🐫 CAMELはエージェントのスケーリング法則を見つけることに専念するオープンソースコミュニティです。大規模でこれらのエージェントを研究することで、その振る舞い、能力、および潜在的なリスクについての貴重な洞察が得られると考えています。この分野の研究を促進するため、さまざまな種類のエージェント、タスク、プロンプト、モデル、およびシミュレーション環境を実装・サポートしています。
エージェントのスケーリング法則を見つけることの境界を押し広げるために、(DiscordまたはWeChatで)私たちに参加してください。
🌟 GitHubでCAMELをスターして、新しいリリースについて即座に通知を受け取ってください。
目次
- CAMELフレームワーク設計原則
- なぜあなたの研究にCAMELを使うのか?
- CAMELで何を構築できますか?
- クイックスタート
- テックスタック
- 研究
- 合成データセット
- クックブック(ユースケース)
- 実際のユースケース
- 🧱 CAMELで構築(実世界の製品と研究)
- 🗓️ イベント
- CAMELへの貢献
- コミュニティとお問い合わせ
- 引用
- 謝辞
- ライセンス
このフレームワークは、データ生成と環境との相互作用を通じて、マルチエージェントシステムが継続的に進化することを可能にします。この進化は、検証可能な報酬を伴う強化学習または教師あり学習によって駆動できます。
このフレームワークは、数百万のエージェントを持つシステムをサポートするように設計されており、スケール時の効率的な調整、通信、およびリソース管理を保証します。
エージェントはステートフルメモリを保持し、環境との多段階の相互作用を実行し、複雑なタスクを効率的に処理することを可能にします。
コードのすべての行とコメントは、エージェントのプロンプトとして機能します。コードは明確で読みやすく記述し、人間とエージェント両方が効果的に解釈できることを保証する必要があります。
私たちはマルチエージェントシステムの最先端研究の進展に献身する 100 名以上の研究者で構成されるコミュニティ駆動の研究集団です。世界中の研究者は、以下の理由に基づいて自分たちの研究に CAMEL を選択しています。
| ✅ | 大規模エージェントシステム | 複雑なマルチエージェント環境における創発的な振る舞いとスケーリング法則を研究するために、最大 100 万のエージェントをシミュレートできます。 |
| ✅ | 動的通信 | エージェント間のリアルタイム相互作用を実現し、複雑なタスクに取り組むためのシームレスな協力を促進します。 |
| ✅ | ステートフルメモリ | エージェントに過去のコンテキストを保持して活用する機能を備え、長期の相互作用にわたって意思決定を改善します。 |
| ✅ | 複数のベンチマークのサポート | 標準化されたベンチマークを使用してエージェントのパフォーマンスを厳密に評価し、再現性と信頼性の高い比較を保証します。 |
| ✅ | 異なるエージェントタイプのサポート | 様々なエージェントロール、タスク、モデル、および環境で機能し、学際的な実験と多様な研究応用をサポートします。 |
| ✅ | データ生成とツール統合 | 複数のツールとシームレスに統合しながら大規模な構造化データセットの作成を自動化し、合成データ生成と研究ワークフローを合理化します。 |
CAMEL は PyPI で利用可能であるため、インストール自体は簡単です。ターミナルを開いて以下を実行するだけです:
pip install camel-aiこの例では、CAMEL フレームワークを使用して ChatAgent を作成し、DuckDuckGo を使用して検索クエリを実行する方法を説明します。
- ツールパッケージをインストールします:
pip install 'camel-ai[web_tools]'- OpenAI API キーをセットアップします:
export OPENAI_API_KEY='your_openai_api_key'または、.env ファイルを使用します:
cp .env.example .env
# then edit .env and add your keys- 次の Python コードを実行します:
from camel.models import ModelFactory
from camel.types import ModelPlatformType, ModelType
from camel.agents import ChatAgent
from camel.toolkits import SearchToolkit
model = ModelFactory.create(
model_platform=ModelPlatformType.OPENAI,
model_type=ModelType.GPT_4O,
model_config_dict={"temperature": 0.0},
)
search_tool = SearchToolkit().search_duckduckgo
agent = ChatAgent(model=model, tools=[search_tool])
response_1 = agent.step("What is CAMEL-AI?")
print(response_1.msgs[0].content)
# CAMEL-AI is the first LLM (Large Language Model) multi-agent framework
# and an open-source community focused on finding the scaling laws of agents.
# ...
response_2 = agent.step("What is the Github link to CAMEL framework?")
print(response_2.msgs[0].content)
# The GitHub link to the CAMEL framework is
# [https://github.com/camel-ai/camel](https://github.com/camel-ai/camel).- (オプション)モデルリクエスト/レスポンスログを有効にします:
export CAMEL_MODEL_LOG_ENABLED=true
export CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED=true
export CAMEL_LOG_DIR=camel_logsCAMEL_MODEL_LOG_ENABLED:リクエスト/レスポンス JSON ログを有効にします。CAMEL_MODEL_LOG_MODEL_CONFIG_ENABLED:request.model_config_dictの下にmodel_config_dictをログするかどうかを制御します。設定されていない場合、CAMEL_MODEL_LOG_ENABLEDと同じ値にデフォルト設定されます。CAMEL_LOG_DIR:生成されたログファイルのディレクトリ(デフォルト:camel_logs)。- ログは UTF-8 JSON として書き込まれ、多言語テキスト(例:中国語、日本語、アラビア語)は Unicode エスケープノイズなしで保持されます。
より詳細な手順と追加の設定オプションについては、インストールセクションを参照してください。
実行後、docs.camel-ai.org で CAMEL Tech Stack とクックブックを探索して、強力なマルチエージェントシステムを構築できます。
Python プログラマーと株式トレーダーの役割を演じる 2 つの ChatGPT エージェント間の会話を示す デモを提供しています。このデモは、株式市場のトレーディングボット開発に協力しています。
異なるタイプのエージェント、それらの役割、およびそれらのアプリケーションを探索します。
CAMEL のセットアップで問題が発生した場合は、CAMEL discord でお問い合わせください。
CAMEL-AI エージェントとマルチエージェント社会を構築、運用、拡張するためのコアコンポーネントとユーティリティです。
| モジュール | 説明 |
|---|---|
| Agents | 自律動作のためのコアエージェントアーキテクチャと動作です。 |
| Agent Societies | マルチエージェントシステムと協働の構築および管理のためのコンポーネントです。 |
| Data Generation |

