インモビインモビ

import requests
from dotenv import load_dotenv
from google.adk.agents import LlmAgent, LoopAgent, SequentialAgent
from google.adk.models.lite_llm import LiteLlm

load_dotenv(override=True)



STATE_CURRENT_TEXT = "current_text"
STATE_EVAL1 = "evaluation1"
STATE_EVAL2 = "evaluation2"
STATE_EVAL_AGGREGATED = "evaluation_aggregated"


model = LiteLlm(model="openai/gpt-4o")

initial_writer_agent = LlmAgent(
    name="InitialWriterAgent",
    model=model,
    description="Agent to generate initial text.",
    instruction=f"""
あなたは優れたコピーライターです。候補のキャッチコピーを5個程度考えてください。
タイトル以外は出力しないでください。
なお、他のライターたちは以下のようなキャッチコピーで評価を得ていますので参考にしてください: {reference_texts}
""",  
    output_key=STATE_CURRENT_TEXT,
)

def word_counter(word: str) -> int:
    """
    文字列の長さを返す関数
    """
    return len(word)



evaluator1_agent_in_loop = LlmAgent(
    name="EvaluatorAgent1",
    model=model,
    description="Agent to evaluate the generated text based on persona.",
    instruction=f"""
# あなたのペルソナ
{persona1}

# Task
ライターが考えたキャッチコピーを評価します。
{{current_text}} のキャッチコピーを以下の1-4点で評価し、評価結果を理由とともに出力してください。
4: いいねを押したい, 3: 読んでみたい, 2: 特に何とも思わない, 1: 面白くない

キャッチコピーが不適切な場合は、厳しく評価してください。
また、キャッチコピーの長さを `word_counter` ツールで計算し、40文字を超えている場合は、長すぎるのでその旨を理由に書いて1点減点してください。
""",  
    output_key=STATE_EVAL1,
    tools=[word_counter],
)

evaluation_aggregator_agent_in_loop = LlmAgent(
    name="EvaluationAggregatorAgent",
    model=model,
    description="Agent to aggregate evaluations from multiple evaluators.",
    instruction=f"""
{{current_text}}という各キャッチコピーにつき、以下の評価がつきました。

# {persona1} からの評価
{{evaluation1}}

# {persona2} からの評価
{{evaluation2}}

これらの評価を、キャッチコピーごとにまとめ直して出力してください。
""",
    output_key=STATE_EVAL_AGGREGATED,
)

def exit_loop(tool_context):
    print(f"  [Tool Call] exit_loop triggered by {tool_context.agent_name}")
    tool_context.actions.escalate = True
    return {}



refiner_agent_in_loop = LlmAgent(
    name="RefinerAgent",
    model=model,
    description="Agent to refine the text based on the evaluation.",
    instruction=f"""
あなたは優れたコピーライターです。
あなたが以前考えたキャッチコピーは{{current_text}}ですが、これに対して、以下の評価がつきました (それぞれ4点満点)。

# 評価
{{evaluation_aggregated}}

# Task
評価結果をキャッチコピーごとによく読み、まずは「評価者全員が"4点 (いいねを押したい) "と評価したコピー」が存在するかを判定してください。
* もし存在するなら、 `exit_loop` ツールを実行してください。
* そうでなければ、評価を改善するためにキャッチコピーをブラッシュアップし、改善したキャッチコピーを出力してください (最大5個)。

なお、他のライターたちは以下のようなキャッチコピーで評価を得ていますので参考にしてください: {reference_texts}
""",
    tools=[exit_loop],
    output_key=STATE_CURRENT_TEXT,
)

refinement_loop = LoopAgent(
    name="RefinementLoop",
    sub_agents=[
        evaluator1_agent_in_loop,
        evaluator2_agent_in_loop,
        evaluation_aggregator_agent_in_loop,
        refiner_agent_in_loop,
    ],
    max_iterations=5,  
)

root_agent = SequentialAgent(
    name="TextGenerationAgent",
    sub_agents=[initial_writer_agent, refinement_loop],
    description="Agent to manage a sequence of tasks related to text generation.",
)

persona1 = "技術ゴリゴリのデータサイエンティスト。生成AIやLLMに関心が高い"
persona2 = "エンジニア。バズ狙いの誇張したワードは嫌い"

def fetch_articles() -> list[str]:
    url = "https://zenn-api.vercel.app/api/trendTech"
    response = requests.get(url).json()
    return [article["title"] for article in response]


reference_texts = fetch_articles()

