Platform For AI:ワークフロー ノード リファレンス

入力

• 入力リスト：処理するデータのリストです。ノードは各要素を独立したアイテムとしてサブフローに送信し、実行します。

• 出力フィールド：サブフロー内のノードから出力変数を選択し、各アイテムのタスクの結果として使用します。

• 並列数：オプション。同時に実行するタスクの数を制御します。デフォルトは 4 で、有効な範囲は 1 から 10 です。

出力

result：すべてのバッチタスクからの出力結果を含むリストで、入力リストと同じ順序で並びます。入力で指定された「出力フィールド」の実際の出力値を集約します。

関連ノード

ノードパラメータ

• エージェント戦略：使用するエージェントの推論戦略を選択します。現在は、FunctionCalling と ReAct 戦略をサポートしています。

  FunctionCalling

  この機能は、OpenAI Chat API の構造化された tool_calls 定義 (JSON 形式) に基づき、大規模言語モデル (LLM) と外部ツールの連携を可能にします。LLM はユーザーの自然言語による指示を分析し、インテントを自動的に識別して適切なツールを選択し、パラメータを抽出します。その後、システムが該当ツールを呼び出し、その結果をモデルに返して追加の推論を行い、最終的な回答を生成します。

  ユースケースとメリット：

  • 構造化された呼び出し、高い互換性：構造化データを使用してツール名と呼び出しパラメータを明確に定義するため、ツール呼び出しをサポートするすべてのモデルと互換性があります。

  • 安定したパフォーマンス：天気の確認、情報検索、データクエリなど、目的が明確で手順が定義されたタスクに適しています。

  ReAct

  ReAct (Reasoning + Acting) は、プロンプトを使用してモデルが Thoughts と Actions を明示的に生成するように誘導し、マルチステップ推論とツール呼び出しのクローズドループを構築する柔軟な推論戦略です。この戦略は通常、呼び出しプロセスを自然言語で記述します。"Action=xxx, Action Input=xxx" などのテキストを出力してバックエンドのツール実行をトリガーし、その結果をモデルの推論チェーンに注入します。この方法では API レベルの tool_calls を必要としないため、より汎用的なモデルやフレームワークに適しています。

  ユースケースとメリット：

  • 推論能力の強化：モデルに段階的な思考を促し、各ステップで推論ロジックを明示的に表現させます。

  • 戦略の透明性：デバッグ性と解釈性が求められるエージェントアプリケーションに最適です。

  • ツール呼び出しのサポートは不要：構造化出力をサポートしないモデルでも使用できます。

• モデル設定：FunctionCalling 戦略では、ツール呼び出しをネイティブにサポートするモデルが必要です。ReAct 戦略にはこの制約はありませんが、推論能力が高いモデルを選択することを推奨します。

• 会話履歴：会話履歴を有効にすると、エージェントにコンテキストメモリが提供されます。システムは過去の会話メッセージをプロンプトに自動的に含めるため、エージェントは会話の前後関係を理解し、過去の内容を参照できます。たとえば、会話履歴が有効なエージェントは、ユーザーが情報を繰り返さなくても、代名詞 ("he" や "it" など) を解釈できます。

• タスク計画：有効にすると、システムは組み込みの write_todos ツールをエージェントの利用可能なツールに自動的に追加します。複雑なユーザーの質問に対して、エージェントは write_todos ツールを自動的に呼び出してタスクを計画し、ステップごとに実行します。また、最新の情報に基づいて計画を動的に更新します。

• MCP ツールと非 MCP ツール：MCP ツールと非 MCP ツールの両方を設定できます。詳細については、「Configure tools for an Agent」をご参照ください。

• プロンプト設定

  • 入力変数：プロンプトでアプリケーションフローの上流ノードの変数を参照する場合は、現在のノードで対応する入力変数を定義し、その値を上流ノードの変数への参照として設定する必要があります。次の プロンプト セクションでは、二重中かっこ ({{}}) で表される Jinja2 テンプレート構文を使用して、定義した入力変数を参照し、動的なデータ受け渡しを実現できます。

  • システムプロンプト：エージェントのタスク目標とコンテキストを指定し、応答生成を導くために必要な背景情報をモデルに提供します。ReAct 戦略では任意です。

  • ユーザープロンプト：ユーザーの入力またはクエリを受け取り、モデルの応答生成の基礎となります。

• ループ回数：エージェントの最大実行サイクル数を 1～99 の範囲で設定します。エージェントは、次のいずれかの条件を満たすまでタスクを繰り返して応答を生成します：

