ワークフローオーケストレーション

direction: down

User: {
  shape: c4-person
}

OrchestratorAgent: {
  label: "Orchestrator Agent"
  shape: rectangle

  finder: {
    label: "Finder Agent"
    shape: rectangle
  }

  writer: {
    label: "Writer Agent"
    shape: rectangle
  }
}

Skills: {
  label: "スキル / ツール"
  shape: rectangle
  style: {
    stroke-dash: 2
  }

  puppeteer: {
    label: "Puppeteer\n(ウェブスクレイピング)"
    shape: rectangle
  }

  filesystem: {
    label: "ファイルシステム\n(読み書き)"
    shape: cylinder
  }
}

User -> OrchestratorAgent: "1. 調査タスクを送信"
OrchestratorAgent -> OrchestratorAgent.finder: "2. 委任: 情報検索"
OrchestratorAgent.finder -> Skills.puppeteer: "3. ウェブをスクレイピング"
OrchestratorAgent.finder -> Skills.filesystem: "4. 調査結果を保存"
OrchestratorAgent -> OrchestratorAgent.writer: "5. 委任: レポート作成"
OrchestratorAgent.writer -> Skills.filesystem: "6. 最終レポートを書き込み"

# ワンショットモードで実行 (デフォルト)
npx -y @aigne/example-workflow-orchestrator

# 対話型チャットモードで実行
npx -y @aigne/example-workflow-orchestrator --interactive

# パイプライン入力を使用
echo "Research ArcBlock and compile a report about their products and architecture" | npx -y @aigne/example-workflow-orchestrator

aigne observe

git clone https://github.com/AIGNE-io/aigne-framework

cd aigne-framework/examples/workflow-orchestrator
pnpm install

# ワンショットモードで実行 (デフォルト)
pnpm start

# 対話型チャットモードで実行
pnpm start -- --interactive

# パイプライン入力を使用
echo "Research ArcBlock and compile a report about their products and architecture" | pnpm start

# チャットモードで実行
pnpm start -- --interactive

# ログレベルを DEBUG に設定
pnpm start -- --log-level DEBUG

import { OrchestratorAgent } from "@aigne/agent-library/orchestrator/index.js";
import { AIAgent, AIGNE, MCPAgent } from "@aigne/core";
import { OpenAIChatModel } from "@aigne/core/models/openai-chat-model.js";

const { OPENAI_API_KEY } = process.env;

// 1. チャットモデルを初期化
const model = new OpenAIChatModel({
  apiKey: OPENAI_API_KEY,
  modelOptions: {
    parallelToolCalls: false, // Puppeteer は一度に 1 つのタスクしか実行できません
  },
});

// 2. ウェブスクレイピングとファイルシステムアクセスのための MCP Agent を設定
const puppeteer = await MCPAgent.from({
  command: "npx",
  args: ["-y", "@modelcontextprotocol/server-puppeteer"],
  env: process.env as Record<string, string>,
});

const filesystem = await MCPAgent.from({
  command: "npx",
  args: ["-y", "@modelcontextprotocol/server-filesystem", import.meta.dir],
});

// 3. 情報を調査するための finder Agent を定義
const finder = AIAgent.from({
  name: "finder",
  description: "ユーザーの要求に最も近い一致を見つけます",
  instructions: `あなたはウェブ上で情報を見つけることができる Agent です。
ユーザーの要求に最も近い一致を見つける任務を負っています。
puppeteer を使用してウェブから情報をスクレイピングできます。
また、ファイルシステムを使用して見つけた情報を保存することもできます。

ルール:
- puppeteer のスクリーンショットは使用しないでください
- ページのテキストコンテンツを取得するには document.body.innerText を使用してください
- あるページへの URL が必要な場合、現在の(ホーム)ページのすべてのリンクとそのタイトルを取得し、
そのタイトルを使って訪問したいページの URL を検索してください。
  `,
  skills: [puppeteer, filesystem],
});

// 4. レポートを保存するための writer Agent を定義
const writer = AIAgent.from({
  name: "writer",
  description: "ファイルシステムに書き込みます",
  instructions: `あなたはファイルシステムに書き込むことができる Agent です。
  ユーザーの入力を受け取り、それに対処し、
  結果を適切な場所にディスクに書き込む任務を負っています。`,
  skills: [filesystem],
});

// 5. ワークフローを管理するための orchestrator Agent を作成
const agent = OrchestratorAgent.from({
  skills: [finder, writer],
  maxIterations: 3,
  tasksConcurrency: 1, // Puppeteer は一度に 1 つのタスクしか実行できません
});

// 6. AIGNE インスタンスを初期化
const aigne = new AIGNE({ model });

// 7. 詳細なプロンプトでワークフローを呼び出し
const result = await aigne.invoke(
  agent,
  `\
公式サイトのみを使用して ArcBlock に関する詳細な調査を行い\
(検索エンジンやサードパーティのソースは避けること)、arcblock.md として保存される詳細なレポートを作成してください。\
レポートには、同社の製品\
(詳細な調査結果とリンクを含む)、技術アーキテクチャ、および将来の計画に関する包括的な洞察を含める必要があります。`,
);
console.log(result);