Python・Langchain・OllamaでエージェンティックAIを構築する方法（eコマース & 工場自動化向け）

AIは単なるチャットボットから進化し、今や「考えて、計画し、行動する」**エージェンティックAI（Agentic AI）**の時代が始まりました。本記事では、以下の技術を使って現実的なAIエージェントを構築します：

🧠 Langchain：ツール利用・メモリ・エージェントロジックのためのフレームワーク
🔓 Ollama：ローカルで動作するオープンソースLLM（例：LLaMA3、Mistral）
🛒 カスタムツール：eコマースと🏭 工場の自動化に対応

🤔 エージェンティックAIとは？

エージェンティックAIは、以下のような機能を持つ自律型AIシステムです：

過去の会話やアクションを覚える「記憶力」
ゴール達成のためのステップを考える「計画力」
外部のツールやAPIを呼び出す「実行力」
ユーザーの助けなしでも自律的に動作する「自立性」

🧰 技術スタック

技術	説明
Python	メインのプログラミング言語
Langchain	エージェントのフレームワーク
Ollama	LLM（例：LLaMA3）をローカルで実行
カスタムツール	eコマースや工場向けの機能をシミュレート

🧠 エージェントのアーキテクチャ

graph TD
    A["ユーザーの質問"] --> B["Langchain Agent"]
    B --> C["LLM (Ollama経由)"]
    B --> D["会話メモリ"]
    B --> E["ツール選択"]

    E --> F["search_products()"]
    E --> G["track_order()"]
    E --> H["check_production_status()"]
    E --> I["log_factory_issue()"]

    F --> J["商品データベース"]
    G --> K["注文管理システム"]
    H --> L["工場設備DB"]
    I --> M["メンテナンスログ"]

    C -->|"推論＆計画"| B
    D -->|"文脈保持"| B

📦 ステップ1：ツール関数の作成

# tools.py
from langchain.tools import tool

@tool
def search_products(keyword: str) -> str:
    return f"「{keyword}」に一致する商品3件を見つけました：A、B、C。"

@tool
def track_order(order_id: str) -> str:
    return f"注文 {order_id} は配送中です。"

@tool
def check_production_status(machine_id: str) -> str:
    return f"{machine_id} のバッチ #42 は87%完了しています。"

@tool
def log_factory_issue(issue: str) -> str:
    return f"問題「{issue}」を記録し、技術者に割り当てました。"

🤖 ステップ2：Langchain + Ollama でエージェントを構築

# agent.py
from langchain_community.chat_models import ChatOllama
from langchain.agents import initialize_agent, AgentType
from langchain.memory import ConversationBufferMemory
from tools import search_products, track_order, check_production_status, log_factory_issue

llm = ChatOllama(model="llama3")  # 事前に `ollama run llama3` を実行しておく

memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)

agent = initialize_agent(
    tools=[search_products, track_order, check_production_status, log_factory_issue],
    llm=llm,
    agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,
    verbose=True
)

💬 ステップ3：エージェントの起動

# main.py
from agent import agent

print("=== eコマース＆工場向けエージェンティックAI ===")
while True:
    query = input("あなた: ")
    if query.lower() in ['exit', 'quit']:
        break
    result = agent.run(query)
    print("Agent:", result)

🧪 使用例

あなた: ブルートゥーススピーカーを探して
Agent: 「ブルートゥーススピーカー」に一致する商品3件を見つけました：A、B、C。

あなた: 注文番号99123のステータスは？
Agent: 注文 99123 は配送中です。

あなた: A7機の進捗状況は？
Agent: A7 のバッチ #42 は87%完了しています。

あなた: A7が過熱している問題を記録して
Agent: 問題「A7が過熱している」を記録し、技術者に割り当てました。