autogpt-agents

AutoGPT - 自律型 AI エージェントプラットフォーム

ビジュアルインターフェースや開発ツールキットを通じて、継続的に動作する AI エージェントを構築、デプロイ、管理するための包括的なプラットフォームです。

AutoGPT を使用するケース

AutoGPT を使用するとよいケース:

• 継続的に実行される自律型エージェントを構築する場合
• ビジュアルなワークフローベースの AI エージェントを作成する場合
• 外部トリガー（Webhook、スケジュール）を使ってエージェントをデプロイする場合
• 複雑な複数ステップの自動化パイプラインを構築する場合
• ノーコード/ローコードのエージェントビルダーが必要な場合

主な機能:

• ビジュアルエージェントビルダー: ドラッグアンドドロップ式のノードベースのワークフローエディター
• 継続的な実行: トリガーにより、エージェントが永続的に動作します
• マーケットプレイス: 共有・再利用できる、ビルド済みのエージェントとブロック
• ブロックシステム: LLM、ツール、インテグレーションのためのモジュール式コンポーネント
• Forge ツールキット: カスタムエージェントを作成するための開発者向けツール
• ベンチマークシステム: 標準化されたエージェントのパフォーマンステスト

代わりに検討できる選択肢:

• LangChain/LlamaIndex: エージェントのロジックをより細かく制御したい場合
• CrewAI: ロールベースのマルチエージェント協調を行う場合
• OpenAI Assistants: シンプルなホスト型エージェントをデプロイする場合
• Semantic Kernel: Microsoft エコシステムと統合する場合

クイックスタート

インストール（Docker）

# Clone repository
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT/autogpt_platform

# Copy environment file
cp .env.example .env

# Start backend services
docker compose up -d --build

# Start frontend (in separate terminal)
cd frontend
cp .env.example .env
npm install
npm run dev

プラットフォームへのアクセス

• フロントエンド UI: http://localhost:3000
• バックエンド API: http://localhost:8006/api
• WebSocket: ws://localhost:8001/ws

アーキテクチャの概要

AutoGPT には、2 つの主要なシステムがあります。

AutoGPT Platform（本番環境）

• React フロントエンドを備えたビジュアルエージェントビルダー
• 実行エンジンを備えた FastAPI バックエンド
• PostgreSQL + Redis + RabbitMQ インフラストラクチャ

AutoGPT Classic（開発環境）

• Forge: エージェント開発ツールキット
• Benchmark: パフォーマンステストフレームワーク
• CLI: 開発用のコマンドラインインターフェース

基本概念

グラフとノード

エージェントは、リンクで接続されたノードを含むグラフとして表現されます。

Graph (Agent)
  ├── Node (Input)
  │   └── Block (AgentInputBlock)
  ├── Node (Process)
  │   └── Block (LLMBlock)
  ├── Node (Decision)
  │   └── Block (SmartDecisionMaker)
  └── Node (Output)
      └── Block (AgentOutputBlock)

ブロック

ブロックは再利用可能な機能コンポーネントです。

ブロックタイプ	目的
INPUT	エージェントの入力ポイント
OUTPUT	エージェントの出力
AI	LLM の呼び出し、テキスト生成
WEBHOOK	外部トリガー
STANDARD	一般的な操作
AGENT	ネストされたエージェントの実行

実行フロー

User/Trigger → Graph Execution → Node Execution → Block.execute()
     ↓              ↓                 ↓
  Inputs      Queue System      Output Yields

エージェントの構築

ビジュアルビルダーの使用

1. http://localhost:3000 で Agent Builder を開きます
2. BlocksControl パネルからブロックを追加します
3. ハンドル間をドラッグしてノードを接続します
4. 各ノードで入力を設定します
5. PrimaryActionBar を使ってエージェントを実行します

利用可能なブロック

AI ブロック:

• AITextGeneratorBlock - LLM でテキストを生成します
• AIConversationBlock - 複数ターンの会話
• SmartDecisionMakerBlock - 条件分岐ロジック

インテグレーションブロック:

• GitHub、Google、Discord、Notion のコネクター
• Webhook トリガーとハンドラー
• HTTP リクエストブロック

制御ブロック:

• 入力/出力ブロック
• 分岐と判断ノード
• ループと反復ブロック

エージェントの実行

トリガーの種類

手動実行:

POST /api/v1/graphs/{graph_id}/execute
Content-Type: application/json

{
  "inputs": {
    "input_name": "value"
  }
}

Webhook トリガー:

POST /api/v1/webhooks/{webhook_id}
Content-Type: application/json

{
  "data": "webhook payload"
}

スケジュール実行:

