私のエージェントがまたツールを誤操作した！

原创：通義ラボ 2026-04-21 17:22 浙江

AgentScope Tunerで、Agentは使うほど賢くなる

丹念に作成したAgentが、いざ本番環境でデプロイするとすぐに失敗する？

業界用語を理解できず、APIを無秩序に呼び出し、ビジネスルールが変更されただけで戦略が無効化……プロンプト（Prompt）を手動で修正し、モデルを交換して再デプロイするたびに、保守コストは高騰していく。

静的なエンジニアリングデプロイメントでは、現実のビジネスの複雑で多様な変化に到底耐えられない。Agentに必要なのは「ワンタイム納品」ではなく、システム化された継続的最適化メカニズムだ。

Agentic AI（自律型AIエージェント）専用に設計されたワンストップ自動最適化エンジン「AgentScope Tuner」が正式にアップグレード！コードのリファクタリングは不要、手動での試行錯誤も不要。開発者が「Agentの作成」と「Agentの最適化」をシームレスに切り替えられるようになり、インテリジェントエージェントは使うほど賢くなる。

今すぐAgentScope Tunerを体験

GitHubリンク：https://github.com/agentscope-ai/agentscope/tree/main/src/agentscope/tuner

ModelScope（魔搭）リンク：https://www.modelscope.cn/organization/AgentScope

推奨サンプル：https://github.com/agentscope-ai/agentscope-samples/tree/main/tuner

公式ドキュメント：https://docs.agentscope.io/tune-agent/tune-your-first-agent

従来のAgent開発プロセスでは、開発と最適化はしばしば分断されている：Agentを作成→データをエクスポート→最適化フレームワークを選択→トレーニング→再エクスポートして本番反映……その間のデータ変換、環境構築、フォーマット調整が煩雑で、「トレーニング時のパフォーマンスは良いのに、本番反映後の効果が悪い」という乖離が起きやすい。

AgentScope Tunerは設計当初からAgentのユースケースに焦点を当てて磨き上げられ、3つの体験アップグレードをもたらす：

Agentネイティブ：開発・調整・デプロイメント・本番反映、ワンクリックでクローズドループ

AgentScope TunerはAgentScopeエコシステムに深く統合され、Agentの研究開発からトレーニング、公開までの全プロセスをシームレスにつなぐ。

既存のAgentワークフローでは、コードをほぼ変更せずに直接最適化を開始できる。データを手動でエクスポートし、フォーマットを揃え、環境を切り替えるといった煩雑な手順を省略し、「トレーニング時の指標」と「本番環境での効果」を真に一致させる。コード記述と効果調整が、ついに同じワークフローの自然な延長線上にある。

統一された体験：複数の最適化戦略、単一のデザイン言語

プロンプト最適化、モデル選定（Model Selection）、強化学習によるファインチューニング（Reinforcement Fine-tuning）のいずれにおいても、AgentScope Tunerは統一されたAPIとデザインパターンを提供する。

異なる最適化手法（Agent RL、プロンプトチューニング（Prompt Tuning））ごとに異なるフレームワークを学習し、複雑な概念や詳細を理解する必要はない。簡潔なインターフェース一套（1セット）を使用するだけで最適化戦略を自由に切り替え、異なる最適化のレイヤーで向上を実現できる。

さらに重要なのはシームレスな統合だ：既存のAgentワークフローにコードをほとんど変更せずにTunerを組み込める。これは、既存システムのリファクタリングを行わずとも、最適化による恩恵を即座に享受できることを意味する。

全ライフサイクルサポート：ゼロハードルで最適化を開始、エキスパートレベルの調整と反復

Agentの最適化は一度きりの作業ではなく、研究開発ライフサイクル全体を貫く継続的なプロセスだ。AgentScope Tunerは各段階に合わせた階段式の最適化パスを設計し、どのフェーズでも最適なツールを提供する：

