tumugi

tumugiは、Rust言語で実装されたAIエージェントシステム構築ライブラリです。PythonのLangchainに相当する機能を提供することを目標としつつ、Rustの並列処理能力を活かした独自の拡張機能を備えています。複数のAI言語モデルプロバイダー（OpenAI、Anthropic、Groq）との統合、効率的な会話履歴管理、Self-Refine機能、そして革新的な適応型マルチロールジェネレータを提供します。

License	Lang	AI	Github

主な機能

1. 適応型マルチロールジェネレータ (Adaptive Multi-Role Generator):

   • 複雑な目標に対し、司令塔エージェントが必要な役割を動的に特定・生成します。
   • 各役割に特化したサブエージェントを自動生成し、並列で稼働させます。
   • Rustの並列処理能力を最大限に活用し、複雑なタスクを効率的に解決します。
   • 目標達成に向けて、役割、チーム、タスクを柔軟に再構成します。

2. AIマルチプロバイダ対応:

   • OpenAI、Anthropic、Groqなど、複数のAI言語モデルプロバイダーに対応しています。
   • 統一されたインターフェースを通じて、異なるプロバイダーのモデルを簡単に切り替えられます。

3. 効率的な会話履歴管理:

   • ConversationBufferWindowMemoryを使用して、AIとの対話の文脈を維持します。
   • メモリ使用を最適化しつつ、重要な情報を保持します。

4. 自己改善機能 (Self-Refine):

   • AIが生成した内容を自動的に評価し、改善するプロセスを提供します。
   • 生成された文章の品質を向上させ、より洗練された出力を実現します。

5. 非同期APIリクエスト処理:

   • Rustの非同期機能を活用し、効率的なAPIコミュニケーションを実現します。

6. RESTful APIインターフェース:

   • axumフレームワークを使用し、高性能なWebAPIを提供できます。

7. カスタムエラー処理:

   • 詳細なエラー情報を提供し、デバッグと問題解決を容易にします。

なぜtumugiを選ぶのか？

• Rustの強みを活かした設計: 並列処理と非同期処理を最大限に活用し、高性能で効率的なAIシステムを構築できます。
• 柔軟性と拡張性: 適応型マルチロールジェネレータにより、一つの目標を達成するために必要な要素を、役割、チーム、タスクに分解し、動的にエージェントを構成できます。
• 統合されたエコシステム: AIマルチプロバイダ対応、会話履歴管理、自己改善機能など、AIアプリケーション開発に必要な要素が統合されています。
• 高度な並列処理: 複数のAIエージェントを効率的に同時稼働させ、複雑な問題解決を加速します。
• 最新の研究に基づく実装: 最新のAI研究成果を取り入れ、常に進化するライブラリです。

セットアップ

1. リポジトリをクローンします：

git clone https://github.com/yourusername/tumugi.git
cd tumugi

2. 必要な環境変数を設定します。プロジェクトルートに .env ファイルを作成し、以下の内容を追加します：

OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GROQ_API_KEY=your_groq_api_key_here

3. 依存関係をインストールし、プロジェクトをビルドします：

cargo build

使用例

適応型マルチロールジェネレータの使用

use tumugi::adaptive_multi_role::AdaptiveMultiRoleSystem;
use dotenv::dotenv;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    dotenv().ok();
    let api_key = std::env::var("OPENAI_API_KEY").expect("API_KEY must be set");
    let model = "gpt-4o-mini".to_string();

    let system = AdaptiveMultiRoleSystem::new(api_key, model)?;

    let goal = "持続可能なスマートシティの設計と実装計画の策定";
    let result = system.process(goal).await?;

    println!("最終結果: {}", result);

    Ok(())
}

この例では、複雑な「持続可能なスマートシティの設計と実装計画の策定」という目標に対して、AdaptiveMultiRoleSystemが自動的に必要な役割（都市計画専門家、環境科学者、ITアーキテクト、エネルギー管理専門家など）を特定し、それぞれの役割に応じたサブエージェントを並列で生成・実行します。これにより、多面的な専門知識を統合し、包括的な解決策を効率的に生成します。

Self-Refine機能の使用

use tumugi::self_refine::SelfRefineSystem;
use dotenv::dotenv;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    dotenv().ok();
    let api_key = std::env::var("OPENAI_API_KEY").expect("OPENAI_API_KEY must be set");
    let model = "gpt-4o-mini".to_string();
    let iterations = 2;
    let memory_size = 10;

    let mut self_refine_system = SelfRefineSystem::new(api_key, model, iterations, memory_size)?;

    let prompt = "AIの倫理的な使用と社会への影響について、500字程度の論述を作成してください。";
    let result = self_refine_system.process(prompt).await?;

    println!("\n最終結果:\n{}", result);

    Ok(())
}

その他の例

• examples/chat_completions_api.rs - チャット完了APIの利用。
• examples/conversation_buffer_window_memory.rs - 会話履歴のメモリ保存。
• examples/use_memory_on_restapi.rs - Web API フレームワーク Axum での利用。

貢献

バグ報告、機能リクエスト、プルリクエストを歓迎します。

ライセンス

このプロジェクトは MIT ライセンス及びApache License 2.0 の下で提供されています。

注意事項

このライブラリは活発に開発中であり、APIは変更される可能性があります。本番環境での使用には注意してください。

開発予定の機能

1. プロンプトテンプレート機能

   • 再利用可能で柔軟なプロンプト設計を可能にする機能。

2. MRKL (MRKL Systems)

   • 複数のAIモデルや外部ツールを組み合わせ、より高度な推論と問題解決を行う機能。

3. ReAct (REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS)

   • 言語モデルに推論と行動を組み合わせる能力を付与し、より動的で適応性の高いAIエージェントを実現する機能。