meng shao（@shao__meng）のスレッド

[オープンソースチュートリアル] オープンソースモデル + 成熟したエージェントフレームワーク + ツール => Claude コードレベル AI エージェントの複製 主要な技術コンポーネントとオープンソースモデル: DeepSeek-V3.2 • 成熟したエージェントフレームワーク: Claude Agents SDK ツールとデータ: MongoDB MCP サーバー 全体的なアーキテクチャ: モデル → エージェント SDK → MongoDB ツール → データベース、クローズドループの相互作用を実現します。 コアプロジェクトコンセプト: 3 つの主要テクノロジーの強力な組み合わせ。 人間の音声を理解し、データベースを自動的に操作できるインテリジェント エージェントを構築するには、次の 3 つのテクノロジを統合します。 1. 脳 – DeepSeek v3.2: 「ブレイン・スワップ」操作では、APIベースURLを変更することで、Claude Agents SDKがClaudeモデルを呼び出していると誤認識しますが、実際にはDeepSeek v3.2を呼び出しています。これは、OpenAI API以降、LLM APIの標準操作となっています。 2. スケルトン – Claude Agents SDK: 選択理由: LangChain または OpenAI SDK が選択されなかったのは、Claude Agents SDK が、Claude Code を推進する中核技術である複雑なエージェントを構築するために必要な、成熟した「スキャフォールディング」(サブエージェント管理、MCP サポートなど) を提供しているためです。 3. 手と目の協調 – MongoDB MCP サーバー: 技術的なハイライト: MCP プロトコルを採用することで、AI は複雑なグルーコードを必要とせずに、クエリの実行、スキーマの分析、さらには MongoDB の MCP サーバーを通じて標準化された方法でのデータ書き込みまで実行できるようになります。 建築の本質：「サブエージェント」で「脳の霧」と戦う チュートリアルの中で最も技術的に難しい部分です。著者は重要な問題を提起しています。それは「コンテキスト腐敗」です。モデルが20万以上のコンテキストをサポートしていると主張していても、入力が多すぎるとインテリジェントではなくなり、ツールを混乱させてしまいます。 解決策: 分割統治（サブエージェント） このチュートリアルでは、単一の強力なエージェントを使用する代わりに、MongoDB MCP ツールセットの一部のみを担当する 3 つの特殊なサブエージェントを構築します。 • リーダー エージェント: 読み取り (データの取得) のみを担当します。 • ライター エージェント: 書き込み (追加、削除、変更) のみを担当します。 • クエリエージェント: あいまいコマンドに基づいて関連データを検索する役割を担います。 利点: 各エージェントの視野とツールボックスを制限することで、DeepSeek はミスを犯す可能性を大幅に低減し、操作の精度を保証します。 実用的価値：「おもちゃ」から「道具」へ このチュートリアルでは、「映画は何本あるか」といった簡単なデモだけでなく、非常に関連性の高い実際の例も示します。 • データの移行と分析: このスクリプトは、Hugging Face Hub から MongoDB に実際のデータ (モデル統計、データセットの人気度など) をインポートする方法を示しています。 • 複雑なクエリ: インポート後、エージェントに直接「Hugging Face で最も人気のあるモデル 10 人は誰ですか?」と質問できます。エージェントは自動的に集計クエリを生成し、データベースから回答を抽出します。 要約 • モデルの解説：高価なクローズドソースモデル（Claude Opus 4.5など）に頼る必要はありません。優れたアーキテクチャを備えたDeepSeek v3.2は、複雑なタスクにも完璧に対応できます。 • MCP の採用: MCP プロトコルを介したデータベースへの接続が標準となり、AI アプリケーション開発の参入障壁が大幅に下がります。 • アーキテクチャ ファースト: より長いコンテキストを追求することと比較して、「メイン エージェント + 特化したサブエージェント」アーキテクチャは、複雑な問題を解決するための安定したソリューションです。 オリジナルチュートリアル