軽量最適化（研究開発初期）： ハードルゼロで、最適化の方向性を迅速に検証。

モデル推薦（Model Selection）： 市場に出回るモデルが多すぎて見極められない。あなたのシーンに最も適するのはどれか？Tunerは候補モデルの中から自動で評価・選別をサポートし、最も効果の高いバージョンを見つけてコスト削減と効率向上を実現する。

プロンプト最適化（Prompt Tuning）：少量のデータのみで、自動化された検索によりモデルの能力を最大限に引き出すプロンプトテンプレートを見つけ出し、迅速な反復検証を行います。

ディープチューニング（Deep Tuning）：プロンプトとモデル選択の両方でボトルネックに達した場合、パラメータレベルの最適化に移行します。

強化学習ファインチューニング（RFT Tuning）：Trinity-RFTに基づき、実際のインタラクション軌跡から学習し、複雑なAgentワークフローに対してモデルレベルの深度最適化を行います。クラウドトレーニングサービスまたはローカルクラスターを通じて、大規模な分散強化学習（Reinforcement Learning）を実現し、エンタープライズレベルのビジネスシナリオに適応します。

プロジェクトの最初の1行のプロンプトから分散クラスター（Distributed Cluster）での深度トレーニングまで、AgentScope Tunerはいつでも「Agentの作成」と「Agentの最適化」を自由に切り替えることができます。

AgentScope Tunerは、軽量チューニングから深度トレーニングまでをカバーする3つの最適化機能を提供します。

機能1：プロンプト最適化 —— 低コスト、高リターン

モデルを変更せず、プロンプトのみを調整します。自動化された検索アルゴリズムにより、プロンプト空間を体系的に探索し、モデルの能力を最大限に引き出すプロンプトテンプレートを見つけます。

MIPROv2など複数の検索アルゴリズムをサポートし、効率と効果のバランスを柔軟に選択できます。

自動化された反復フロー：候補プロンプトの生成 → 効果の評価 → 選別と最適化 → 再反復。全体を通して過度な介入は不要です。

単なる1回の質問応答の最適化ではなく、Agentの軌跡を対象としたプロンプト最適化をサポートします。

ほとんどのシナリオにおいて、これはコストパフォーマンス最高の初期アプローチです。GPUは不要で、トレーニングデータの蓄積も不要であり、数回の反復で顕著な向上を確認できます。特にプロジェクトの初期段階で最適化アイデアを迅速に検証する場合に適しています。

「

典型シナリオ：Agentの基礎能力はすでに整っているものの、特定のタスクにおいて少し物足りない場合——例えばツール呼び出しの説明が正確でない、計画ステップの表現が明確でないなど。この場合、プロンプトを調整するだけで効果が見られます。

」

機能2：モデル選択 —— コスト削減と効率向上の両立

最新で最大のモデルが必ずしも最適とは限りません。AgentScope Tunerは候補モデルのグループ内で自動評価を行い、カスタムビジネス指標、レイテンシ、トークン使用量を組み合わせて、ワンクリックで総合コストパフォーマンスが最も高い基盤モデルを選択します：

カスタム目標指向：精度、応答速度、トークン消費などの多様な重みを柔軟に設定でき、選定が本当にあなたのビジネスに貢献します。

ワンクリック評価実行：既存のAgentワークフローに自動連携し、テストケースの手動構築が不要で、現在のタスクに最も適したモデルバージョンを迅速に特定します。

コスト無損失置換：候補モデルの効果が同等の場合、軽量モデルを自動推奨し、精度への影響をほぼゼロに保ちつつ、長期的な推論コストを大幅に削減します。

「

典型シナリオ：Agentが最も高価なMAX級モデルで動作し、thinkingモードを有効化すると大量のトークンを消費しますが、実際には90%のリクエストは安価なモデルで直接回答すれば済みます。Model Selectionが最もコストパフォーマンスの高い選択を自動で行います。

」

機能3：強化学習ファインチューニング —— パフォーマンスの天井突破

プロンプト最適化とモデル選択の両方でボトルネックに達した場合、実際のインタラクション軌跡から直接学習し、強化学習アルゴリズムによってモデルパラメータをファインチューニングします。

