PraisonAI × CrewAI で作る AI記事生成システム(GoogleColab付)

はじめに
必要なライブラリのインストール
検索ツールの実装
エージェント設定（YAML）
メイン処理の実装
実行結果：AIが生成した記事
1. シニアリサーチアナリストによる詳細レポート
2. コンテンツストラテジストによるブログ記事
使い方の説明
注意点
GoogleColab 📒ノートブック
1. 関連

はじめに

このチュートリアルでは、PraisonAIとCrewAIを使用して、AIによる自動記事生成システムを構築する方法を解説します。
リサーチャーとライターの2つのAIエージェントが協力して、最新のAI技術動向をリサーチし、読みやすい記事を生成します。
最後に、実際に生成された記事の例も紹介します。

オープンソースAIエージェントフレームワーク「PraisonAI」のCookbookを順番にやっていく①
～AI記事生成エージェントの実装～ https://t.co/cQjETyqTxD pic.twitter.com/DEXpTS1d4c

— Maki@Sunwood AI Labs. (@hAru_mAki_ch) January 5, 2025

必要なライブラリのインストール

# 依存ライブラリをインストール（出力を非表示）
%pip install langchain_community > /dev/null
%pip install praisonai[crewai] > /dev/null
%pip install duckduckgo_search > /dev/null

検索ツールの実装

from duckduckgo_search import DDGS
from praisonai_tools import BaseTool

class InternetSearchTool(BaseTool):
    name: str = "インターネット検索ツール"
    description: str = "クエリや最新ニュースに基づいてインターネットから関連情報を検索するツール"

    def _run(self, query: str):
        ddgs = DDGS()
        results = ddgs.text(keywords=query, region='jp-jp', safesearch='moderate', max_results=5)
        return results

エージェント設定（YAML）

agent_yaml = """framework: "crewai"
topic: "2024年のAI技術進展について"
roles:
  researcher:
    role: "シニアリサーチアナリスト"
    backstory: |
      あなたは技術研究グループのエキスパートで、トレンドの特定とデータ分析に長けています。
    goal: "AIとデータサイエンスにおける最新の進展を明らかにする"
    verbose: true
    allow_delegation: false
    tools:
      - "インターネット検索ツール"
    tasks:
      task1:
        description: |
          2024年のAI技術の進展を分析。主要なトレンド、新技術、およびその影響を調査し、
          詳細なレポートを作成してください。
        expected_output: "2024年のAI主要トレンド、新技術、その影響についての詳細レポート"
  writer:
    role: "テクノロジーコンテンツストラテジスト"
    backstory: |
      あなたは複雑な技術トピックを興味深く、わかりやすく説明することで知られるコンテンツ
      ストラテジストです。
    goal: "技術進展について魅力的なコンテンツを作成する"
    verbose: true
    allow_delegation: true
    tasks:
      task2:
        description: |
          得られた知見を基に、AIの主要な進展についてのブログ記事を作成してください。
          技術愛好家向けに、興味深く、明確で、少なくとも4段落以上の記事にしてください。
        expected_output: "技術愛好家向けの、AIの主要な進展に関する4段落以上の魅力的なブログ記事"
dependencies: []
"""

メイン処理の実装

import os
from praisonai import PraisonAI
from google.colab import userdata

# エージェント設定を使用してPraisonAIインスタンスを作成
praisonai = PraisonAI(agent_yaml=agent_yaml, tools=[InternetSearchTool])

# Google Colabの左側で🔑「シークレット」にOPENAI_API_KEYを追加するか、以下に直接入力してください
os.environ["OPENAI_API_KEY"] = userdata.get('OPENAI_API_KEY') or "ここにOPENAI_API_KEYを入力"
os.environ["OPENAI_MODEL_NAME"] = "gpt-4-turbo-preview"

# PraisonAIを実行
result = praisonai.run()

# 結果を表示
print(result)

実行結果：AIが生成した記事

以下が、このシステムを実際に実行して生成された記事の例です：

シニアリサーチアナリストによる詳細レポート

2024年のAI技術の進展に関する詳細レポート

主要トレンド
- 生成AIの深化と産業応用の拡大
- AI倫理と規制の強化
- エッジAIの普及
新技術
- 量子コンピューティングのAI応用
- マルチモーダルAIモデルの進化
- 自律AIシステムの開発
影響
- 産業界での効率化と生産性向上
- 雇用市場の変化と新スキルの需要
- プライバシー、バイアス、セキュリティへの影響

コンテンツストラテジストによるブログ記事

2024年のAI技術の進化とその影響

2024年は、AI技術の進化において重要な年となりました。特に生成AI技術が深化し、自然言語処理や画像生成の分野での応用が飛躍的に進展しています。生成AIは、クリエイティブ産業やカスタマーサービスにおいて、一貫性のある高品質なコンテンツを提供する能力を持つようになり、多くの企業がその可能性を活用し始めています。この進化により、AIは単なるツールを超え、人間の創造力を補完するパートナーとしての役割を担いつつあります。

一方で、AIの社会的影響が増大する中、倫理と規制の強化も重要なトレンドとして浮上しています。2024年には、多くの国でAI倫理に関する法整備が進み、企業には透明性と説明責任が求められています。この動きは、AI技術がもたらす潜在的なリスクを軽減し、信頼性の高いシステムの構築を促進しています。AIが人々の日常生活に深く浸透する中で、倫理的なAI開発は今後ますます重要性を増していくでしょう。

技術の側面では、量子コンピューティングのAI応用やマルチモーダルAIモデルの進化が注目されています。量子コンピューティングは、AIアルゴリズムの高速化を可能にし、複雑な問題解決においてAIの性能を飛躍的に向上させる可能性があります。また、テキスト、画像、音声など複数のデータ形式を統合して分析できるマルチモーダルAIモデルは、より直感的で人間のような理解を持つAIアプリケーションの開発を加速させています。これにより、AIシステムはより自然で人間に近いコミュニケーションを実現し始めています。

これらの進展は、産業界にも大きな影響を与えています。AI技術の進化により、製造業、医療、金融、農業など多くの分野で効率化と生産性の向上が実現されています。特に、AIによる予測分析や最適化技術は、在庫管理や需要予測において重要な役割を果たし、企業の競争力を高めています。しかし、同時に雇用への影響も無視できません。AIの普及により、新たな職種やスキルの需要が生まれ、従来の仕事の一部が自動化されることで、労働市場に変化が生じています。AIを取り巻く社会的課題に対応しつつ、その恩恵を最大限に活用することが、今後の課題となるでしょう。