【AIエージェント活用術 vol.5】専門知識不要！ノーコードでできるAIエージェント開発／なぜ開発が簡単になったのか？／最初の第一歩にオススメなのはDify／実演！AIエージェント開発

概要

PIVOTのAIエージェントスキルセット連載第5回。デルテクノロジーズ協賛のもと、専門知識がなくてもノーコードでAIエージェントを開発できるようになった背景と、代表的な開発プラットフォームの特徴、Difyを使った実演を解説している。

主なポイント

• AIエージェント開発が簡単になった理由は「オープン(オープンソース/オープンウェイト)」「ノーコード」「ローカル」の3キーワードに集約される
• オープンソースのエージェント開発ツールにはDify、Flowise、Langflow(シングルエージェント向け)とCrewAI、AutoGen Studio(マルチエージェント向け)があり、成熟度・更新頻度で選ぶべき
• CrewAIは各エージェントに役割・ツール・タスクを設定しチームとして動かす方式、AutoGen Studioは対話型でエージェント同士に自由に議論させる方式
• オープンウェイトモデルの性能がMMLUベンチマークでクローズドモデルにほぼ追いつき、コストをかけずに業務活用できる段階に到達した
• AI PC(GPU/NPU搭載)の普及とベンダーによるハードウェア最適化済みモデル配布(Hugging Face等)により、ローカルでの推論調整が不要になってきた
• Ollama、LM Studioなど推論エンジンツールによりコマンド不要でモデルをローカル実行できる
• 最初の一歩として推奨されるのはDify。軽量(CPU1〜2コアで動作)、更新頻度が高く、企業導入実績も多い
• Difyで作ったエージェントはAPI公開して社内システムから呼び出す部品的な使い方も可能でロックインを回避できる
• 実演では、Gemini→ChatGPT→Claudeと複数LLMを順番に連携させ、回答生成→ファクトチェック→最終校正を行うマルチLLMチャットフローをDify上でノーコード構築

実践に使えること

• ハルシネーション対策として、1つのLLMの回答を別のLLMに評価・修正させる「複数LLMによる相互チェック」フローをDifyなどのノーコードツールで組んでみる
• 業務の中で発生している具体的な課題(調べ物のファクトチェックなど)を最初のユースケースにしてAIエージェントの試作を始める
• 社内でAIエージェントを試したい場合、まずDifyをローカル環境(Git/Node.js/Dockerインストール、約30分)に構築し、2回目以降はdocker compose upだけで1分程度で起動できる
• 作ったエージェントをすぐ本番導入せず、まずはAPI化して既存システムの一部機能として組み込む使い方を検討する