LightAgent は、記憶（mem0）、ツール（Tools）、思考ツリー（ToT）を備えた非常に軽量な能動的エージェントフレームワークであり、完全にオープンソースです。これは、OpenAI Swarm よりも簡単なマルチエージェント協調をサポートし、自己学習能力を持つエージェントを簡単に構築でき、stdio および sse 方式で MCP プロトコルに接続できます。基盤モデルは、OpenAI、智谱 ChatGLM、DeepSeek、階跃星辰、Qwen通义千问大モデルなどをサポートしています。同時に、LightAgent は OpenAI ストリーム形式 API サービス出力をサポートし、主要なチャットフレームワークにシームレスに接続できます。🌟
[2026-06-24] LightAgent v0.9.0：永続化 LightFlow checkpoint、resume/rerun、承認ノード、明確なステップ状態、trace メタデータ、Guardrails テンプレート、MemoryPolicy 制御、SharedMemoryPool プロトタイプを追加。
- [2026-06-14] LightAgent v0.8.1：MemoryScope 規約と MemoryPolicy の出所・範囲・信頼度フィルタを追加。
- [2026-06-02] LightAgent v0.8.0：決定的な複数ステップ workflow のための LightFlow を導入。
過去のリリースノートは GitHub Releases を参照してください。
- 軽量で効率的 🚀：極限のシンプル設計で迅速なデプロイが可能、あらゆるスケールのアプリケーションシーンに適しています。（No LangChain, No LlamaIndex）100% Pythonで実装され、追加の依存関係は不要、コアコードはわずか1000行、完全にオープンソースです。
- メモリサポート 🧠：各ユーザーのためにカスタマイズ可能な長期メモリをサポートし、対話の過程でユーザーの個性に応じたメモリを自動管理することにより、エージェントをより賢くします。
- 自主学習 📚️：各エージェントは自ら学ぶ能力を持ち、アクセス権を持つ管理者はそれぞれのエージェントを管理できます。
- ツール統合 🛠️：カスタマイズ可能なツール（
Tools）をサポートし、自動ツール生成が可能で、多様なニーズに応えます。 - 複雑な目標 🌳：反省を伴う思考ツリーモジュール（ToT）を内蔵しており、複雑なタスクの分解と多段階推論をサポートし、タスク処理能力を向上させます。
- マルチエージェント協調 🤖：Swarmよりも簡単に実現できるマルチエージェント協調作業をサポートし、内蔵のLightSwarmが意図の判断とタスクの移転機能を実装し、より賢くユーザー入力を処理できます。
- 独立した実行 🤖：人的介入なしに自律的にタスクツールを呼び出して完了します。
- 多モデルサポート 🔄：OpenAI、智谱ChatGLM、百川大モデル、StepFun、DeepSeek、Qwenシリーズの大モデルと互換性があります。
- ストリームAPI 🌊：OpenAIストリーム形式のAPIサービス出力をサポートしており、主流のチャットフレームワークとのシームレスな統合により、ユーザー体験を向上させます。
- Toolsツールジェネレーター 🚀：APIドキュメントを[Toolsツールジェネレーター]に渡すだけで、数百のカスタマイズツールを短時間で自動生成し、効率を向上させ、創造的な可能性を解放します。
- エージェントの自己学習 🧠️：各エージェントは自身のシーンメモリ機能を持ち、ユーザーの対話から自己学習する能力を備えています。
- 適応型ツールメカニズム 🛠️：無限のツールを追加可能、大量のツールの中から大モデルが候補ツールの集合を選び、無関係なツールをフィルタリングした後、文脈を再び大モデルに提出することによって、トークン消費を大幅に削減できます。
- ワークフロー編成 🔁：LightFlow は明示的な依存関係、出力受け渡し、リトライ、checkpoint、resume/rerun、承認ノード、fallback agent、追跡可能な実行を備えた決定的 workflow を構成します。
- 共有メモリプロトタイプ 🧠：SharedMemoryPool は出所メタデータ、スコープ付き検索、MemoryPolicy 互換結果を備えたインメモリ共有メモリを提供します。
- Guardrails テンプレート 🛡️：入力、ツール、出力の再利用可能な安全ポリシーにより、個人情報の遮断、機密ツールの確認、高リスク引数の検証、出力のマスキングを行えます。
- Runtime Hooks 🧩：順序付き
hooks=[...]ミドルウェアで、run、モデル、ツール、メモリ、LightFlow ステップの各フェーズを監視、置換、ブロックできます。
| レイヤー | 主な API | 用途 |
|---|---|---|
| 単一 Agent 実行 | LightAgent |
モデル呼び出し、ツール、メモリ、ストリーミング、trace、guardrails。 |
| マルチ Agent ルーティング | LightSwarm |
専門 Agent 間の役割ベース委譲。 |
| 決定的 workflow | LightFlow |
DAG、リトライ、checkpoint、承認、resume、rerun。 |
| ツールと統合 | tools、ToolRegistry、MCP |
Python ツール、生成ツール、実行時ロード、MCP サーバー。 |
| メモリ境界 | MemoryPolicy、MemoryScope |
テナント分離、出所、信頼、期限、書き込み許可。 |
| 共有メモリ | SharedMemoryPool |
Agent 間の共有メモリ実験。 |
| 安全制御 | input_guardrails、tool_guardrails、output_guardrails |
プライバシー、ツール確認、リスク引数、出力マスキング。 |
| Runtime hooks | hooks、HookContext、HookDecision |
ライフサイクル境界でのポリシー、監査、マスキング、ルーティング、payload 変更。 |
| 可観測性 | trace=True、agent.export_trace() |
実行、モデル、ツール、エラー、workflow の構造化イベント。 |
LightAgent はデフォルトの呼び出しを簡単に保ちつつ、本番向け制御を段階的に追加できます。
| パターン | 最小呼び出し | 説明 |
|---|---|---|
| 基本応答 | agent.run(query) |
デフォルトで文字列を返します。 |
| ストリーミング | agent.run(query, stream=True) |
OpenAI 互換 chunk を返します。 |
| 構造化結果 | agent.run(query, result_format="object") |
内容とメタデータを返します。 |
| Trace | agent.run(query, trace=True) |
デフォルトの文字列返却を変えずにイベントを記録します。 |
| ユーザーメモリ | agent.run(query, user_id="alice") |
設定済みメモリ backend と MemoryPolicy を使います。 |
