Platform For AI:クイックスタート：コードベースのアプリケーションの作成

前提条件

開始する前に、次の項目を用意してください：

• PAI が有効化された Alibaba Cloud アカウント

• Alibaba Cloud Model Studio の API キー

手順 1：アプリケーションの作成

1. PAI コンソール にログインします。上部メニューでリージョンを選択します (例： China (Hangzhou))。

2. 左側のナビゲーションペインで、[モデルアプリケーション] > [アプリケーション開発 (LangStudio)] を選択します。

3. [アプリケーション] タブで、[アプリケーションの作成] をクリックし、ドロップダウンリストから [コードモード] を選択します。

4. [アプリケーションの作成] ページで、次のパラメーターを設定します。

   パラメータ	説明
   [作成方法]	[Create from Template] を選択し、次に [LLM Basic] を選択します。
   [名前]	アプリケーションの名前を入力します (例： agent_demo)。
   [ランタイムの選択]	ランタイムは、コードを実行およびデバッグするためのコンピューティング環境です。ドロップダウンリストから既存のランタイムを選択します。利用可能なランタイムがない場合は、[新規ランタイム] をクリックして、デフォルト設定で 1 つ作成します。複数のアプリケーションで同じランタイムを共有できます。
   [作業パス]	ワークフロー設定、ログ、一時ファイルを保存するための OSS バケットパスです。ランタイムを選択すると自動的に入力されます。
   説明	(任意) アプリケーションの簡単な説明です。

5. [確認] をクリックします。 LangStudio の開発者ページに移動します。

手順 2：環境変数の設定

左側の EXPLORER パネルで、プロジェクトのルートディレクトリに .env ファイルを作成し、次の内容を記述します：

注意：この操作には、紐付けられて実行中のランタイム環境が必要です。

DASHSCOPE_API_KEY=your-api-key-here

ランタイムは起動時に .env ファイルから環境変数を自動的に読み込みます。

# 変更前：
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"

# 変更後：
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"

手順 3：プロジェクト構造

LLM Basic テンプレートには、すぐに使えるエージェントプロジェクトが含まれています：

project/
├── agent.py          # エントリファイル：FastAPI アプリと API エンドポイントを定義します
├── agent_loop.py     # コアロジック：LLM 呼び出しとツール実行ループを処理します
├── agui.py           # AG-UI Protocol のイベントストリーム変換
├── skills.py         # スキルシステム：スキルの検出、読み込み、実行
├── skills/           # スキルディレクトリ
│   ├── get-current-time/
│   └── create-plan/
├── requirements.txt  # Python 依存関係
├── .env              # 環境変数ファイル (手動で作成)
└── README.md         # 詳細ドキュメント

agent.py はデフォルトのエントリファイルであり、グローバルな FastAPI オブジェクト (app) を公開する必要があります。LangStudio はこのオブジェクトを検出して読み込み、サービスを起動します。

テンプレートの拡張方法の詳細については、README.md を参照してください。

手順 4：エージェントのデバッグ

開発者ページの右上隅にある [実行] をクリックします。LangStudio がランタイムを起動し、コードをロードします。準備が完了すると、右側にデバッグパネルが表示されます。

{
  "question": "What is the weather like in Beijing today?"
}

{
  "answer": "The weather in Beijing today is sunny, with temperatures between 10°C and 20°C."
}

手順 5：サービスのデプロイ

デバッグが完了したら、アプリケーションをスケーラブルなオンラインサービスとしてデプロイします。

1. 開発者ページの右上隅にある[確認]をクリックします。

2. ダイアログボックスで、デプロイリソース、サービス名、Virtual Private Cloud (VPC)、vSwitch を設定します。LangStudio は FastAPI アプリを PAI-EAS サービスとしてパッケージ化します。

   重要

   LLM サービスにはパブリックインターネットへのアクセスが必要ですが、PAI-EAS サービスは、デフォルトでは外部へのインターネットアクセスがありません。これを有効にするには、VPC と vSwitch に NAT ゲートウェイを関連付けてください。関連付けない場合、すべての LLM 呼び出しが失敗します。設定手順については、「Access public or private network resources from EAS」をご参照ください。

3. [デプロイメントフロー] ページで、デプロイ内容を確認し、[デプロイを送信] をクリックします。

4. デプロイには 5～10 分かかります。完了したら、右上隅の [EAS に移動] をクリックします。

5. [概要] タブの [基本情報] セクションで [エンドポイント情報を表示] をクリックして、エンドポイント URL と認証トークンを取得します。

デプロイしたサービスのテスト：

# <EAS_ENDPOINT> と <EAS_TOKEN> を、お使いのエンドポイント URL と認証トークンに置き換えてください。
curl -X POST '<EAS_ENDPOINT>' \
  -H 'Authorization: Bearer <EAS_TOKEN>' \
  -H "Content-Type: application/json" \
  -d '{"question": "What is the weather like in Beijing today?"}'

EAS サービスページのモニタリング機能とトレース機能を使用して、パフォーマンスメトリクスを追跡し、リクエストトレースをリアルタイムで確認できます。

手順 6：エージェントのカスタマイズ

LLM Basic テンプレートは、カスタマイズの出発点です。ここでは、よくある拡張方法を紹介します。

def to_messages(self) -> list:
    return [
        {"role": "system", "content": "You are a professional travel planning assistant. Your answers should be concise, actionable, and presented as a checklist."},
        {"role": "user", "content": self.question},
    ]

def geocode(city: str) -> str:
    """都市の地理座標を取得します。"""
    # 実際の API 呼び出しに置き換えます
    return '{"lat": 39.9042, "lng": 116.4074}'

@app.post("/")
async def query(req: QueryRequest) -> QueryResponse:
    tools = [get_weather, geocode]
    async for chunk in agent_loop(req.to_messages(), tools=tools):
        # ...