吉波拓夢 | DiningX CTO

自律型エージェントManusのオープンソース版「Open Manus」を触ってみたので、スレッドに残します↓ 

OpenManusとは、2025年3月にMetaGPTチームによって開発されたオープンソースで、Manus AIの機能を再現することを目指しているプロジェクト

https://github.com/mannaandpoem/OpenManus/blob/main/README_ja.md 

「主要なエントリーポイント」

http://main.py: 安定版を実行するためのメインスクリプト
run_flow.py: 不安定版を実行するためのスクリプト
config/config.toml: LLM APIキーなどの設定ファイル

依存関係はrequirements.txtで管理され、インストールはCondaまたはuv（推奨）を使用する 

環境構築が終わったら、「python http://main.py」で実行

OpenManusが20ステップのタスクを順番に進めていく。
app.agent.base:run:139 - Executing step 1/20 

「ワークフローの理解」

ユーザーがタスクを提供すると、エージェントがLLMを使用してタスクを小さなステップに計画する。各ステップで適切なツールを選択し、実行。結果を観察し、次のステップを決定する。

このプロセスは、タスクが完了するまで繰り返される。例えば、「ステップ1: 20代女性に人気の化粧品についてリサーチ」では、「browser_use」が選択され、自動的にgoogle検索を行う。

ThinkとToolUseを掛け合わせて、タスクゴールに向かって自律的に処理する。

「アーキテクチャ」

エージェント層:
BaseAgent → ReActAgent → ToolCallAgent → Manus の階層構造。「思考（think）」と「行動（act）」のサイクルを実装し、ステップベースの実行ループと状態管理を実現。

フロー管理:
BaseFlow → PlanningFlow でタスクを計画と実行に分解
タスクの進捗追跡と状態管理（未開始、進行中、完了、ブロック）

LLM連携:
OpenAI, Azure, Ollamaなど様々なLLMプロバイダに対応
ツール呼び出し機能を活用したインターフェース

「コア機能」

・PythonExecute: Pythonコードを実行してシステム操作、データ処理、自動化タスクを実行
・BrowserUseTool: ブラウザを操作しウェブインターフェースと対話
・FileSaver: ローカルにファイルを保存（txt, py, htmlなど）
・Web検索機能: Google, Baidu, DuckDuckGoに対応 

mastraでのエージェント設計用「メタプロンプト」を作ってみた

✂︎--------

メタプロンプト: AgentDesignArchitect
目的: 特定の目標達成を支援するカスタムAIエージェントのYAML設計図を生成

使用方法:
  "[目標] に特化したエージェントのYAML設計を作成してください。"

出力形式:
  エージェント: [名称]
  種類: [エージェントタイプ]
  役割: [簡潔な役割説明]
  主要機能:
    - [機能1]
    - [機能2]
    - [...]
  実装:
    instructions: >
      [詳細な指示内容]
    model: [推奨モデル]
    tools:
      - [必要ツール1]
      - [必要ツール2]
      - [...]

設計原則:
  - 目標指向: 指定された目標に直接関連する機能を優先
  - 具体性: 抽象的な説明ではなく、具体的なタスクと責任を定義
  - 網羅性: 目標達成に必要な主要機能を漏れなく含める
  - 実用性: 実際に実装可能なツールと指示を含める
  - 専門性: 対象領域の専門知識と用語を適切に活用
  - ユーザー中心: エンドユーザーの視点からの支援方法を明確に

拡張オプション:
  - 複数エージェント連携システム設計
  - エージェント間通信プロトコル定義
  - ユーザー指向カスタマイズパラメータ
  - 進捗測定・評価指標の設定
  - 特殊状況への対応手順

--------------

例）{ゴール} = カスタマーサポート で実行

Mastraでエージェントワークフローを作るコツ

Mastraでエージェントワークフローを作るコツは、「一連の思考と行動を、ステップ単位で設計する」こと。個々の処理をバラバラに書くのではなく、「目的に向かって、どんな情報を集め、どう解釈し、何を提案するのか」という知的プロセスの流れを構造化する視点が必要。

例えば、「天気予報をもとに現地アクティビティを提案するAIエージェントの構築」であれば、

❌ 単なる天気取得APIのラッパー
⭕️ 外部データ取得 → AIによる判断 → ユーザーへの提案

このような一連の知的ワークフローをMastra上でどう組み上げるかが肝になります。

⸻

天気を“取得する”ではなく、“活かす”ために

例えば、ワークフローの最初のステップ「fetch-weather」では、ユーザーが入力した都市名から位置情報（緯度・経度）を取得し、Open-MeteoのAPIを叩いて天気予報データを取得します。

ここで重要なのは、「人間にとって意味ある形式で天気を扱う」ことです。たとえば単なるコード「63」ではなく、「Moderate rain（適度な雨）」という表現に変換されるよう、マッピング処理が組み込まれています。これは後段のAIによる解釈の精度を高めるための前処理であり、エージェントの思考の土台をつくる工程だと捉えるとよいでしょう。

⸻

AIによる活動提案＝意味を編み出すフェーズ

続いてのステップ「plan-activities」では、MastraのAgentを活用した、LLM（GPT-4）による活動提案が行われます。

エージェントには明確な指示文（プロンプト）が与えられており、天気データを読み解きながら、以下のような形式で日別の活動計画を自動生成します：

•🌡️ WEATHER SUMMARY：天気概況（気温・降水確率・天候）
•🌅 MORNING / 🌞 AFTERNOON ACTIVITIES：時間帯別の屋外アクティビティ（場所・時間・注意事項付き）
•🏠 INDOOR ALTERNATIVES：雨天時などの代替案
•⚠️ SPECIAL CONSIDERATIONS：警報・UV指数などの留意点

注目すべきは、「すべての提案がその場所固有である」こと、そして「天候に応じた柔軟な提案が行われる」点です。雨の多い日は室内活動がメインに。涼しい朝は運動強度の高いアクティビティが優先されるよう、文脈的な判断が組み込まれています。

⸻

設計から実行へ：Mastraのワークフロービルド構造

この一連のステップは、MastraのWorkflowクラスにより以下のように定義されます。

const weatherWorkflow = new Workflow({
  name: "weather-workflow",
  triggerSchema: z.object({
    city: z.string().describe("The city to get the weather for"),
  }),
})
  .step(fetchWeather)
  .then(planActivities);

ここでのポイントは、各ステップが型安全なスキーマでつながっていること。これにより、入力と出力の整合性を維持しつつ、柔軟なフローの拡張が可能になります。たとえば、今後「現地イベント情報を取得して統合する」「旅行者の嗜好に合わせてカスタマイズする」といった機能も、ステップを増やすだけで拡張できる設計になっています。

⸻

エージェントワークフローの価値＝“意味の生成”にある

Mastraでワークフローを作るコツは、「データ処理」ではなく「意味生成」を中心に据えることです。データを取得するだけならAPI呼び出しで十分ですが、それに対して「何が適切か」「どんな行動が望ましいか」を判断し、提案するのはエージェントの役目です。

そのため、単にLLMを呼び出すのではなく、どういう文脈でAIを動かすか？どのタイミングで何を与えるか？という「設計力」が問われることになります

実装例

https://mastra.ai/examples/agents/agentic-workflows

吉波拓夢 | DiningX CTO

吉波拓夢 | DiningX CTO

吉波拓夢 | DiningX CTO

吉波拓夢 『Mastraで学ぶAIエージェント開発』

吉波拓夢『Mastraで学ぶAIエージェント開発』