| ツール | LightAgent(..., tools=[fn]) |
関数は tool_info を持つべきです。 |
| Guardrails | LightAgent(..., input_guardrails=[...]) |
入力、ツール、出力ポリシーを追加します。 |
| Runtime hooks | LightAgent(..., hooks=[fn]) |
ライフサイクル payload を監視、置換、ブロックします。 |
| Workflow | LightFlow().step(...).run(query) |
決定的な多段階実行に使います。 |
- インストール、モデル、ツール、メモリ、MCP、Skills、ストリーミング、LightSwarm については FAQ を参照してください。
- 決定的 workflow、checkpoint、resume/rerun、承認、fallback agent、ステップ状態については LightFlow を参照してください。
- カスタムツール、ToolRegistry、ToolLoader、AsyncToolDispatcher、MCP については Tools Guide を参照してください。
- 共有長期メモリまたはグラフメモリについては Memory Security Guidance を参照してください。
- SharedMemoryPool については SharedMemoryPool を参照してください。
- メモリ書き込みの受け入れ制御と期限については Memory Admission And Mutation Controls を参照してください。
- 入力、ツール、出力の安全ポリシーについては Guardrails を参照してください。
- payload を監視、置換、ブロックする runtime middleware については Runtime Hooks を参照してください。
- OpenRouter、ローカルモデル、OpenAI 互換プロバイダーについては Model Provider Configuration を参照してください。
- 構造化 trace については Trace Observability を参照してください。
- エージェント協調通信 🛠️：エージェント間で情報を共有し、メッセージを伝達することができ、複雑な情報通信とタスク協調を実現します。
- エージェント評価 📊：エージェントの評価ツールを内蔵しており、構築したエージェントを評価および最適化し、ビジネスシーンに直結し、知能レベルを継続的に向上させます。
- オープンソースで無料 💖：完全にオープンソース、コミュニティ主導で継続的に更新されています。貢献を歓迎します！
- 簡単に始められる 🎯：文書が詳細で、サンプルが豊富で、迅速に始められ、プロジェクトに簡単に組み込むことが可能です。
- コミュニティサポート 👥：活発な開発者コミュニティがあり、いつでも支援と解答を提供します。
- 高性能 ⚡：最適化された設計で高効率に実行され、高い同時実行性のシーンのニーズに応えます。
pip install lightagent（オプションでMem0パッケージをインストール）：
pip install mem0aiまたは、ホスティングプラットフォーム上でMem0をワンボタンで使用できます。こちらをクリック。
from LightAgent import LightAgent
# エージェントの初期化
agent = LightAgent(model="gpt-4o-mini", api_key="your_api_key", base_url="your_base_url")
# エージェントを実行
response = agent.run("こんにちは、あなたは誰ですか？")
print(response)Trace は opt-in で、agent.run() のデフォルト動作との互換性を保ちます。
from LightAgent import LightAgent
agent = LightAgent(model="gpt-4.1", api_key="your_api_key", base_url="your_base_url")
result = agent.run("Hello, who are you?", result_format="object", trace=True)
print(result.content)
print(result.trace_id)
print(result.trace)
for event in agent.export_trace():
print(event["type"], event["data"])LightFlow は workflow checkpoint を永続化し、失敗した実行を最初からではなく途中から再開できます。
from LightAgent import JsonLightFlowStore, LightAgent, LightFlow
research_agent = LightAgent(model="gpt-4.1", api_key="your_api_key", base_url="your_base_url")
writer_agent = LightAgent(model="gpt-4.1", api_key="your_api_key", base_url="your_base_url")
store = JsonLightFlowStore(".lightflow_runs")
flow = (
LightFlow(store=store)
.step("research", agent=research_agent, timeout=30)
.step("write", agent=writer_agent, depends_on=["research"], max_retry=2)
)
result = flow.run("Analyze this company", run_id="report-001", trace=True)
if not result.success:
result = flow.resume("report-001")
print(result.status)
print(flow.get_run("report-001")["steps"])SharedMemoryPool はマルチ Agent 共有メモリ実験向けの軽量インメモリプロトタイプです。
from LightAgent import LightAgent, MemoryPolicy, SharedMemoryPool
shared_memory = SharedMemoryPool(agent_name="writer")
agent = LightAgent(
name="writer",
model="gpt-4.1",
api_key="your_api_key",
base_url="your_base_url",
memory=shared_memory,
memory_policy=MemoryPolicy(
namespace="tenant-a",
allow_unattributed_results=False,
allowed_sources=("user",),
allowed_scopes=("user",),
),
)
