【オープンソース】 🤖最新AIエージェントのコードを公開＋仕組みを完全解説します

🛫はじめに

東京は世界中から訪れる旅行者にとって魅力的な都市ですが、交通システムの複雑さには誰もが驚かされます。駅の数、路線の種類、乗り換えの多さと複雑さーー土地勘がなければ、たった数駅の移動でさえ大変だと感じる旅行者は実は少なくないのが現実です。
そこで私は「エージェント型AI」という現代的な仕組みを使って、海外からの旅行者向け（現時点では英語のみ対応）に首都圏の公共交通移動をサポートすることを想定したAIアシスタントを構築してみました。
質問は自然言語でOK。例えば

と聞くだけで、乗り換え案内、所要時間、運賃まで、人間のように答えてくれます。

今回のこのNote記事では、AIがどのように「考え」「行動し」「観察する」のか、実際のコード編成やロジックを交えながら解説していきます。最新のLLM活用に関心がある開発者のかたも、AIは最近どこまで進化しているのか気になる方も読んで頂ける内容になっています。記事の終わりには、実際に試すことができるエージェントのリンク先とコードのレポジトリーを張り付けてありますので、最後まで読んでみてください。

💡そもそも「エージェント型AI」ってなに？

従来のチャットボットは、ユーザーの質問に対して即座に一度きりの解答を返す、一問一答形式が基本でした。
一方、エージェント型AI（Agentic AI）はそれとは異なり、まるで人間のように以下の３ステップを繰り返しながら、問題を解決していきます。

🔁 Thought → Action → Observation（思考 → 行動 → 観察）

１．Thought（思考）
ユーザーの意図をくみ取り、どのようなアクションが必要かを判断する。
例：「この人は“新宿から舞浜”までのルートを知りたいらしい」

２．Action（行動）
適切なツール（APIや関数）を選び、必要な情報を取得
例：「電車ルート検索ツールを使って、乗り換え案内を取得しよう」

３．Observation（観察）
取得した情報を分析し、ユーザーにわかりやすく返答
例：「電車で35分、運賃420円、乗り換えは1回。これを丁寧に説明しよう」

このように、エージェント型AIは「実際にツールを駆使して情報を取りに行く」事が可能になり、複雑な問いに対しても段階的に解決策を導き出せるのが特徴です。
今回のアプリは、まさにこの仕組みをベースに、東京の電車移動というインバウンド旅行者にとってはリアルな課題に取り組む形で設計しました。

🧠 このAIはどうやって動いているの？設計とメカニズムについて解説

このエージェントアプリは、最新のエージェント型AIのメカニズムを意識して設計しました。
中心となるのはHugging Faceが開発した軽量エージェントフレームワークであるSmolagentsです。これは複雑なフレームワークにありがちな「ブラックボックス感」を排除し、シンプルかつ透明性の高い設計で、誰でもカスタマイズ可能な点が特徴です。
このアプリでは、以下の主要コンポーネントを組み合わせて、エージェントの思考・行動・観察ループを実現していきます。プログラミング言語はPythonを使っていきます。

🔧 1. モデル（CodeAgent）＝ 脳のような存在

まず、AIの「思考」や「判断」を担うのが CodeAgent です。
これはSmolAgentsのベースクラスを継承し、どのツールを使うか、どう考えを巡らせるか、どう最終回答をまとめるかをコントロールする司令塔のような存在です。

agent = CodeAgent(
    tools=[get_train_route, duck_search],
    llm=LiteLLM(model="gemini/gemini-pro"),
    system_prompt=prompt_template,
)

このように、CodeAgentには「ツール」「モデル」「プロンプト」を渡しておき、状況に応じて柔軟に動いてもらう設計です。

🛠️ 2. ツール（tools/）＝ AIが実世界とつながる手段

ツールは、AIが「行動」するときに使う実行可能な関数たちです。
例えば、「電車のルートを探す」「DuckDuckGoで検索する」といった処理は、すべてPython関数としてモジュール化されていて、@tool デコレーターでエージェントに認識させています。

@tool
def get_train_route(from_station: str, to_station: str) -> str:
    # Yahoo! 路線情報から経路検索
    ...

ツールは現実世界のAPIやデータにアクセスする役割を果たしており、AIが「何かをできる」ようにするための拡張機能のようなものです。

🧾 3. システムプロンプト（prompts.yaml）＝ AIの「人格」と「考え方」を定義

モデルがどう振る舞うかは、事前に与えるシステムプロンプトで決まります。
このアプリでは、prompts.yaml にてエージェントの「トーン」「制約」「判断ルール」を明示的に記述しています。

You are a helpful Tokyo travel assistant.
Always think step-by-step before calling a tool.
If unsure, explain your reasoning.

これにより、AIは「親切な観光ガイドのように答える」ことを心がけ、常にThought → Action → Observationの流れに沿って動作します。

🚶‍♀️ ユーザーからの質問にどう答えているの？思考プロセスの流れを見てみる

たとえば、海外から日本に来た旅行者がこのアプリに「新宿から舞浜まで行きたい」と聞いたとします。
このとき、エージェントは以下のようなステップで「考えながら」答えを導き出します。

💬 ユーザー入力：