Agent専用設計：Trinity-RFTフレームワークに基づき、トレーニングパイプラインがマルチターンツール呼び出し（Multi-turn Tool Calling）と複雑な計画にネイティブに対応します。

完全な軌跡の最適化：Agentのエンドツーエンドインタラクション（End-to-End Interaction）を単位とし、単発の質問応答ではなく、タスク完了率を直接向上させます。

柔軟な報酬設計：OpenJudgeなどの評価フレームワークと連携可能で、多次元スコアをトレーニングシグナルに変換します。

エンタープライズレベルのスケーラビリティ：クラウド上の分散クラスターをサポートし、大規模トレーニングのニーズに応えます。

強化学習ファインチューニング（RFT Tuning）は、Agentがモデルパフォーマンスの天井を突破するのを支援します。ツール呼び出しが密集している場合、計画リンクが長い場合、マルチエージェント協業などの複雑なシナリオでは、モデルパラメータのレベルに深く踏み込むことでのみ顕著な効果が得られます。

「

典型シナリオ：Agentが十数個の内部APIを正確に呼び出し、複雑なビジネスルールに従ってレポートを生成し、他のAgentと協業してエンドツーエンドのフローを完了する必要がある場合。プロンプトでは改善の余地がなくなり、モデルも選定済みという状況で、ここでRFTの出番です。

」

デザイン理念を確認したところで、実際の効果を見てみましょう。以下では3つの実例を通じて、異なるシナリオにおけるAgentScope Tunerの能力を示します。

ケース1：Agent最適化への迅速な入門

本ケースでは、既存のMath AgentをTunerで最適化し、ユーザーの数学的問題をより深く理解して回答を与える方法を示します。既存のAgentワークフローでコードの変更をほぼ行わずに、Tunerの3つの最適化機能に迅速に対応できることがお分かりいただけるでしょう。

✅ 第1ステップ：プロンプトチューニング（Prompt Tuning）によるスコア向上の高速化

Tunerのプロンプトチューニング機能を使用すれば、より優れたプロンプトテンプレートを自動的に検索できます。例えば、数学問題の解決を目的としたシンプルなエージェント（Agent）の場合、そのエージェントを最適化するために初期のsystem_prompt（システムプロンプト）をパラメータとして渡します。その後、学習データと検証データを準備すれば、tune_prompt関数を呼び出すだけでワンクリックで最適化を開始できます：

init_prompt = "You are an agent. Please solve the math problem given to you."

optimized_prompt, metrics = tune_prompt(
    workflow=workflow,
    init_system_prompt=init_prompt,
    judge_func=judge_function,
    train_dataset=DatasetConfig(path="train.parquet"),
    eval_dataset=DatasetConfig(path="test.parquet"),
    config=PromptTuneConfig(
        lm_model_name="dashscope/qwen-plus",
        optimization_level="light",  # 軽量最適化
    ),
)

Qwen-Plus上で最適化されたプロンプト：

あなたは綿密な数学家庭教師です。小学から中学レベルの文章題をステップバイステップで解きます。

1. 各問題について、まず物語を推論して主要な数量と関係性を特定します。
2. 次に、整数演算のみを使用して答えを計算する明確で実行可能なPythonコードを記述します。
3. 最後に、\boxed{answer}の形式で解答を表示し、答えが整数であり説明の論理と一致することを確認します。ボックス内の結果を確定する前に、必ず推論とコードを再確認してください。

最適化されたプロンプトは、役割の定義、解答手順（推論→コーディング）、出力仕様（整数演算、フォーマット要件、二重チェック）を明確にし、モデルにより構造化され信頼性の高い解答プロセスの生成を誘導します。✅ 第2ステップ：モデル選択（Model Selection）のコスト权衡

モデル選択の核心は、候補モデルのセットの中から自動評価を行い、現在のアージェント（Agent）とユーザーの目標に最も適合するモデルをエージェントの基盤として選定することです。

