pydantic-ai-researcher

pydantic-ai-researcher

説明

pydantic-ai-researcher は、リサーチエージェントと評価エージェントという、専門分野の異なる 2 つのエージェント間で非同期ループを連携させるリサーチシステムです。リサーチエージェントは外部 MCP サーバーを使用して複雑なクエリに回答し、評価エージェントはその回答を評価して改善を加え、満足のいく回答が得られるまで反復します。

特長

• 非同期リサーチループ：リサーチ回答を反復的に評価し、改善します。
• 2 エージェントシステム：データ収集にはリサーチエージェントを使用し、フィードバックには評価エージェントを使用します。
• プラグイン可能な MCP サーバー：複数の MCP サーバー（Tavily、Brave Search、arXiv）と連携し、多様なデータソースを利用できます。
• 環境設定に対応：環境変数と .env ファイルを使用して API キーを設定します。
• 簡単なセットアップ：Pipfile または requirements.txt を使って簡単にインストールできます。

インストール／セットアップ

1. 前提条件：Python 3.x がインストールされていることを確認してください。
2. インストール：
   • Pipenv を使用する場合：

     pipenv install
     

   • または pip を使用する場合：

     pip install -r requirements.txt
     

3. 設定：
   • プロジェクトのルートに .env ファイルを作成します。
   • 必要な環境変数を定義します：
     • OPENAI_API_KEY
     • TAVILY_API_KEY
     • BRAVE_API_KEY
   • （必要に応じて、その他の API エンドポイントも定義します。）

使い方

次のコマンドを実行してプロジェクトを起動します：

python main.py

対話型プロンプトにリサーチクエリを入力してください。プログラムを終了するには、exit と入力します。

アーキテクチャ

このシステムは、2 つのエージェントによる評価・最適化ループを実装しています：

• エージェント A（リサーチエージェント）：MCP サーバー経由で外部データソースを使用し、リサーチクエリへの初期回答を生成します。
• エージェント B（評価エージェント）：エージェント A が提示した回答を評価し、改善のためのフィードバックを提供します。
• ループの仕組み：回答が承認されるか、反復回数の上限に達するまで、複数回の評価サイクルを繰り返します。

以下は、評価・最適化プロセスを示すワークフロー図です：

出典：効果的なエージェントの構築

設定

このプロジェクトの設定では、python-dotenv を介して読み込まれる環境変数を使用します。次の点を確認してください：

• OpenAI モデルを使用するには、OPENAI_API_KEY を設定します。
• Tavily MCP Search にアクセスするには、TAVILY_API_KEY を設定します。
• Brave Search MCP を使用するには、BRAVE_API_KEY を設定します。
• 必要に応じて、arXiv MCP 用の追加設定を定義します。

コントリビューション／ライセンス

コントリビューションを歓迎します。バグ修正、改善、新機能については、イシューやプルリクエストを送信してください。ライセンスの詳細については、プロジェクトの LICENSE ファイルを参照してください。