agent.run("Remember that I prefer concise reports.", user_id="alice")
print(shared_memory.list_records(user_id="tenant-a:alice"))from LightAgent import LightAgent
# エージェントの初期化
agent = LightAgent(
role="あなたはLightAgentです、ユーザーが多くのツールを使用するのを助ける役立つアシスタントです。", # systemロールの説明
model="deepseek-chat", # 対応モデル：openai、chatglm、deepseek、qwenなど
api_key="your_api_key", # あなたの大モデルサービスプロバイダAPIキーに置き換えます
base_url="your_base_url", # あなたの大モデルサービスプロバイダapi urlに置き換えます
)
# エージェントを実行
response = agent.run("あなたは誰ですか？")
print(response)from LightAgent import LightAgent
# ツールを定義
def get_weather(city_name: str) -> str:
"""
`city_name`の現在の天気を取得
"""
return f"問い合わせ結果: {city_name} は晴れです"
# 関数内部でツール情報を定義
get_weather.tool_info = {
"tool_name": "get_weather",
"tool_description": "指定された都市の現在の天気情報を取得",
"tool_params": [
{"name": "city_name", "description": "問い合わせる都市名", "type": "string", "required": True},
]
}
tools = [get_weather]
# エージェントの初期化
agent = LightAgent(model="qwen-turbo-2024-11-01", api_key="your_api_key", base_url="your_base_url", tools=tools)
# エージェントを実行
response = agent.run("上海の天気を教えてください")
print(response)無限のカスタマイズ可能なツールのサポート。
複数のツールの例： tools = ["search_news", "get_weather", "get_stock_realtime_data", "get_stock_kline_data"]
README には中核的な利用モデルを残し、長い例、アダプタ設定、本番運用の詳細は専用ドキュメントに置いています。
LightAgent は store(data, user_id) と retrieve(query, user_id) を持つ任意のメモリ backend を受け付けます。会話分離には user_id、共有メモリには MemoryPolicy を使います。
tool_info メタデータを持つ Python 関数で Agent に制御された能力を公開します。ToolRegistry、ToolLoader、AsyncToolDispatcher、MCP は Tools Guide を参照してください。
agent.create_tool() は API 文書や自然言語説明からツールコードを生成できます。本番前にレビューとテストを行ってください。
明示的な計画、反省、ツール選択が必要な場合は tree_of_thought=True を有効にします。
LightSwarm は専門 Agent 間で作業を委譲します。役割を狭く保ち、メモリ書き込みをポリシーで制御してください。
agent.run(query, stream=True) はチャット UI や長文出力向けに OpenAI 互換 chunk を返します。
自己学習は MemoryPolicy と組み合わせ、個人情報、期限切れ、無関係な内容を避けるべきです。
LightAgent は組み込み trace または Langfuse で実行を観測できます。
Agent 評価は業務シナリオに対する振る舞いを測定する予定です。
LightFlow は既知の手順で実行するための決定的 workflow 層です。
- ステップ状態：
pending、running、success、failed、skipped、waiting_approval。 - DAG 検証：
flow.validate(strict=True)。 - ステップ制御：
timeout、max_retry、cancel_if、fallback_agent、requires_approval、approval_handler。 - 永続化と復旧：
JsonLightFlowStore、flow.resume(run_id)、flow.rerun_step(run_id, step_name)、flow.get_run(run_id)、flow.list_runs()。
LightFlow を参照してください。
Guardrails は入力、ツール呼び出し、出力を検査する軽量 hook です。
from LightAgent import (
LightAgent,
high_risk_parameter_guardrail,
output_redaction_guardrail,
privacy_input_guardrail,
sensitive_tool_confirmation_guardrail,
)
agent = LightAgent(
model="gpt-4.1",
api_key="your_api_key",
base_url="your_base_url",
input_guardrails=[privacy_input_guardrail()],
tool_guardrails=[
sensitive_tool_confirmation_guardrail(["transfer_money"], approved=False),
high_risk_parameter_guardrail({"amount": lambda value: float(value) <= 1000}),
],
output_guardrails=[output_redaction_guardrail()],
)Guardrails を参照してください。
SharedMemoryPool はマルチ Agent 共有メモリ実験用のインメモリプロトタイプで、MemoryPolicy と併用します。
LightAgent は OpenAI 互換 chat completion endpoint に対応します：OpenAI、OpenRouter、Zhipu ChatGLM、DeepSeek、Qwen、StepFun、Moonshot/Kimi、MiniMax、vLLM、llama.cpp、Ollama、自ホスト gateway。
For provider-specific parameters, base URLs, local model setup, and troubleshooting, see Model Provider Configuration.