※3つのモデルすべてが、第1ステップでQwen-Plus上で特別に最適化されたプロンプトを使用しています

結果によると、選定されたQwen-turboは高精度を維持しつつリソース消費を削減し、Qwen-Maxと比較してトークン（token）数を平均約20.6%節約しています。長期的な運用において、今回のモデル選択は開発者のコストを大幅に削減できます。

✅ 第3ステップ：強化学習ファインチューニング（RFT）による深度微調整

より複雑で挑戦的な数学問題解決のシナリオでは、プロンプトチューニングやモデル選択のみでは、エージェントが複雑な多段階推論ロジックを習得するのは困難な場合があります。そのような場合、強化学習ファインチューニング（RFT：Reinforcement Fine-Tuning）は、「試行錯誤データ」から戦略を自動的に抽出する道筋を提供します。

強化学習ファインチューニング（RFT）を開始する前の準備は、プロンプトチューニングとモデル選択と同じで、以下の3つのステップを完了する必要があります：

エージェントの対話開始点と報酬計算に使用するタスクデータセットの準備；

完全な対話軌跡を生成するためのワークフロー（workflow）関数のカプセル化；

軌跡レベルでの最適化をモデルに指示する評価関数（judge_func）の定義。

設定後、tune()インターフェースを呼び出すだけでエージェントのRFTトレーニングをワンクリックで開始できます。

tune(
    workflow_func=run_react_agent,
    judge_func=judge_function,
    model=TunerModelConfig(model_path="Qwen/Qwen3-0.6B", max_model_len=16384),
    train_dataset=DatasetConfig(path="my_dataset", split="train"),
    algorithm=AlgorithmConfig(
        algorithm_type="multi_step_grpo",
        group_size=8,
        batch_size=32,
        learning_rate=1e-6,
    ),
)

Trinity-RFTはMulti-Step GRPOなどのアルゴリズムをサポートし、大規模なGPUクラスター上でエンドツーエンドのトレーニング（End-to-end training）を効率的に実行できます。結果として、RFT（Reinforcement Fine-Tuning：強化学習による微調整）を施した0.6Bの小型モデルは、精度が約10%向上し、クローズドソースの商用モデルに匹敵する性能を達成しました。

以上より、Math Agentの例において、AgentScope Tunerの3つの能力をそれぞれ適用し、以下の成果を達成しました。

ケーススタディ2： werewolf game（マルチエージェント協調ゲーム）

werewolf gameは古典的なマルチエージェントゲームのシナリオです：エージェントは不完全な情報環境下で異なる役割（狼、村人、予言者、魔女）を演じ、推論、偽装、投票を完了させる必要があり、戦略的推論、欺瞞の識別、チーム協働などの能力に対して極めて高い要求が課されます。

実験設定

私たちは2つの陣営に対してそれぞれ強化学習による微調整（Reinforcement Fine-Tuning）を行いました。

狼陣営：Qwen2.5-7B-Instructを学習可能モデル、Qwen3-30B-A3B-Instructを補助モデルとして使用し、完全なインタラクション軌跡（夜間の協議、昼間の発言、投票）を収集して訓練データとします。報酬関数は以下の通りです：狼の勝利 +1.0 / 村人の勝利 0.0 / 実行エラー -0.1。

善陣営：Qwen3-4B-Instructを学習可能モデルとして、Qwen3-30B-A3B-Instructの狼陣営と対抗させ、予言者、魔女、村人の3つの役割を同時に訓練します。

訓練後、狼陣営はランダムな戦略や頻繁な正体露出から、潜伏偽装や味方を犠牲にして信頼を得る高度な欺瞞戦略へと収束しました。善陣営の各役割は、正体を隠す（予言者）、薬を計画する（魔女）、協調分析する（村人）などの専門能力をそれぞれ習得しました。

結果は、4Bの小型モデルがRL（Reinforcement Learning：強化学習）訓練を経て30Bの強力なモデルを効果的に対抗できることを示しており、マルチエージェントゲームにおける強化学習による微調整の顕著な価値を検証しました。