  • LLM がツール呼び出しによって十分な情報を収集し、完全な結果を生成できると判断した場合。

  • 設定した最大ループ回数に達した場合。

  適切なループ回数を設定すると、応答の完全性と実行効率のバランスを取ることができます。 タスク計画 が有効な場合は、モデルが計画どおりにすべてのステップを十分に実行できるように、デフォルトの最大ループ回数を使用することを推奨します。

• 出力変数：

  • intermediate_steps：エージェントの実行における中間ステップを含む文字列です。

  • text：エージェントの最終出力を含む文字列です。

トレースとログ

アプリケーションフローページの右上にある [Run] をクリックすると、表示されるダイアログボックスの実行結果の下にトレースまたはログが表示されます。

• 中間出力の確認：ワークフロー内のエージェントノードの右上にある実行ステータスアイコンをクリックします。下部のドロワーで、出力内の intermediate_steps を確認して、エージェントの推論プロセスを確認します。

• トレースの確認：現在の実行のトレース情報を確認し、各モデルリクエストのエージェントの入力と出力 (ツール呼び出しとリクエストパラメータを含む)、トークンコスト、および所要時間を把握できます。

• ログの確認：アプリケーションフローでエラーが発生した場合 は、現在の実行ログを確認して、ノード実行プロセスの詳細を把握できます。

また、アプリケーションフローページの右上にある [Run] ボタンの右側のアイコンをクリックすると、実行履歴を確認できます。特定の実行レコードを選択して、そのトレースまたはログを確認します。

入力

• モデル設定：音声認識モデルを設定します。Alibaba Cloud Model Studio が提供する音声認識サービスを現在サポートしています。認識精度の向上と多言語サポートのため、paraformer-v2 の使用を推奨します。

• 音声/動画ファイル：認識する音声ファイルまたは動画ファイルを選択します。サポートされる形式については、「File type input and output」をご参照ください。

• 認識言語：音声認識の言語を指定します。サポートされる言語は、中国語、英語、日本語、広東語、韓国語、ドイツ語、フランス語、ロシア語、または自動検出です。注：この機能は paraformer-v2 モデルでのみサポートされます。他のモデルでは、デフォルトで自動検出が使用されます。

出力

• file_id：入力ファイルの一意の識別子です。

• status：認識ステータスです。指定可能な値は SUCCESS または FAIL です。

• content：文字起こしされたテキストコンテンツです。

• segments：タイムスタンプ、テキストフラグメントなどの詳細を含む、文の断片情報のリストです。

• metadata：次の情報を含むファイルのメタデータです：

  • file_name：ファイル名です。

  • file_type：ファイルタイプです。

  • source_uri：ファイルの URI です。

  • download_url：ファイルのダウンロード URL です。

入力

変換モードは、Jinja2 モードとノード参照モードに対応しています。

• Jinja2 モード：完全な Jinja2 テンプレート構文を使用して出力形式をカスタマイズします。このモードは、複雑な構造化出力、条件付きロジック、およびループによるレンダリングに適しています。

  • テンプレート変数：テンプレートで使用される変数を定義します。

    重要

    変数名を items、keys、values のような Python の組み込みメソッド名にすることはできません。item_list や product_list のような特定のフィールド名を使用してください。

  • テンプレートコンテンツ：Jinja2 構文で書かれたテンプレート文字列です。変数置換 {{ variable }}、ループ {% for %}、条件文 {% if %}、フィルター {{ value | filter }} を含む完全な構文をサポートしています。

    重要

    テンプレートで参照されるすべての変数は、変数リストで定義する必要があります。そうしないと、エラーが発生します。

• ノード参照モード：上流ノードの出力を直接参照し、自動的に文字列に連結します。このモードは、単純なテキストの組み合わせに適しています。

  • テンプレートコンテンツ：上流ノードの出力フィールドを選択します。システムは選択したフィールドを順に自動的に連結します。

出力

output：テンプレートがレンダリングされた後のテキスト結果です。注：入力および出力テンプレートのコンテンツ長は、それぞれ 100,000 文字に制限されています。この制限を超えるコンテンツは切り捨てられます。

使用例

例 1：注文確認メールの生成

変数の設定：

テンプレートコンテンツ：

{{ customer_name }} 様

ご注文 {{ order_id }} が確定いたしました。詳細は以下の通りです：

{% for product in products %}
- {{ product.name }}: ¥{{ product.price }}
{% endfor %}

合計: ¥{{ total }}

ご購入いただきありがとうございます！

出力結果：

田中一郎 様

ご注文 ORD-2025-001 が確定いたしました。詳細は以下の通りです：

- ノートパソコン: ¥8999
- ワイヤレスマウス: ¥199

合計: ¥9198

ご購入いただきありがとうございます！

例 2：ナレッジベース取得結果のフォーマット

変数の設定：

テンプレートコンテンツ：

{% for chunk in chunks %}
### 関連性: {{ "%.2f" % chunk.score }}
#### {{ chunk.title }}
{{ chunk.content }}
---
{% endfor %}