{
  "schedule": "0 */2 * * *",
  "graph_id": "graph-uuid",
  "inputs": {}
}

実行の監視

WebSocket による更新:

const ws = new WebSocket('ws://localhost:8001/ws');

ws.onmessage = (event) => {
  const update = JSON.parse(event.data);
  console.log(`Node ${update.node_id}: ${update.status}`);
};

REST API によるポーリング:

GET /api/v1/executions/{execution_id}

Forge（開発）の使用

カスタムエージェントの作成

# Setup forge environment
cd classic
./run setup

# Create new agent from template
./run forge create my-agent

# Start agent server
./run forge start my-agent

エージェントの構造

my-agent/
├── agent.py          # Main agent logic
├── abilities/        # Custom abilities
│   ├── __init__.py
│   └── custom.py
├── prompts/          # Prompt templates
└── config.yaml       # Agent configuration

カスタムアビリティの実装

from forge import Ability, ability

@ability(
    name="custom_search",
    description="Search for information",
    parameters={
        "query": {"type": "string", "description": "Search query"}
    }
)
def custom_search(query: str) -> str:
    """Custom search ability."""
    # Implement search logic
    result = perform_search(query)
    return result

エージェントのベンチマーク

ベンチマークの実行

# Run all benchmarks
./run benchmark

# Run specific category
./run benchmark --category coding

# Run with specific agent
./run benchmark --agent my-agent

ベンチマークのカテゴリ

• Coding: コードの生成とデバッグ
• Retrieval: 情報の検索
• Web: Web のブラウジングと操作
• Writing: テキスト生成タスク

VCR カセット

ベンチマークでは、再現性を確保するために記録された HTTP レスポンスを使用します。

# Record new cassettes
./run benchmark --record

# Run with existing cassettes
./run benchmark --playback

インテグレーション

認証情報の追加

1. Profile > Integrations に移動します
2. プロバイダー（OpenAI、GitHub、Google など）を選択します
3. API キーを入力するか、OAuth で認可します
4. 認証情報は暗号化されて安全に保存されます

ブロックでの認証情報の使用

ブロックは、ユーザーの認証情報に自動的にアクセスします。

class MyLLMBlock(Block):
    def execute(self, inputs):
        # Credentials are injected by the system
        credentials = self.get_credentials("openai")
        client = OpenAI(api_key=credentials.api_key)
        # ...

サポートされているプロバイダー

プロバイダー	認証タイプ	ユースケース
OpenAI	API キー	LLM、埋め込み
Anthropic	API キー	Claude モデル
GitHub	OAuth	コード、リポジトリ
Google	OAuth	Drive、Gmail、カレンダー
Discord	ボットトークン	メッセージング
Notion	OAuth	ドキュメント

デプロイ

Docker 本番環境のセットアップ

# docker-compose.prod.yml
services:
  rest_server:
    image: autogpt/platform-backend
    environment:
      - DATABASE_URL=postgresql://...
      - REDIS_URL=redis://redis:6379
    ports:
      - "8006:8006"

  executor:
    image: autogpt/platform-backend
    command: poetry run executor

  frontend:
    image: autogpt/platform-frontend
    ports:
      - "3000:3000"

環境変数

変数	目的
DATABASE_URL	PostgreSQL 接続
REDIS_URL	Redis 接続
RABBITMQ_URL	RabbitMQ 接続
ENCRYPTION_KEY	認証情報の暗号化
SUPABASE_URL	認証

暗号化キーの生成

cd autogpt_platform/backend
poetry run cli gen-encrypt-key

ベストプラクティス

1. シンプルに始める: 3〜5 ノードのエージェントから始めてください
2. 段階的にテストする: 変更のたびに実行してテストしてください
3. Webhook を使用する: イベント駆動型エージェントの外部トリガーとして利用してください
4. コストを監視する: クレジットシステム経由で LLM API の使用量を追跡してください
5. エージェントをバージョン管理する: 変更前に動作するバージョンを保存してください
6. ベンチマークを実施する: agbenchmark を使用してエージェントの品質を検証してください

よくある問題

サービスが起動しない:

# Check container status
docker compose ps

# View logs
docker compose logs rest_server

# Restart services
docker compose restart

データベース接続の問題:

# Run migrations
cd backend
poetry run prisma migrate deploy

エージェントの実行が停止する:

# Check RabbitMQ queue
# Visit http://localhost:15672 (guest/guest)

# Clear stuck executions
docker compose restart executor

参考資料

• 高度な使い方 - カスタムブロック、デプロイ、スケーリング
• トラブルシューティング - よくある問題、デバッグ

リソース

• ドキュメント: https://docs.agpt.co
• リポジトリ: https://github.com/Significant-Gravitas/AutoGPT
• Discord: https://discord.gg/autogpt
• ライセンス: MIT (Classic) / Polyform Shield (Platform)