agent_framework_ollama

DEMO PRESENTATION Skills で広がる、 クラウドに頼らない AI エージェント Microsoft Agent Framework Agent Tools Skills × Ollama （ローカル LLM）で実装する業務自動化 Approval $ python3 -m multi_skill_demo --provider ollama Session 2026/6/26 エコモット株式会社 ＡＸ研究室 庄内道博

エコモット 株式会社について

00 · DEMO いきなりですが・・・ DEMO を見てもらいます・・・の前に、ちょっと何やっているか説明 Microsoft Agent Framework × Ollama × Skills 02 / 19

01 · SCENARIO デモシナリオ USER REQUEST · ユーザーの依頼 EXPECTED OUTPUTS · 期待される成果物 XLSX q1_sales.xlsx 売上の数値表 2025 年Q1の売上データから、 Excel の売上表、 Word の四半期報告書、報告書レビュー結果を作っ てください。 既存ファイルを上書きする場合は、 DOCX q1_report.docx 表を含む四半期報告書 実行前に確認 してください。 REVIEW W Microsoft Agent Framework × Ollama × Skills review.md 成果物のレビュー結果 07 / 19

02 · TOPOLOGY 構成： Planner → Executor の2エージェント 計画と実行を分けることで、それぞれの責務が明確になる P Planner Agent E Executor Agent 依頼を最大 5ステップの実行計画に分解 計画に従って Skills を使い成果物を作る ツールなし（テキスト生成のみ） SkillsProvider が xlsx / docx / review を読込 Ollama / 軽量モデルで十分 @tool(approval_mode) 計画文をハンドオフ Microsoft Agent Framework × Ollama × Skills → で書込前に承認 Session が会話履歴と承認結果を保持 08 / 19

03 · SKILLS Skills ：手順書を外部化する 業務手順をフォルダ単位でパッケージ化し、エージェントに「読ませる」 # Executor に渡すコード from agent_framework.skills import SkillsProvider skills/ ├─ xlsx/ │ ├─ SKILL.md # 手順書 provider = SkillsProvider ( skill_paths= │ └─ create_xlsx.py "skills" , ├─ docx/ │ ├─ SKILL.md ) agent = │ └─ create_docx.py └─ review/ ├─ SKILL.md Agent ( context_providers=[provider] ) └─ review_report.py MERIT · メリット 手順だけ更新すればコード変更なし。社内共有・第三者配布も SKILL.md 単位で可能。 Microsoft Agent Framework × Ollama × Skills 09 / 19

04 · APPROVAL 承認：書き込み前に必ず止まる Human in the loopにしているけど・・・ Human on the loopも要検討 デコレータ 1行で「人間に確認するまで実行しない」が実現する approval_mode の選択肢 @tool(approval_mode="always_require") def write_sales_xlsx (rows: list[dict]) -> str: always_require """Write outputs/q1_sales.xlsx.""" ... # 呼び出し時、ホストはこう待つだけ 毎回承認を要求 while result.user_input_requests: never_require for req in result.user_input_requests: 承認なしで実行 approved = ask_human (req) 条件付き send_back(req.respond(approved)) Microsoft Agent Framework × Ollama × Skills コードで動的に判定 10 / 19

05 · OBSERVABILITY

観測： trace.jsonl
誰が・いつ・何をしたかが、

と Live Viewer
1行ずつ JSON で残る

{"kind":"mode","mode":"planning" } {"kind":"plan","plan":[…5 steps] }
{"kind":"skill_loaded","skill":"xlsx" } {"kind":"approval","decision":"approved" }
{"kind":"code","code":"…" } {"kind":"tool_end","ok":true }

$ python3 serve_viewer.py ¥
--port 8000
# trace を 1 秒ごとに polling

# plan / mode / approval
{"kind":"verification","status":"OK"}

# skill / code / verify
# をブラウザに動的表示
/viewer.html

MERIT · メリット

全操作が追跡可能。監査にも、 ASSERT 的なトレース採点
にも使える。

Microsoft Agent Framework × Ollama × Skills

11 / 19

06 · DEMO 準備が整ったところで・・・ DEMO を見てもらいます・・・ Microsoft Agent Framework × Ollama × Skills 02 / 19

06 · DEMO 準備が整ったところで・・・ DEMO を見てもらいます・・・ Microsoft Agent Framework × Ollama × Skills 02 / 19

