LLM Agent パターン (Tool 呼び出しループ)
LLM を中心に据え、外部 tool・記憶・検索と往復しながらタスクを遂行させる構成の総称。本 wiki の llm-agent クラスタ全体の背骨。
基本ループ
観測 → LLM が推論 → tool_call を発行 → tool 実行 → 結果を観測 を回答が妥当になるまで繰り返す。tool 呼び出しの標準化が model-context-protocol、その実装フレームワークが langchain-langgraph や pydantic-ai。
ワークフロー型 (固定パイプライン) の例
agent の自律ループまで使わず、プロンプト連鎖で十分なケースも多い。
- zenncast / dify clone: Zenn のトレンド記事を fetch → 各記事を
SUMMARY_PROMPTで要約 → 全要約をSCRIPT_PROMPTでラジオ台本化。3000 文字程度なら分割せず 1 回の生成で出せる。プロンプトの「構成」一つ一つが section に対応。 - 旅程プランナー: ①観光地選定（検索）→ ②スケジュール作成（場所=node・移動=edge のグラフ＋営業時間/時刻表の制約から巡回ルート生成）。
プロンプト設計の論点
- キャラクター/ペルソナ設定: 物語生成 (ai-novelist = AIのべりすと) では姓名・口癖・行動原理・トラウマ等の詳細設定をプロンプトに与える。llm-agent-memory のスキーマ駆動コンテキストと地続き。
- 構造化出力: ゲーム (“LLM に厨房スタッフを動かす overcook”) では LLM に
(move <場所>)のような命令を発行させる。自然言語ではなくパース可能な action 表現を返させるのが要点。 - ChatGPT のプロンプトを Lisp で書く等、形式的記法でプロンプトを構造化する試みもある。