AgentEnv Framework – クイック概要

概要 – AgentEnv Frameworkは、エージェンティック環境（agentenv-framework-protocolを話すコンテナ化されたサービス）を作成、デプロイ、評価するためのPython SDKおよびコマンドラインツール（agent-env）です。環境をDockerイメージとしてパッケージ化し、ゲートウェイの背後で実行し、LLMスタイルのエージェントを向け、エージェントの動作を自動的にスコアリングできます。

主な構成要素

• 環境 – 標準プロトコルを公開するコンテナ化されたサーバー（ローカルDocker、Vercelサンドボックス、またはカスタムマイクロVM）。
• エージェント – プロトコルを介してこれらの環境と対話する、独自のLLM指向コード（または外部サービス）。
• タスク/エピソード – エージェントと環境の間のターンを調整し、タイムアウト、ツール呼び出し、スコアリングを処理する定義されたシナリオ。
• バックエンド – ローカルDocker、Vercelサンドボックス、smol_vmマイクロVM、および成果物用のオプションのクラウドストア（AWS、GCP、TensorLake、Tenki）。
• プラグイン – 新しい環境タイプ、プロバイダー、タスクステップ、またはストレージバックエンドのための拡張ポイント。

典型的なワークフロー

1. 環境を定義する（Dockerfile + agentenv-framework-protocolサーバー）。
2. ビルドして登録する agent-envで（バージョン付きイメージを作成）。
3. タスクを作成する エピソードを説明する（ターン順序、プロンプト、スコアリング）。
4. タスクを実行する agent-env run <task>またはPython SDKを使用して：

   spec = EpisodeSpec.from_task(Task.get("my-task"), turn_timeout=900)
   episode = await spec.start()
   while (turn := await episode.next_turn()) is not None:
       async with turn.tools() as tools:
           ...  # ツールを呼び出し、プロンプトを読み、応答を生成
       await turn.end(response="完了")
   scores = await episode.result()
   

5. スコアを収集する – CLIで表示されるのと同じ数値が、強化学習または評価のために返されます。

インストール – PyPIでagentenv-frameworkとして利用可能。Python ≥ 3.11.4と、ローカルバックエンド用のDockerが必要です。CLIはuv tool install agentenv-framework（またはpip）でインストールし、特定のプロバイダー用の追加機能（[vercel]、[smol]、[aws]など）を追加します。

なぜ重要か – 隔離されたサービスを起動し、LLMエージェントをスコアリングする配管を抽象化し、外部ツール、API、またはカスタムコードを呼び出す必要があるエージェントのベンチマークやトレーニングを容易にします。

リソース

• ドキュメント: https://www.agentenvframework.com/docs
• GitHub: https://github.com/scaleapi/agentenv-framework
• ライセンス: Apache-2.0