OnPrem.LLMのAgentExecutorは、クラウドとローカルの両方のモデルを使用して自律型AIエージェントが複雑なタスクを実行できるようにします。このパイプラインは、ツール呼び出しをサポートする任意のLiteLLM対応モデルと連携し、OpenAIのGPT-5.2-Codex、AnthropicのClaude Sonnet 4.5、GoogleのGemini 1.5 Proなどのクラウドモデル、およびOllama、vLLM、llama.cppを介したローカルモデルを扱うことができます。

組み込みツール

デフォルトで、AgentExecutorは9つの組み込みツールへのアクセスを提供します：

• read_file - ファイルの内容全体を読み取る
• read_lines - ファイルから特定の行範囲を読み取る
• edit_file - 検索/置換でファイルを編集する
• write_file - ファイルの内容全体を書き込む
• grep - ファイル内でパターンを検索する
• find - グロブパターンでファイルを検索する
• run_shell - シェルコマンドを実行する
• web_search - ウェブで情報を検索する
• web_fetch - URLからコンテンツを取得して読み取る

設定例

セキュリティ要件に基づいてツールアクセスをカスタマイズできます：

# デフォルトを使用（シェルを含むすべてのツール）：
executor = AgentExecutor(model='anthropic/claude-sonnet-4-5')

デフォルトだがシェルアクセスなし（より安全）：
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    disable_shell=True
)
最小限のツール：
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['read_file', 'write_file']
)
ウェブ調査のみ：
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['web_search', 'web_fetch']
)

サンドボックス化された実行

セキュリティのために、sandbox=Trueを使用してエージェントを一時的なコンテナで実行できます。これは、シェルアクセスを持つエージェントが作業ディレクトリ外のファイルを読み取ったり変更したりする可能性があるため重要です。エージェントは指定された作業ディレクトリ内で動作し、シェルアクセスが与えられない限り、その外部を読み書きすることはできません。

サンドボックス化の基本的な例：

executor = AgentExecutor(
    model='anthropic/claude-sonnet-4-5',
    sandbox=True,
)

result = executor.run(
    task="""
    以下を含むシンプルなPython計算機モジュールを作成してください：
    - add、subtract、multiply、divide関数を持つcalculator.py
    - pytestテストを含むtest_calculator.py
    - すべてのテストが合格すること
    """,
    working_dir='./calculator_project'
)

このアプローチは、セキュリティ境界を維持しながらコーディングタスクを自動化する必要がある開発者に役立ちます。このツールを使用するには、pip install patchpalでPatchPalをインストールする必要があります。