eino-component

Eino コンポーネントガイド

コンポーネント選択ガイド

ChatModel — LLM 推論（従来の Message パス）

プロバイダー	パッケージ	備考
OpenAI	model/openai	ByAzure: true で Azure にも対応
Claude	model/claude	ByBedrock: true で AWS Bedrock にも対応
Gemini	model/gemini	genai.Client が必要
Ark（Volcengine）	model/ark	Doubao モデル
Ollama	model/ollama	ローカルモデル
DeepSeek	model/deepseek	推論に対応
Qwen	model/qwen	Alibaba DashScope API
Qianfan	model/qianfan	Baidu ERNIE モデル
OpenRouter	model/openrouter	マルチプロバイダーのルーティング

AgenticModel — LLM 推論（AgenticMessage パス）

AgenticModel は、ブロックベースのコンテンツ（推論、テキスト、画像、音声、動画、ツール呼び出し／結果）を持つ *schema.AgenticMessage を使用します。ツールは呼び出し時に model.WithTools オプション経由で常に渡します（WithTools メソッドはありません）。

プロバイダー	パッケージ	備考
OpenAI	model/agenticopenai	GPT-4o、o1、o3 シリーズ
Gemini	model/agenticgemini	Gemini 2.x モデル
DeepSeek	model/agenticdeepseek	推論機能を備えた DeepSeek-R1
Ark（Volcengine）	model/agenticark	Doubao モデル（エージェント向けパス）
Qwen	model/agenticqwen	DashScope 経由の Qwen シリーズ

詳細な設定リファレンス：

• reference/model/agenticopenai.md
• reference/model/agenticgemini.md
• reference/model/agenticdeepseek.md
• reference/model/agenticark.md
• reference/model/agenticqwen.md

Embedding — テキストからベクトルへの変換

プロバイダー	パッケージ	備考
OpenAI	embedding/openai	text-embedding-3-small/large、ada-002
Ark	embedding/ark	Volcengine の埋め込みモデル
Gemini	embedding/gemini	Google の埋め込みモデル
DashScope	embedding/dashscope	Alibaba の埋め込み
Ollama	embedding/ollama	ローカルの埋め込みモデル
Qianfan	embedding/qianfan	Baidu の埋め込み

Retriever — ベクトル／キーワード検索

バックエンド	パッケージ	備考
Redis	retriever/redis	KNN および範囲ベクトル検索
Milvus 2.x	retriever/milvus2	密ベクトル＋疎ベクトルのハイブリッド、BM25
Elasticsearch 8	retriever/es8	近似ベクトル検索
Qdrant	retriever/qdrant	ベクトル類似検索

Indexer — ベクトル付きドキュメントの保存

バックエンド	パッケージ
Redis	indexer/redis
Milvus 2.x	indexer/milvus2
Elasticsearch 8	indexer/es8
Qdrant	indexer/qdrant

Tools — モデルから呼び出し可能な関数

ツール	パッケージ	備考
MCP	tool/mcp	Model Context Protocol ツール
Google Search	tool/googlesearch	Custom Search JSON API
DuckDuckGo	tool/duckduckgo	ウェブ検索（v2 を使用）
Bing Search	tool/bingsearch	Bing Web Search API
HTTP Request	tool/httprequest	汎用 HTTP 呼び出し
コマンドライン	tool/commandline	シェルコマンドの実行
Browser Use	tool/browseruse	ブラウザーの自動操作

インターフェース早見表

// BaseModel (generic)
type BaseModel[M any] interface {
    Generate(ctx context.Context, input []M, opts ...Option) (M, error)
    Stream(ctx context.Context, input []M, opts ...Option) (*schema.StreamReader[M], error)
}

// Type aliases
type BaseChatModel = BaseModel[*schema.Message]       // classic path
type AgenticModel = BaseModel[*schema.AgenticMessage] // agentic path

// ToolCallingChatModel (classic path, adds WithTools)
type ToolCallingChatModel interface {
    BaseChatModel
    WithTools(tools []*schema.ToolInfo) (ToolCallingChatModel, error)
}

// Embedding
type Embedder interface {
    EmbedStrings(ctx context.Context, texts []string, opts ...Option) ([][]float64, error)
}

// Retriever
type Retriever interface {
    Retrieve(ctx context.Context, query string, opts ...Option) ([]*schema.Document, error)
}

// Indexer
type Indexer interface {
    Store(ctx context.Context, docs []*schema.Document, opts ...Option) (ids []string, err error)
}

// Document
type Loader interface {
    Load(ctx context.Context, src Source, opts ...LoaderOption) ([]*schema.Document, error)
}
type Transformer interface {
    Transform(ctx context.Context, src []*schema.Document, opts ...TransformerOption) ([]*schema.Document, error)
}

// Tool
type BaseTool interface {
    Info(ctx context.Context) (*schema.ToolInfo, error)
}

type InvokableTool interface {
    BaseTool
    InvokableRun(ctx context.Context, argumentsInJSON string, opts ...Option) (string, error)
}

// Prompt
type ChatTemplate interface {
    Format(ctx context.Context, vs map[string]any, opts ...Option) ([]*schema.Message, error)
}