.env
agent/
├── __init__.py
└── agent.py

.env

OPENAI_API_KEY={APIキーの値}

[user]: 技術記事のタイトルを考えて。記事の内容は、LLMのマルチエージェントツールであるGoogle社のAgent Development Kit (ADK) に関するものです。このツールを使い、キャッチコピーを自動生成するマルチエージェントを構築した過程を紹介します。複数の役割を持つエージェントをどのように設計し、連携したか、また結果どのような出力が生成されたかもあわせて解説します。タイトルには"Google ADK", "マルチエージェント", "キャッチコピー" (もしくは"コピーライティング") のキーワードを含めたいが、誇張した単語は避けてください。

1. 「Google ADKによるマルチエージェント設計でキャッチコピー自動生成」
   - 評価合計: 6点
   - 評価詳細: 
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: キーワードを含み、端的に内容を伝えるが、インパクトや具体的な利点が不足している。

2. 「Google ADKを用いたマルチエージェントの連携とコピーライティングの実践」
   - 評価合計: 6点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: 読者に興味を引く内容で、文もまとまっているが、インパクトや新規性が不足。

3. 「マルチエージェントを活用したGoogle ADKでのキャッチコピー生成の試み」
   - 評価合計: 6点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: 試みという言葉が興味を引くが、特に強調すべき独自性や深い洞察が不足。

4. 「Google ADKを基にしたマルチエージェントシステムでのコピーライティングの導入」
   - 評価合計: 4点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 2点 (特に何とも思わない)
     - エンジニア: 2点 (特に何とも思わない)
   - 理由概要: 文字数が長く、内容が冗長なため、インパクトに欠けている。

5. 「Google ADKを駆使したキャッチコピー生成におけるマルチエージェントの役割と設計」
   - 評価合計: 4点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 2点 (特に何とも思わない)
     - エンジニア: 2点 (特に何とも思わない)
   - 理由概要: 文字数が長すぎ、内容が複雑で読みにくい。明確な方向性が不足。

1. 「Google ADK × マルチエージェントで進化するキャッチコピー作成の未来」
   - 評価合計: 6点
   - 評価詳細: 
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: インパクトがあり、未来を強調するが、具体的な利点が不足している。

2. 「マルチエージェント活用術：Google ADKで変わるキャッチコピー生成」
   - 評価合計: 8点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 4点 (いいねを押したい)
     - エンジニア: 4点 (いいねを押したい)
   - 理由概要: 簡潔で利点と変化を明確に伝え、実用性が感じられるため高評価。

3. 「Google ADKとマルチエージェント連携による革新的コピーライティング」
   - 評価合計: 8点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 4点 (いいねを押したい)
     - エンジニア: 4点 (いいねを押したい)
   - 理由概要: 革新性を強調し、連携の具体性もあり、期待感がある。

4. 「Google ADK活用法：マルチエージェントで独創的なコピーを生み出す方法」
   - 評価合計: 6点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: 独創性に期待感はあるが、内容が一般的過ぎ具体性が不足。

5. 「キャッチコピー生成の新時代—Google ADKとマルチエージェント改革」
   - 評価合計: 6点
   - 評価詳細:
     - 技術ゴリゴリのデータサイエンティスト: 3点 (読んでみたい)
     - エンジニア: 3点 (読んでみたい)
   - 理由概要: 新時代と改革という言葉で興味を引くが、具体的情報が不足。