ケーススタディ3： DeepFinance Agent（エンタープライズ級アプリケーション）

エンタープライズ級エージェントの導入においては、より複雑で多ステップかつ高信頼性が求められるタスクに直面します。AgentScope Tunerは、このような高度なAgentic AIのシナリオに対して、信頼性の高いワンストップの最適化体験を提供します。

DeepFinanceの金融研究エージェントを例に、上場企業の財務報告、株主構造、業界比較、株価計算などの金融ツールを自律的に呼び出し、クロスバリデーションを行い、金融レポートを出力するエージェントを訓練します。

最適化ソリューション：エンドツーエンド強化学習トレーニング

AgentScope Tunerは、DeepFinanceの訓練に必要な4つのモジュールに対してそれぞれ有効なサポートを提供します。

訓練データ：ユーザーの質問と正解例を読み込み、System Promptを動的に組み立てます。

ワークフロー：ReAct Agentの完全なインタラクションロジックをカプセル化し、複数回のツール呼び出し、中間サマリー、追加の証拠収集などの複雑なフローをサポートします。

利用可能なツール：19のMCP（Model Context Protocol）プロトコル準拠金融ツールに接続し、実際の研究環境をシミュレートします。

環境報酬：OpenJudgeに接続して5次元の直交スコアリングシステムを構築し、各レポートについて十分性、規範性、真実性、客観性、表現品質の観点から細粒度な評価を行います。

最適化効果

DeepResearch Bench（https://deepresearch-bench.github.io/）のFinanceサブセットにおいて、訓練前後のエージェントのパフォーマンスをテストしました。

より高水準なレポート品質：レポートスコアは18.4から大幅に47.9へ向上し、テーマ適合性、可読性、十分性、洞察の深さにおいて顕著な改善が見られました。

より客観的なデータ引用：ツール呼び出し率が向上し、エージェントが積極的に複数のソースからデータを収集して主張を裏付けるようになりました。データの真実性は8.0%向上しました。

訓練後のQwen3-30B-A3B ReAct Agentは、金融問題に対する回答パフォーマンスにおいて、パラメータ数がより多いClaude 3.7のクローズドソース商用モデルと同等の性能を達成しました。

詳細な技術情報および効果については、以下を参照してください：https://github.com/agentscope-ai/agentscope-samples/blob/main/tuner/deep_finance/README_zh.md

このケーススタディを通じて、AgentScope Tunerが複雑なエンタープライズ級アプリケーションにおける信頼性を十分に検証でき、予測可能かつ納品可能な成果を達成できることが示されました。

エージェントの前半戦が設計（プロンプトのオーケストレーション、ワークフローの構築）で競われるとしたら、後半戦は最適化と継続的な進化で競われます。

AgentScope Tunerはまさにこの後半戦を支えるインフラストラクチャです：すべてのユーザーインタラクションを成長の養分とし、すべての失敗ケースを改善の方向性へと変換します。

最先端の訓練方法を探求する研究者であれ、効率的な導入を追求するエンジニアであれ、安定したエージェントシステムを必要とする企業であれ——Tunerはアイデアの迅速な検証、低コストでのデプロイをサポートし、使用するほど強くなるAIパートナーを提供します。コミュニティへのご参加をお待ちしております。エージェントの無限の可能性を一緒に探求しましょう。

💬 コメントでプレゼント

エージェントの最適化プロセスで最も深かった失敗体験（ハマったポイント）は何ですか？AgentScope Tunerを使って解決したい具体的なシナリオはどれですか？コメント欄へのご投稿をお待ちしております。いいねトップ3の方には通義カスタムコーヒーカップをプレゼントします～（イベント締切：4月24日11:00）

おすすめ記事

Qwen3.6-35B-A3B オープンソース公開！

このAI（人工知能）を故郷の言葉でテストする勇気がありますか？

WeChatにジャンプして開く