Get Started
アドバンスドガイドのチュートリアルでは、Agentriaで作成できるより多様なワークフロー構築プロセスを扱います。
このチュートリアルでは、短期メモリリーダーノードとLLMノードを使用してエージェントを構成し、チャットテストを実行して結果を確認します。
このプロセスを通じて、会話型エージェントのワークフローを構築する方法を学びます。
前提条件
はじめに、Agentriaでプロジェクトを作成し、エージェントキャンバスを開いてください。
キャンバスへのアクセス手順の詳細は、🔗3-Step Core Guide のStep 1（Create a Project and Select a Composer）を参照してください。
このチュートリアルを完了すると、次のことができるようになります：
短期メモリリーダーノードを使用する
複数のノードを接続する
エージェントのワークフローを構成する
チャットテストでワークフローの結果を検証する
Step 1：入力変数を宣言する
Agentriaのキャンバスには、デフォルトで Start Node と End Node が1つずつ用意されています。
Start Nodeはワークフロー全体を開始します。
End Nodeはワークフローを終了します。
会話型エージェントのワークフローを作成するには、まずStart Nodeで必要な変数を宣言する必要があります。
Start Nodeをダブルクリックすると、ポップアップでノードエディタが開きます。
ここで、データ型・名前・説明を設定して変数を定義できます。
Agent Start Nodeには、チャットテスト用のデフォルト入力変数が含まれています。
必要に応じて追加の変数を追加することもできます。
このチュートリアルでは、新しい変数は追加せず、デフォルト変数のみを使用します。
続けるためにキャンバスに戻ってください。
Step 2：ドラッグ＆ドロップでノードを追加する
次に、チャットテスト中にユーザー入力を記憶できるようにするノードを追加します。
Short-term Memory Reader ノードを使用すると、会話の途中でもユーザーメッセージを保持し参照できるようになります。
キャンバス下部の +Add Node ボタンをクリックし、AI Agentカテゴリを開いてください。
また、記憶した情報をもとにエージェントが返答を生成できるよう、LLMノードも追加します。
このチュートリアルでは Azure OpenAI LLM ノードを使用します。
Step 3：エッジでノードを接続する
短期メモリリーダーノードがStart Nodeから受け取った変数を利用できるようにするには、2つのノードを接続する必要があります。
この接続線をエッジ（Edge）と呼びます。
Start Node右側のOut-Pinから、短期メモリノード左側のIn-Pinへ接続してください。これにより、Start Nodeの入力値がメモリノードに渡されます。
次に、短期メモリノードからLLMノードへも同様に接続し、処理されたデータがLLMに流れるようにします。
Step 4：短期メモリノードを設定する
短期メモリリーダーノードでは、メモリバッファに保存するユーザーメッセージ数を指定できます。
たとえば、Number of Recent Messagesを 10 に設定すると、会話中に直近10件のユーザーメッセージを記憶して利用します。
このチュートリアルでは、デフォルト設定のまま進めます。
Step 5：LLMノードのプロンプトを書く
LLMノードのプロンプトを記述することで、エージェントが適切な応答を生成するよう誘導できます。
役割や出力形式に関する指示を具体的にするほど、結果の品質が高くなります。
5-1）システムプロンプト
System Prompt欄には、AIの役割と出力形式を定義する明確な指示を書きます。
このチュートリアルではシンプルな会話型エージェントの構築に焦点を当てるため、次の例を使用してください：
これまでの会話に基づいて応答してください。 会話履歴は次のとおりです：
5-2）ユーザープロンプト
User Prompt欄では、AIに渡す入力データを設定します。
このステップで、短期メモリリーダーノードから受け取った情報をAIモデルへ渡します。
このチュートリアルでは、Step 6 のとおり変数を入力します。
Step 6：ドラッグ＆ドロップで変数をバインドする
Agentriaでは、コードを書かずにドラッグ＆ドロップで簡単に変数をバインドできます。
次のようにバインドしてください：
System Prompt：
memory_output
User Prompt：
input_message
Step 7：LLMの出力変数を宣言する
LLMノードをEnd Nodeに接続するには、LLMノードで出力変数を宣言する必要があります。
データ型を String に設定し、変数名を Message にしてください。
これでLLMノードの設定は完了です。
Step 8：End Nodeを接続する
最後に、生成した応答をEnd Nodeへ渡します。
キャンバスに戻り、LLMノードからEnd Nodeへエッジで接続してください。
End Nodeをダブルクリックしてノードエディタを開くと、デフォルトで String 型のアダプター変数 output_message が含まれています。
LLMノードの Message 変数を、このアダプターに選択またはドラッグ＆ドロップでリンクしてください。
これで「短期メモリリーダーノードを使用した会話型エージェントワークフロー」が完成です。
Step 9：チャットテストでワークフローをテストする
キャンバス右下の CHAT TEST ボタンをクリックして、ワークフロー全体を実行します。
エージェントのテストはチャットインターフェース上で行われ、スムーズに対話できるか確認しながら調整し、機能を改善できます。
Step 10：会話生成プロセスを確認する
チャットテストでは、エージェントの会話生成ロジックを可視化できます。
エージェントの応答をクリックすると右側にサイドバーが開き、生成された返信の背後にあるノードごとの処理を確認できます。
この機能は、エージェントの調整とパフォーマンス改善に役立ちます。
次のステップ
🎉 おめでとうございます！ Agentria を使って「会話型エージェント」のワークフローを作成できました。
次はチャットテストにさまざまなメッセージを入力して結果を確認し、ノードを調整してワークフローの性能を高めてみてください。
Agentria は、アイデアが現実になる場所です。あなたの想像力次第でワークフローは無限に広がります。
より多くのAbility例については、🔗Ability Guide を参照してください。
Agentベースの例については、🔗Agent Guide を参照してください。