AutoAgents Rustフレームワーク、Pythonバインディング追加でプロトタイピング対応

RustベースのマルチエージェントフレームワークであるAutoAgentsがPythonバインディングを追加しました。これにより、開発者はPythonでプロトタイピングを行いながら、基盤となるRustコアランタイムをそのまま維持できます。このアプローチは、Rustクレートで使用されている同じプロバイダーインターフェース、パイプライン構成モデル、エージェントビルダー構造、ランタイム概念を維持します。

主な詳細

Pythonバインディングは、ロボティクスなどの分野での迅速な実験や、ローカルAIを必要とするその他のユースケース向けに設計されており、アーキテクチャの変更なしにRustコアに移行できる能力を備えています。このフレームワークは、外部システムの依存関係なしでローカルモデルをサポートします。

以下は、ソースからのバインディングの使用方法を示すドロップイン例です：

from autoagents_llamacpp_cuda import LlamaCppBuilder, backend_build_info

async def main() -> None:
    print("Build info:", backend_build_info())
    
    llm = await (
        LlamaCppBuilder()
        .repo_id("unsloth/Qwen3.5-9B-GGUF")
        .hf_filename("Qwen3.5-9B-Q4_0.gguf")
        .max_tokens(256)
        .temperature(0.7)
        .build()
    )
    
    agent_def = ReActAgent("local_llama_cuda", "You are an helpful assistant").max_turns(10)
    
    handle = await (
        AgentBuilder(agent_def)
        .llm(llm)
        .memory(SlidingWindowMemory(window_size=20))
        .build()
    )
    
    result = await handle.run(Task(prompt="Write one short sentence about Rust."))
    print(result["response"])
    
    print("\n=== Streaming ===")
    async for chunk in handle.run_stream(Task(prompt="What is 10 + 32?")):
        print(chunk)

この例は、いくつかの主要なコンポーネントを示しています：

LlamaCppBuilder - repo_id、hf_filename、max_tokens、temperatureなどのパラメータでローカルLLMを設定
ReActAgent - ターン制限付きでエージェントの動作を定義
AgentBuilder - LLMとメモリコンポーネントでエージェントを組み立てる
SlidingWindowMemory - 設定可能なウィンドウサイズ
同期（run）とストリーミング（run_stream）の両方の実行モード
Taskオブジェクト - プロンプトをカプセル化