出力結果：

### 関連性: 0.95
#### 製品紹介
これは製品の詳細な紹介です...
---

入力

• 入力リスト：処理対象のリストデータ。文字列、数値、ブール値、ファイルオブジェクト、辞書など、任意のサブタイプに対応しています。

• 操作：順に実行される一連の操作です。フィルタリングとソートの2種類の操作に対応しています。

  • フィルター操作 (filter)：フィルター操作は、入力リストのタイプに基づいて、異なるフィルタリング方法を動的に提供します。注：すべてのフィルター操作は、大文字と小文字を区別します。

    フィルターキー	説明	適用範囲
    インデックス	リスト内の要素の位置に基づいてフィルタリングします。	すべてのリストタイプに適用されます。
    要素の値	要素自体の値に基づいてフィルタリングします。	すべてのリストタイプに適用されます。
    カスタム属性	カスタム属性に基づいてフィルタリングします。	辞書のリストにのみ適用されます。
    ファイル属性	ファイルの属性に基づいてフィルタリングします。	ファイルのリストにのみ適用されます。 利用可能な属性： file_id：ファイル ID。 file_name：ファイル名。 file_type：ファイルの MIME タイプ。 source_uri：ファイルの URI。 download_url：ファイルのダウンロード URL。 category：ファイルカテゴリ。有効な値：document、image、audio、video。 extension：.jpg などの拡張子。

  • ソート操作 (sort)：ソート操作は、入力リストのタイプに基づいて、異なるソート方法を提供します。

    ソートキー	説明	適用範囲
    要素の値	要素自体の値に基づいてソートします。	文字列、数値、またはブール値のリストにのみ適用されます。
    カスタム属性	カスタム属性に基づいてソートします。	辞書のリストにのみ適用されます。
    ファイル属性	ファイルの属性に基づいてソートします。	ファイルのリストにのみ適用されます。利用可能な属性は、フィルター操作と同じです。

出力

• result：処理後のリスト。

• first_item：結果リストの最初の要素。リストが空の場合、値は None です。

• last_item：結果リストの最後の要素。リストが空の場合、値は None です。

使用例

例 1：ファイル分類 - 画像ファイルをフィルタリングし、ファイル名の長さでソートして上位 3 件を取得

シナリオ：ユーザーがさまざまなファイルタイプが混在したリストをアップロードします。画像ファイルをフィルタリングし、ファイル名の長さでソートし、後続の画像認識処理のために上位 3 件のみを保持する必要があります。

操作設定：

操作 1 - フィルター (ファイルカテゴリによる)：
  フィルターキー：item.category
  フィルター演算子：equals
  フィルター値：image

操作 2 - ソート (ファイル名の長さによる)：
  ソートキー：item.file_name
  ソート順：asc

操作 3 - フィルター (上位 3 件を取得)：
  フィルターキー：index
  フィルター演算子：less than
  フィルター値：3

例 2：データ分析 - 高スコアのユーザーをフィルタリングし、上位 5 名を取得

シナリオ：ユーザー評価のリストから、スコアが 80 以上のユーザーをフィルタリングし、スコアの降順でソートして上位 5 名を取得します。

入力リスト：

[
  {"name": "佐藤 健", "score": 95, "department": "技術部"},
  {"name": "鈴木 一郎", "score": 72, "department": "マーケティング部"},
  {"name": "高橋 大輔", "score": 88, "department": "技術部"},
  {"name": "田中 誠", "score": 91, "department": "製品部"},
  {"name": "渡辺 徹", "score": 65, "department": "マーケティング部"},
  {"name": "伊藤 博", "score": 98, "department": "技術部"}
]

操作設定：

操作 1 - フィルター (高スコアのユーザー)：
  フィルターキー：item.score
  フィルター演算子：greater than or equal to
  フィルター値：80

操作 2 - ソート (スコアの降順)：
  ソートキー：item.score
  ソート順：desc

操作 3 - フィルター (上位 5 名を取得)：
  フィルターキー：index
  フィルター演算子：less than
  フィルター値：5

出力結果：

[
  {"name": "伊藤 博", "score": 98, "department": "技術部"},
  {"name": "佐藤 健", "score": 95, "department": "技術部"},
  {"name": "田中 誠", "score": 91, "department": "製品部"},
  {"name": "高橋 大輔", "score": 88, "department": "技術部"}
]

注意事項：

• ツールの入力が Python ノードでカスタム定義された list 型の出力変数を参照する場合、Python ノードでリストの明確な要素型 (例：list[str]) を定義してください。これにより、リスト操作ノードでより正確な演算子マッチングが確保されます。