OpenSpaceで自己進化するAIエージェントを構築：スキル、MCP、リネージ、低コストな再利用
重要ポイント
- •OpenSpaceは、AIエージェントがタスクをまたいでスキルを構築、永続化、再利用、進化できるように設計されたHKUDSのオープンソースフレームワークである。
- •このチュートリアルでは、Google Colabにおける環境セットアップ、スパースなリポジトリのクローン、編集可能インストール、認証情報の設定、ワークスペース準備を取り上げる。
- •OpenSpaceは、バージョン管理、品質情報、起源タイプ、リネージ記録などのメタデータとともに、進化した能力をSQLiteに保存する。
- •関連する給与タスクとカスタムCSV分析スキルは、エージェントが以前の作業から能力を再利用または派生できることを示している。
- •ストリーミング可能なHTTP MCPサーバーは、MCP互換の外部エージェントクライアント向けに、標準化されたインターフェースを通じてOpenSpaceスキルを公開する。
このチュートリアルでは、OpenSpaceワークフローの構築と検証を順を追って説明する。環境セットアップとスパースなリポジトリのクローンから、ライブタスク実行、スキル進化、MCPベースのエージェント統合までを扱う。HKUDS研究グループが開発したOpenSpaceは、AIエージェントがタスクをまたいで独自の能力を構築、保存、再利用できるようにするオープンソースフレームワークである。これは、現在のエージェントシステムが通常、各対話を新規に開始し、LLMコストを繰り返し発生させるという主要な制約に対応するものだ。プロセスでは、モデル認証情報とワークスペース変数の設定、プロジェクトの編集可能モードでのインストール、非同期Python APIの呼び出し、OpenSpaceが進化した能力をバージョン管理およびリネージメタデータ付きでSQLiteに保存する仕組みの確認を取り上げる。追加の手順として、カスタムSKILL.mdの作成、ホストエージェントスキルの接続、ウォームタスク再利用のテスト、ストリーミング可能なHTTP MCPサーバーの起動、ショーケース用の進化データベースの分析を行い、FIX、DERIVED、CAPTUREDスキルが低コストで再利用可能なエージェント動作をどのように可能にするかを理解する。
環境セットアップ
まず、Pythonランタイムを検証し、必要なAPI認証情報を定義し、OpenSpaceモデルと任意のクラウドアクセス設定を構成する。リポジトリはスパースチェックアウトを使ってクローンされ、パッケージは編集可能モードでインストールされ、OpenSpaceのコマンドラインツールが利用可能であることを確認する。その後、ワークスペースとスキルのディレクトリを作成し、環境設定ファイルを書き込み、必要な変数をエクスポートし、ライブLLM実行が有効かどうかをシステムが検出する。
タスク実行とスキル進化
Google Colabで非同期実行を初期化し、OpenSpace Python APIを通じてタスクを送信するための再利用可能な関数を定義する。最初の給与生成タスクを実行し、その後、実行後分析中にOpenSpaceが進化させたスキルを確認する。SQLiteデータベース構造を調べ、保存されたレコードを表示し、スキルレジストリと型定義にプログラムからアクセスできることを検証する。
次に、関連する給与タスクを送信し、OpenSpaceが以前に生成されたスキルから能力をどのように再利用または派生させるかを観察する。この設計により、同じ問題を毎回ゼロから解くのではなく、反復的なLLM呼び出しと、それに伴うコストおよびレイテンシを削減できる可能性がある。CSVファイルを分析し、構造化されたMarkdownレポートを生成するようエージェントに指示するカスタムSKILL.mdを作成する。OpenSpaceのホストスキルをインストールし、デモ用データセットを生成し、同じ進化型エージェントワークフローを通じてカスタム能力を実行する。
MCPサーバー統合
OpenSpace MCPサーバーをストリーミング可能なHTTPトランスポートで起動し、ローカルのColabエンドポイントにバインドする。AnthropicがAIモデルを外部ツールやデータソースに接続するためのオープン標準として導入したMCP（Model Context Protocol）は、MCP互換のエージェントクライアントが利用できる標準化されたインターフェースをOpenSpaceスキルに提供する。基本的なHTTPリクエストがMCP固有のレスポンスステータスを返す場合でも、サーバープロセスが稼働していることを確認するためにエンドポイントを検査する。外部エージェントがOpenSpaceのワークスペースとスキルディレクトリにアクセスできるようにするMCPホスト設定の例も生成する。
有効なクラウドAPIキーが利用可能な場合、カスタムスキルは条件付きでOpenSpaceクラウドコミュニティにアップロードされる。リポジトリのショーケース用SQLiteデータベースを調べ、保存されたスキル、メタデータ、品質情報、完全な進化リネージを確認する。最後に、スキルを起源タイプ別に集計する。
結論
このチュートリアルでは、エージェント能力がどのように実行、永続化、再利用され、段階的に改善されるかを示す実用的なOpenSpace環境を構築する。Python API、ローカルスキルディレクトリ、SQLiteベースのレジストリ、MCPトランスポート、任意のクラウドスキル共有コマンドを直接扱うことで、ユーザー向けワークフローと基盤となるスキルエンジンアーキテクチャの両方を可視化できる。関連タスクは以前に進化した知識を再利用でき、カスタムスキルは実行時に発見可能になり、リネージ記録は各能力の開発履歴を明らかにする。これにより、Colabで自己進化型かつコスト効率の高いエージェントシステムを構築するための強固な基盤が得られる。フレームワークとコミュニティのスキル共有エコシステムが成熟するにつれ、事前に進化した再利用可能な能力のライブラリ拡大は、エージェントプラットフォームを評価するチームにとって注視すべき重要な要素となる。
このチュートリアルの完全なコードはこちらで入手できる。OpenSpaceプロジェクトのリポジトリはGitHubで公開されている。