エージェンティックAI：エージェントエンジニアのための技術スタック

著者であるHabrユーザーは、エージェント型Pythonエンジニアのポジションに応募する多くの候補者が、この分野の一般的な概念やツールに苦労していることに気づきました。それを支援するため、実践的な概要を提供します。彼はエージェントを、プロンプト、大規模言語モデル（LLM）、ツールを持つ存在と定義しますが、決定的に重要なのはループとフィードバックです。モデルが各次のステップを決定し、行動して結果を観察する一方、事前定義されたチェーンとは異なります。彼は、チェーンには固定されたルートがある一方、エージェントには一連の能力と目標があり、ルートは動的に現れると述べています。ループには、APIスキーマ（JSON Schema）を介したツール宣言、モデルによるツール呼び出しの要求、ランタイムによるそれらの実行と結果のコンテキストへの返却が含まれます。停止条件、例えばモデルがタスク完了と判断したり、反復制限に達したりすることは重要です。PydanticAIは、エージェントを構築するための型安全なフレームワークとして強調されており、出力検証にPydanticモデルを使用し、型注釈とdocstringを持つツール、RunContextを介した依存性注入、出力バリデータを備えています。LangGraphは、ステートフルなワークフローのためのグラフベースのアプローチとして提示され、人間の承認とチェックポイントを可能にします。Hugging Faceのsmolagentsは、実行のためのPythonコードを書くコードエージェントを使用します。CrewAIは、役割、目標、経歴を持つエージェントがクルーで調整される、役割ベースのアプローチを提供します。記事ではまた、Anthropicによるツール接続のためのオープンスタンダードであるMCP（Model Context Protocol）にも触れており、AIのUSB-Cとして説明され、相互運用性を可能にします。この資料は読者が面接に合格するのを支援することを目的としており、この分野が急速に進化していることを認識しています。