07 · WHERE IT PAYS OFF このデモが 有効な場面 「動くもの」を見せられるので、合意形成と価値提示が一気に進む 定型レポートの自動生成 週次/月次の売上・ KPI ・運用ログから 業務手順の標準化と配布 Excel + Word を生成 Skill = 手順書をリポジトリ管理。誰がやっても同じ品質、更 。人間は数値レビューと承認のみ。 新は SKILL.md を書き換えるだけ。 破壊的操作のある運用作業 オンプレ・閉域での ファイル上書き、設定変更、本番デプロイ。承認ゲートで人 Ollama などのローカル LLMでも動作。データを社外に出さ 間が最終判断、操作履歴は Session に残る。 ずにエージェント業務を試せる。 Microsoft Agent Framework × Ollama × Skills LLM 活用 12 / 19

08 · RUNBOOK 実行手順：そのまま叩けるコマンド まず mock 、次に ollama 、最後にライブ追加 実演の3モード # 0) Live Viewer $ python3 serve_viewer.py --port 8000 # 1) mock（確実に成功） $ 功） $ python3 -m multi_skill_demo ¥ mock 決定論で骨格確認 ollama ローカル LLM実行 Skill追加 SKILL.md 追加のみ --provider mock --step-delay 1 # 後で --provider ollama に # 2) 承認ゲート $ ... --no-auto-approve Microsoft Agent Framework × Ollama × Skills 13 / 19

09 LANDSCAPE エージェント勢力図： MAF の立ち位置 横=オープン⇔マネージド、縦=フレームワーク⇔プロダクト オープンな部品 ベンダー製の土台 LangChain Claude Agent SDK Microsoft Agent Framework = Semantic Kernel + AutoGen 統合 OpenAI Agents SDK Codex CLI (OpenAI) NemoClaw (NVIDIA) Claude Code OpenClaw Microsoft Scout Hermes Claude Cowork 自己ホスト型エージェント Microsoft/統制 Microsoft Agent Framework × Ollama × Skills ChatGPT マネージド製品・サービス オープン/自己ホスト AIラボ製 製品・SDK 17 / 19

10 · LANDSCAPE 比較表 主要プレイヤー比較 種別・統制・ホスティング・用途で俯瞰する KEY MAF＝『作る側 × 統制重視』 。 Skills ・常駐・ローカルは共通項、差別化は 名称 統制・決定性・中立性 。 種別 統制 ホスティング 主用途 フレームワーク ◎ 承認・監査・決定論 自前→Foundry 業務エージェント構築 LangChain フレームワーク △ 自前実装 自前 汎用・試作 Claude Code プロダクト (CLI) ○ 権限・承認 クラウド +ローカル コーディング Codex CLI プロダクト (CLI) ○ 承認・サンドボックス クラウド +ローカル コーディング ChatGPT プロダクト ○ マネージド 汎用対話・作業 Claude Cowork プロダクト ○ マネージド 業務協働 Microsoft Scout プロダクト ◎ Entra ID 常駐 マネージド (M365) 常駐業務の自律 OpenClaw OSSランタイム △ 後付け 自己ホスト 個人常駐・ Skills NemoClaw 統制レイヤ ◎ サンドボックス 自己ホスト 安全な常駐実行 Hermes OSSプロダクト △ メモリ重視 自己ホスト 育つ常駐エージェント Agent Framework (MAF) Microsoft Agent Framework × Ollama × Skills 18 / 19

11 · PROBLEM 業務エージェントの「壁」 チャットボットから 1歩先に行くと、必ず 3つの壁にぶつかる 01 02 03 実行を信頼できるか 知識をどう持たせるか 観測と統制をどう確保するか ファイルを書く・コマンドを叩くな 業務手順・社内ルール・テンプレー 誰が・いつ・何をしたかを記録し、 ど副作用がある操作を、 LLMの判断 トをどうエージェントに教え、再利 必要な箇所で人間の承認を挟めるか だけで走らせて大丈夫か 用可能な形で配るか Microsoft Agent Framework × Ollama × Skills 02 / 19

