AI Hub Icon
AIBit AIツールとリソース
ホーム / 実用的なオープンソースプロジェクト

Magentic: Python開発者のためのシームレスなLLM連携

June 04, 2025
実用的なオープンソースプロジェクト
AI Tools Open Source LLMs Multi-Agent Systems

Magentic

プロジェクト概要

Magenticは、大規模言語モデル（LLM）をPythonコードにシームレスに統合するためのPythonライブラリです。@promptや@chatpromptデコレータを用いて、LLMから構造化された出力を返す関数を簡単に作成できます。また、LLMへの問い合わせとツール利用を従来のPythonコードと組み合わせることで、複雑なエージェントシステムを構築することも可能です。

利用方法

  1. インストール: 
    pip install magentic
# または uv を使用
uv add magentic
  2. 設定: OPENAI_API_KEY環境変数を設定して、OpenAIのAPIキーを指定します。他のLLMプロバイダーの設定については、ドキュメントを参照してください。
  3. @promptを使った基本的な利用： 
    from magentic import prompt

@prompt('「{phrase}」にもっと「ダチ」っぽさを加えてください。')
def dudeify(phrase: str) -> str: ...

dudeify("Hello, how are you?")
# 戻り値: "やあ、ダチ！調子どう？元気にしてたか？"
  4. @promptを使った構造化出力： 
    from magentic import prompt
from pydantic import BaseModel

class Superhero(BaseModel):
    name: str
    age: int
    power: str
    enemies: list[str]

@prompt("「{name}」という名前のスーパーヒーローを作成してください。")
def create_superhero(name: str) -> Superhero: ...

create_superhero("Garden Man")
# 戻り値: Superhero(name='Garden Man', age=30, power='Control over plants', enemies=['Pollution Man', 'Concrete Woman'])
  5. @chatpromptを使ったチャットプロンプト： 
    from magentic import chatprompt, AssistantMessage, SystemMessage, UserMessage
from pydantic import BaseModel

class Quote(BaseModel):
    quote: str
    character: str

@chatprompt(
    SystemMessage("あなたは映画好きです。"),
    UserMessage("ハリー・ポッターで一番好きなセリフは何ですか？"),
    AssistantMessage(
        Quote(
            quote="夢にとらわれて、生きることを忘れてはいけない。",
            character="アルバス・ダンブルドア",
        )
    ),
    UserMessage("「{movie}」で一番好きなセリフは何ですか？"),
)
def get_movie_quote(movie: str) -> Quote: ...

get_movie_quote("Iron Man")
# 戻り値: Quote(quote='I am Iron Man.', character='Tony Stark')
  6. FunctionCallを使った関数呼び出し： 
    from typing import Literal
from magentic import prompt, FunctionCall

def search_twitter(query: str, category: Literal["latest", "people"]) -> str:
    """Twitterでクエリを検索します。"""
    print(f"Twitterでカテゴリ「{category!r}」の「{query!r}」を検索しています")
    return "<twitter results>"

@prompt(
    "適切な検索関数を使って、次の質問に答えてください: {question}",
    functions=[search_twitter],
)
def perform_search(question: str) -> FunctionCall[str]: ...

output = perform_search("LLMに関する最新ニュースは何ですか？")
# output: FunctionCall(search_twitter, 'LLMs', 'latest')
output()
# 出力: Twitterでカテゴリ「latest」の「LLMs」を検索しています
# 戻り値: '<twitter results>'
  7. @prompt_chainを使ったプロンプトチェーン： 
    from magentic import prompt_chain

def get_current_weather(location, unit="fahrenheit"):
    """指定された場所の現在の天気を取得します。"""
    return {"temperature": "72", "forecast": ["sunny", "windy"]}

@prompt_chain(
    "{city}の天気はどうですか？",
    functions=[get_current_weather],
)
def describe_weather(city: str) -> str: ...

describe_weather("Boston")
# 戻り値: 'ボストンの現在の天気は72°Fで、晴れ時々風が強いです。'

主な機能

  • 構造化出力: PydanticモデルやPythonの組み込み型を構造化出力に対応しています。
  • ストリーミング: 生成中に構造化出力や関数呼び出しのストリーミングが可能です。
  • LLMを活用したリトライ: 複雑な出力スキーマに対するLLMの順守を向上させます。
  • オブザーバビリティ: OpenTelemetryと統合し、ログ記録とトレースをサポート。Pydantic Logfireとのネイティブ統合も含まれます。
  • 型アノテーション: リンターやIDEとの連携が良好です。
  • 設定: OpenAI、Anthropic、Ollamaなど、複数のLLMプロバイダーに対応しています。
  • チャットプロンプト: 複数ターンでの会話やFew-shotプロンプトが可能です。
  • 並列関数呼び出し: 複数の関数を並行して呼び出すのをサポートします。
  • Vision: LLMによる画像・視覚処理機能を提供します。
  • フォーマット: 出力形式を制御するためのツールがあります。
  • Asyncioサポート: 非同期処理に対応しています。
  • 関数チェーン: LLM駆動の関数を他のLLM関数へのツールとして提供し、複雑なエージェントフローを可能にします。

ターゲットユーザー

大規模言語モデルをPythonアプリケーションに統合したい開発者やエンジニア、特に以下の分野に注力している方に最適です。 * エージェントシステムの構築 * LLMからの構造化データ生成 * LLM駆動の関数によるタスク自動化 * 自然言語入力に基づく動的な関数呼び出しへのLLMの活用

プロジェクトリンク

アプリケーションシナリオ

  • データ抽出と変換: 非構造化テキストから構造化情報（例：名前、住所、製品詳細）を抽出します。
  • コンテンツ自動生成: 製品説明、要約、特定の形式のクリエイティブな文章など、動的なコンテンツを生成します。
  • インテリジェントエージェントとチャットボット: ユーザーの意図を理解し、外部ツール（API、データベース）を呼び出し、構造化された応答を返す会話型エージェントを開発します。
  • ワークフロー自動化: LLMが意思決定を行ったり、定義済みのPython関数を呼び出してアクションを実行したりする自動化されたワークフローを作成します。
  • 自然言語インターフェース: ユーザーが自然言語を使って複雑なシステムと対話できるインターフェースを構築し、Magenticがこれらの入力を関数呼び出しに変換します。
  • コード生成支援: プロンプトに基づいてコードスニペットや関数定義を生成し、構造化出力機能を活用することができます。

この記事を共有

目次

任意のセクションにジャンプ