インストール

go get github.com/cloudwego/eino-ext/components/{type}/{impl}@latest
# Examples:
go get github.com/cloudwego/eino-ext/components/model/openai@latest
go get github.com/cloudwego/eino-ext/components/model/agenticopenai@latest
go get github.com/cloudwego/eino-ext/components/retriever/milvus2@latest
go get github.com/cloudwego/eino-ext/components/tool/mcp@latest

ChatModel の使用方法（従来のパス）

生成

resp, err := chatModel.Generate(ctx, []*schema.Message{
    {Role: schema.User, Content: "Hello"},
})
fmt.Println(resp.Content)

ストリーミング

reader, err := chatModel.Stream(ctx, messages)
defer reader.Close()
for {
    chunk, err := reader.Recv()
    if errors.Is(err, io.EOF) { break }
    if err != nil { return err }
    fmt.Print(chunk.Content)
}

ツール呼び出し

withTools, err := chatModel.WithTools([]*schema.ToolInfo{toolInfo})
resp, err := withTools.Generate(ctx, messages)
// resp.ToolCalls contains model's tool invocations

AgenticModel の使用方法

import (
    "github.com/cloudwego/eino-ext/components/model/agenticopenai"
    "github.com/cloudwego/eino/components/model"
    "github.com/cloudwego/eino/schema"
)

// Create agentic model
am, _ := agenticopenai.New(ctx, &agenticopenai.Config{
    Model:  "gpt-4o",
    APIKey: "your-key",
})

// Tools passed at call time via option for AgenticModel-interface code
resp, err := am.Generate(ctx,
    []*schema.AgenticMessage{schema.UserAgenticMessage("Search for Go tutorials")},
    model.WithTools(toolInfos),
)

// Response contains typed ContentBlocks
for _, block := range resp.ContentBlocks {
    switch block.Type {
    case schema.ContentBlockTypeAssistantGenText:
        fmt.Println(block.AssistantGenText.Text)
    case schema.ContentBlockTypeFunctionToolCall:
        fmt.Printf("Tool call: %s(%s)\n", block.FunctionToolCall.Name, block.FunctionToolCall.Arguments)
    case schema.ContentBlockTypeReasoning:
        fmt.Printf("Reasoning: %s\n", block.Reasoning.Text)
    }
}

RAG コンポーネント

Embedding + Indexer + Retriever で RAG パイプラインを構成します。

// 1. Embed and store documents
indexer, _ := redisIndexer.NewIndexer(ctx, &redisIndexer.IndexerConfig{
    Client: redisClient, KeyPrefix: "doc:", Embedding: embedder,
})
ids, _ := indexer.Store(ctx, docs)

// 2. Retrieve relevant documents
retriever, _ := redisRetriever.NewRetriever(ctx, &redisRetriever.RetrieverConfig{
    Client: redisClient, Index: "my_index", Embedding: embedder,
})
docs, _ := retriever.Retrieve(ctx, "user query", retriever.WithTopK(5))

ツールの使用方法

MCP ツール

import mcpp "github.com/cloudwego/eino-ext/components/tool/mcp"

tools, err := mcpp.GetTools(ctx, &mcpp.Config{Cli: mcpClient})

カスタム InvokableTool

Info() と InvokableRun() を実装して、カスタムツールを作成します。

エージェントへの指示

• コンストラクターのシグネチャと Config 構造体の名前は、実装によって異なります。初期化コードを生成する前に、必ず reference/{type}/{impl}.md にあるプロバイダーのリファレンスファイルを読んでください。
• ユーザーのニーズに応じて、BaseChatModel（従来のパス）または AgenticModel（エージェント型のパス）を使用してください。
• model.AgenticModel は、インターフェースに WithTools メソッドを追加しません。インターフェースを重視するコードでは、呼び出し時に model.WithTools(...) を使用してください。
• ADK エージェントでは、ChatModelAgentConfig.Model フィールドは model.BaseModel[M] を受け取ります。どちらのパスもシームレスに動作します。
• RAG では、インデックス作成と検索の両方に同じ Embedder モデルを使用してください。
• 各コンポーネントの詳細なドキュメントについては、リファレンスファイルを参照してください。

リファレンスファイル

詳細な API、設定、例については、必要に応じてファイルを読んでください。各 {type}/ ディレクトリには overview.md（インターフェースと一般的なパターン）と、実装ごとのファイルが含まれています。

• reference/model/*.md -- ChatModel と AgenticModel のインターフェース、ツールのバインド、ストリーミング、プロバイダーごとの設定（openai、claude、gemini、ark、ollama、deepseek、qwen、qianfan、openrouter）
• reference/embedding/*.md -- Embedder インターフェースとプロバイダーごとの設定（openai、ark、ollama など）
• reference/retriever/*.md -- Retriever インターフェース、RAG の例、バックエンドごとの設定（redis、milvus2、es8）
• reference/indexer/*.md -- Indexer インターフェース、インデックス作成パイプライン、バックエンドごとの設定（redis、milvus2、es8、qdrant）
• reference/tool/*.md -- ツールのインターフェース、カスタムツールの作成、MCP 統合、検索ツール、ユーティリティツール
• reference/document/pipeline.md -- Loader、Parser、Transformer のインターフェースとパイプライン全体の例
• reference/prompt.md -- ChatTemplate、FString/GoTemplate/Jinja2 形式、メッセージヘルパー
• reference/callback/*.md -- コールバックハンドラーのインターフェース、登録パターン、プロバイダーごとの設定（cozeloop、apmplus、langfuse、langsmith）