- スマートカスタマーサービス：多段階の対話とツール統合により、高効率な顧客サポートを提供します。
- データ分析：思考ツリーとマルチエージェント協調を利用して、複雑なデータ分析タスクを処理します。
- 自動化ツール：自動ツール生成により、カスタマイズツールを迅速に構築します。
- 教育支援：メモリモジュールとストリームAPIを用いて、個別的な学習体験を提供します。
私たちは、あらゆる形態の貢献を歓迎します！コード、ドキュメント、テスト、フィードバックいずれも、プロジェクトに対する大きな助けとなります。良いアイデアやバグを発見した場合は、IssueまたはPull Requestを提出してください。以下は貢献のステップです：
- このプロジェクトをフォーク：右上の
Forkボタンをクリックして、プロジェクトをGitHubリポジトリにコピーします。 - ブランチを作成：ローカルに開発ブランチを作成します：
git checkout -b feature/YourFeature
- 変更をコミット：開発を完了したら、変更をコミットします：
git commit -m 'Add some feature' - ブランチをプッシュ：ブランチをリモートリポジトリにプッシュします：
git push origin feature/YourFeature
- プルリクエストを提出：GitHub上でプルリクエストを提出し、変更内容を説明します。
私たちは迅速にあなたの貢献をレビューします！ご支援ありがとうございます！❤️
LightAgentの開発と実現は、以下のオープンソースプロジェクトのインスピレーションとサポートに寄っています。特に以下の優れたプロジェクトとチームに感謝します：
- mem0：メモリモジュールを提供してくれたmem0に感謝します。
- Swarm：マルチエージェント協調設計のアイデアを提供してくれたSwarmに感謝します。
- ChatGLM3：高性能な中国語大モデルのサポートとデザインのインスピレーションを提供してくれたChatGLM3に感謝します。
- Qwen：高性能な中国語大モデルのサポートを提供してくれたQwenに感謝します。
- DeepSeek-V3：高性能な中国語大モデルのサポートを提供してくれたDeepSeek-V3に感謝します。
- StepFun：高性能な中国語大モデルのサポートを提供してくれたstepに感謝します。
LightAgentはApache 2.0ライセンスの下で使用されます。本プロジェクトは自由に使用、変更、配布できますが、ライセンスの条項を遵守してください。
何か問題や提案がある場合は、いつでもお問い合わせください：
- メール：service@wanxingai.com
- GitHub Issues：https://github.com/wanxingai/LightAgent/issues
あなたのフィードバックをお待ちしております。一緒にLightAgentを強化しましょう！🚀
- さらに多くのツール 🛠️：実用的なツールを継続的に統合し、多くのシーンのニーズに応えます。
- モデルサポートの拡張 🔄：さらに多くの大モデルをサポートするように継続的に拡張します。
- 機能の追加 🎯：実用的な機能をさらに追加し、続々と更新を予定していますのでご期待ください！
- さらなるドキュメント 📚：詳細なドキュメントがあり、豊富なサンプルで迅速に始められ、プロジェクトに簡単に統合できます。
- さらなるコミュニティサポート 👥：活発な開発者コミュニティがあり、いつでも支援を提供します。
- さらなるパフォーマンス最適化 ⚡：継続的にパフォーマンスを最適化し、同時運用のシーンのニーズに応えます。
- さらなるオープンソース貢献 🌟：コードの貢献を歓迎し、より優れたLightAgentの構築に取り組みましょう！
LightAgent - インテリジェンスを軽量化し、未来をシンプルに。 🌈
LightAgent —— 軽量で柔軟、強力な能動的エージェントフレームワークで、迅速にインテリジェントなアプリケーションを構築します！