AWS - Qiita 2025.1

• Amazon Bedrock AgentでSlackからRAGを利用できる環境を構築する | DevelopersIO 2024.11

• Amazon Bedrock Agents を使用して堅牢な生成 AI アプリケーションを構築するためのベストプラクティス – Part 2 | Amazon Web Services ブログ 2024.11
• Amazon Bedrock Agents を使用して堅牢な生成 AI アプリケーションを構築するためのベストプラクティス – Part 1 | Amazon Web Services ブログ 2024.11

• aws-samples/amazon-transcribe-live-meeting-assistant 2024.11

• AmazonBedrock BlackBelt Agents 自律型 AI の実現に向けて: 動作理解編 【Amazon Bedrock Series #04b】【AWS Black Belt】 - YouTube 2024.11

• Amazon Bedrock Agents で Conversational Builder が爆誕したよ！ #AmazonBedrock - Qiita 2024.10

• Conversational Builder を使ってエージェントを作ってみた | DevelopersIO 2024.10

• 【AWSハンズオン】Bedrockエージェントにプレゼン資料を作らせよう！ #AI - Qiita 2024.8

• 『Amazon Bedrock 生成AIアプリ開発入門』 から始めるAIエージェント #AWS - Qiita 2024.7

• 自分のAWS環境について何でも教えてくれるエージェントが作れそう（Agents for Amazon Bedrock + Knowledge bases for Amazon Bedrock） #生成AI - Qiita 2024.6

• [Agents for Amazon Bedrock] 居酒屋の案内と予約ができるエージェントをCDKでデプロイしてみました | DevelopersIO 2024.6

• [Agents for Amazon Bedrock] 簡素化された定義を試してみました | DevelopersIO 2024.5

• Community | Agents for Amazon Bedrock: Handling return of control in code 2024.5
  • エージェントが外部リクエストを処理する際、コントロールを返す機能が追加された
  • コントロール返却は以下の4つのシナリオで有用
  • LambdaではなくAPIを既存アプリから呼び出す場合
  • 15分を超える長時間タスクの場合
  • 非同期実行が適切な場合
  • 開発/テスト段階での簡易モック

• Agents for Amazon Bedrock で Webサイトにチャットボット機能を足してみる 2024.5

• サンプルコードで理解する Agents for Amazon Bedrock の Return of Control #Python - Qiita 2024.4

• Agents for Amazon Bedrock の「Return of Control」機能の可能性を考察する #AWS - Qiita 2024.4

• AWS入門ブログリレー2024〜Agents for Amazon Bedrock編〜 | DevelopersIO 2024.4

• Agents for Amazon Bedrock の簡素化された作成方法を試す #AWS - Qiita 2024.4
• 【速報】Agents for Amazon BedrockがCloudFormationに対応しました（ほぼ一撃） #AWS - Qiita 2024.4
• [アップデート] Amazon Bedorck のナレッジベースとエージェントが CloudFormation によるデプロイをサポートしたっぽいので、使ってみた | DevelopersIO 2024.4

• AWSの生成AI最新機能ハンズオン！BedrockのKnowledge BaseとAgentsに入門しよう #AWS - Qiita 2023.12

• Agents for Amazon Bedrock でEC2インスタンス作成エージェントを作ってみた - Taste of Tech Topics 2023.12

関連書籍†

• 書評『LangChainとLangGraphによるRAG・AIエージェント入門』 - Algomatic Tech Blog 2024.11
• 「LangChainとLangGraphによるRAG・AIエージェント［実践］入門」は少しかじった人にも面白い 2024.11
• 書評：「AIエージェント実践本」推しポイントと惜しポイント！ #langchain - Qiita 2024.11
• LangChain / LangGraph を活用した RAG そして AI エージェントを体験しながら学べる新著「LangChain と LangGraph による RAG・AI エージェント［実践］入門」を読んだ - kakakakakku blog 2024.11

• 『LangChainとLangGraphによるRAG・AIエージェント［実践］入門』は、LangChain/LangGraphを日本語で学習したい人にとって必携の一冊 part2 #OpenAI - Qiita 2024.11

• 「LangChainとLangGraphによるRAG・AIエージェント［実践］入門」でつまずいたことメモ:1章 #langchain - Qiita 2024.11
• 【発売前レビュー】みんな待ってたAIエージェント実践本！ LangChainとLangGraphに入門 #OpenAI - Qiita 2024.11

• 【2024/08/22】本読まなくても良いかも！？「その仕事、AIエージェントがやっておきました」著者が書籍の内容を徹底解説【アーカイブ】 - YouTube 2024.8

• 「つくりながら学ぶ！生成AIアプリ＆エージェント開発入門」を出版しました 2024.7
  • つくりながら学ぶ！AIアプリ開発入門 - LangChain & Streamlit による ChatGPT API 徹底活用

Swarm†

• OpenAI の Swarm でエージェントオーケストレーションの仕組みを理解する | 豆蔵デベロッパーサイト 2024.12

• OpenAIの「Swarm」でAIエージェントを開発してみた 2024.10
• - Swarm - OpenAIの新しいマルチエージェント・フレームワークが誕生 #機械学習 - Qiita 2024.10
• OpenAIの新しいマルチエージェント用フレームワークSwarmを試す｜はち 2024.10
• Orchestrating Agents: Routines and Handoffs | OpenAI Cookbook 2024.10
• openai/swarm: Educational framework exploring ergonomic, lightweight multi-agent orchestration. Managed by OpenAI Solution team. 2024.10

AutoGen†

• AutoGenについて調査してみた｜ONE CAREER Tech Blog 2024.6

• LLMマルチエージェントフレームワークAutoGen入門 #Microsoft - Qiita 2024.1

• AutoGenで作るLLM Agen - Speaker Deck 2023.12
• AutoGen #Microsoft - Qiita 2023.10
• AutoGenで作るLLM Agent - Speaker Deck 2023.12

最新の50件