12 · DESIGN PHILOSOPHY エージェントフレームワークの設計思想 どのフレームワークを選ぶかは、技術選定ではなく「思想の選定」 ENTERPRISE CREATIVE 堅牢・統制・予見可能 柔軟・自律・発見的 型・スキーマで契約を固める ゆるい指示で LLMに任せる 承認・監査・トレースが標準装備 ツールは「使えるなら使う」 ワークフローを明示的にグラフ化 vs 計画は会話の中で動的に変化 テスト可能・再現性重視 プロトタイプ・探索が速い 失敗してもグレースフルに 予期せぬ解にも到達しうる Microsoft Agent Framework × Ollama × Skills 03 / 19

13 · WHERE IT FITS Microsoft Agent Framework の立ち位置 両極の良いところを取り込んだ「エンタープライズ寄りの中庸」 Enterprise Agent Framework MAF が「固める」要素 Creative Agent Framework が「柔らかく残す」要素 型付きツール・関数呼び出し契約 モデル選択 (OpenAI / Azure / Ollama 等) 承認 (approval_mode) Skills による拡張・差し替え と監査ログ セッション・コンテキスト圧縮 AutoGen 由来のマルチエージェント連携 Workflow によるグラフ実行 MCP / A2Aによる外部接続 ・ Semantic Kerne 由来 Microsoft Agent Framework × Ollama × Skills 05 / 19

14 · HOW TO CHOOSE フレームワーク選択の判断基準 「自分のタスクが 2極のどちら寄りか」を最初に決めると外しにくい 判断軸 Enterprise 副作用の重さ DB更新・送金・公開など重い 下書き生成など軽い 監査要件 ログ・承認証跡が必須 本人で完結する作業 ユーザー層 業務担当・他部門への配布 自分・小チームの試行錯誤 失敗コスト 再現性が要る・差し戻しが高価 失敗してもやり直せばよい 業務エージェントは大抵 Enterprise 寄りを選ぶべき 寄り。 Agent Framework Microsoft Agent Framework × Ollama × Skills Creative 寄りを選ぶべき が刺さる領域。 14 / 19

15 · PRIMITIVES 中核要素： 5つの primitives 公式が用意している部品だけで、業務エージェントが組める Agent Tools Skills Approval Session 推論ループの本体 型付きの関数呼び出 外部化された手順書 実行ゲート 状態とコンテキスト LLMクライアントと指示 し approval_mode で承認 会話履歴と圧縮戦略を 文を保持し、ツール呼 @tool デコレータで SKILL.md + ヘルパーを を強制。人間が y/n を返 内蔵。長時間タスクで び出しを含む対話を回 Python 関数をスキーマ SkillsProvider で読込・ すまでツールは走らな も文脈を保つ す 付きツールに変換 Microsoft Agent Framework × Ollama × Skills 配布・差し替え可能に い 06 / 19

16 · EXECUTION MODEL もう一つの軸：直接実行か、コード生成か ツールを直接叩くか、コードを書かせて実行させるか DIRECT ACTION CODE-WRITING ツールを直接呼ぶ コードを書いて実行 型付きツールを名前で直接呼ぶ LLMがPython を書いて実行 1操作=1 ツールで意図が明確 複数操作を 1コードに集約 承認・監査を差し込みやすい vs 柔軟で表現力が高い 出力が安定し再現しやすい run_p ytho n が実行ゲート 複雑な手順は呼び出しが増える 任意コード実行の管理が要る Microsoft Agent Framework × Ollama × Skills (CodeAct) 04 / 19

17 · BUILD 2026 Build 2026 で“標準”になったもの キーノートの概念は、このデモの部品 につながっている Agent Harness ACS ASSERT CodeAct Foundry Hosted 計画と状態管理 実行時ガバナンス トレース採点 コードに集約 local → managed create_plan / request_approval が承認 verify_outputs と run_python がコード実行 ローカル Ollama を将来 update_plan と の介入点になる trace.jsonl が採点対象 行アクション Foundry へ載せ替え set_mode が対応する Microsoft Agent Framework × Ollama × Skills 16 / 19

KEY TAKEAWAYS まとめ 01 設計は2軸で位置を決める 02 堅牢⇔創造、そして直接実行 ⇔コード生成 (CodeAct) で決める 03 Skills と観測で運用に乗せる 手順は SKILL.md で資産化、操作は trace.jsonl に残る Thank you · Questions? Agent Framework は中庸の堅牢系 Agent/Tools/Skills/Approval/Session 04 Build 2026 を承認・監査で固める の概念に地続き Agent Harness ・ ACS・ ASSERT・ CodeAct に対応