モデルは急速に進歩しています。GPT-5、クロードソネット、ジェミニ。リリースごとに、より多くの機能が提供されます。しかし、実際の作業のほとんどは、単一のモデルでは解決されません。
開発者は、より複雑なタスクを実行するために連携するさまざまなタイプのエージェントであるエージェントのシステムが必要であることに気づいています。たとえば、情報を見つける研究者、要約するライター、調整するプランナー、正確性を確認するレビュー担当者などです。
課題は、今日、 マルチエージェントシステムの構築が必要以上に困難であることです。エージェント間でコンテキストがきれいに流れません。ツールにはカスタム統合が必要です。チームメイトと共有するということは、指示を送信し、セットアップを再作成してくれることを期待することを意味します。
それが cagent が解決する問題です。
このブログでは、基本、マルチエージェント AI システムを数分で作成する方法、そして cagent がどのようにこれを可能にするかについて説明します。
マルチエージェントシステムとは何ですか?
マルチエージェント システムは、複雑なタスクを完了するために協力する AI エージェントの調整されたグループです。cagent を使用すると、これらのシステムを宣言的に構築して実行でき、複雑な配線や再構成は必要ありません。
cagentの紹介:マルチエージェントシステムを構築するための最良の(そしてオープンソースの)方法
図 1: マルチエージェント オーケストレーションの cagent ワークフロー。
cagent は、エージェントを構築するためのオープンソース ツールであり 、Docker の成長する AI ツールのエコシステムの一部です。
モデル、ツール、ワークフローをつなぐグルーコードを記述する代わりに、 エージェント (またはエージェントのチーム) を 1 つの YAML ファイルで記述します。
- エージェントが使用するモデル (OpenAI、Anthropic、Gemini、またはローカルモデル)
- その役割や指示は何ですか
- 使用できるツール (GitHub、検索、ファイルシステムなど)
- また、必要に応じて、委任するサブエージェント
これにより、エージェントは、どこでも実行して誰とでも共有できる、移植可能で再現可能なアーティファクトに変わります。
cagentが解決しているマルチエージェントの課題
cagent を使用すると、マルチエージェント AI システムをより簡単に作成、実行、共有できます。
- エージェント (およびサブエージェント) をより簡単にオーケストレーション する – ロールと委任 (サブエージェント) を定義します。cagent は通話とコンテキストを管理します。
- エージェントがガードレール付きのツールを使用できるようにする – MCP で検索、GitHub、ファイル、データベースなどの機能を付与します。各エージェントは、リストしたツールのみを取得し、監査可能です。
- Docker Model Runner を介して、OpenAI、Anthropic、Gemini、またはローカル モデルなどの モデルを使用 (およびスワップ) します。システムを書き換えることなくプロバイダーを交換します。
- エージェントをアーティファクトのように扱う – エージェントをコンテナーのようにパッケージ化、バージョン管理、共有します。
Docker cagentでマルチエージェントシステムを構築する方法
実際には次のようになります。
ステップ 1: マルチエージェント システムの定義
version: "2"
agents:
root:
model: anthropic/claude-sonnet-4-0
instruction: |
Break down a user request.
Ask the researcher to gather facts, then pass them to the writer.
sub_agents: ["researcher", "writer"]
researcher:
model: openai/gpt-5-mini
description: Agent to research and gather information.
instruction: Collect sources and return bullet points with links.
toolsets:
- type: mcp
ref: docker:duckduckgo
writer:
model: dmr/ai/qwen3
description: Agent to summarize notes.
instruction: Write a concise, clear summary from the researcher’s notes.
ステップ 2: YAML ファイルを実行する
cagent run team.yaml
コーディネーターが委任し、研究者が集まり、ライターが下書きします。これで、エージェントのチームが機能しています。
ステップ 3: Docker Hubで共有する
cagent push ./team.yaml org/research-writer
これで、チームの誰もが以下でまったく同じセットアップを実行できるようになりました。
cagent run docker.io/org/research-writer
これは完全なマルチエージェントワークフローであり、 5 分以内に構築および共有されます。
第一原則:cagentが機能する理由
これらの原則により、cagentはAIエージェントをオーケストレーションするための使いやすくカスタマイズ可能なマルチエージェントランタイムを維持します。
- 宣言型>命令型です。マルチエージェントシステムは、ロール、ツール、トポロジーなど、主に配線です。YAML は、その配線を宣言型に保ち、定義、読み取り、レビューを容易にします。
- アーティファクトとしてのエージェント。エージェントは、プルし、固定し、信頼できるポータブルアーティファクトになります。
- 表面積が小さい。エージェントの調整という 1 つの仕事をうまくこなすシンランタイム。
開発者がcagentで構築しているもの
開発者はすでに、cagent を使用してさまざまなマルチエージェントのユースケースを模索しています。以下にいくつかの例を示します。
1。PR と課題のトリアージ
- コレクターは 、PR/問題、ラベル、失敗したチェックを読み取ります
- ライター がコメントまたは変更ログを下書きする
- コーディネーター はルールを適用し、エッジケースをルーティングします
2。研究の要約
- 研究者 が情報源を見つけて引用する
- ライター はクリーンな要約を作成します
- レビュアーが 幻覚と口調をチェックします
3。ナレッジ ルーティング
- ルーターが 要求を分類する
- KB エージェント が内部ドキュメントを照会する
- 編集者は エスカレーション前にPIIを削除します
それぞれが同じ方法で始まります: YAML ファイルとアイデア。また、レジストリにプッシュして、誰でも実行できます。
今すぐ始める
cagentは、マルチエージェントシステムを構築するための最速の道を提供します。オープンソースで使いやすく、開発者がすでに作業する方法に合わせて構築されています。エージェントを定義し、ローカルで実行し、共有する作業をすべて数行の YAML で行します。
YAMLが入り、エージェントが出ます。
開始するには、次のコマンドを実行します。
brew install cagent
cagent new
cagent run agent.yaml
さらに詳しく
- 技術的な詳細は、 cagentのドキュメントから入手してください。
- 皆さんのご意見をお聞かせください。DockerコミュニティSlackに参加してください。
- AI と Docker に関するその他のトピックをご覧ください。
- Docker Navigator ニュースレターを購読してください。
