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。🌟

---

ニュース

• [2026-08-15] LightAgent v0.9.7 リリース：オフライン検証とサンプルを備えた軽量かつ依存関係のない Connector 契約、Python executor のセキュリティ検査、オプトインの Mem0 Graph セキュリティ検証マトリクスを追加し、公開 API 互換性一覧によって v1.0 の安定化に備えました。
• [2026-07-30] LightAgent v0.9.6 リリース：本番向け Trace 要約とエクスポーター、決定的評価、ツール・handoff・LightFlow の永続的な人間承認、共有 Graph Memory の fail-closed 書き込み承認と監査制御を追加。
• [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。

---

✨ 特徴

• 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。
• 評価と人間レビュー 📊：LightEvaluator は決定的な回帰評価を実行し、HumanApprovalHook、永続 review store、LightFlow checkpoint は承認、拒否、引数編集、feedback を支援します。

🧭 アーキテクチャ概要

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。

主要な利用パターン

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。

📋 ドキュメント

• 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。
• 決定的な回帰評価については Evaluation Harness を参照してください。
• ツール/handoff 承認、永続レビュー、feedback については Human Review を参照してください。

🚧 近日公開

• 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。

🌟 なぜLightAgentを選ぶのか？

• 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。

---

🛠️ クイックスタート

LightAgent最新バージョンのインストール

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。

Hello worldのサンプルコード

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)

実行 Trace を確認する（v0.7.0）

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 実行を checkpoint する（v0.9.0）

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 を使う（v0.9.0）

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"))

systemプロンプトを使ってモデルの自己認識を設定する

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)

ツール使用のサンプルコード

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"]

---

機能詳細

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。

1. 分離可能なメモリモジュール（mem0）

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。

2. ツール統合

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。

3. ツール生成器

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。

4. 思考ツリー（ToT）

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。

5. マルチ Agent 協調

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。

6. ストリーミング API

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。

7. Agent 自己学習

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。

8. Trace と Langfuse

LightAgent は組み込み trace または Langfuse で実行を観測できます。

9. Agent 評価

LightEvaluator は決定的な業務ケースに対して出力、ツール選択、ポリシーイベント、回復、遅延、usage、推定コストを測定します。

10. LightFlow Workflow

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。

11. Guardrails

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。

12. SharedMemoryPool

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。

主流エージェントモデルサポート

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.

使用シーン

• 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。

---

🛠️ 貢献ガイドライン

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：

1. 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。
2. 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
   

3. 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'
   

4. 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
   

5. 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！❤️

---

🙏 謝辞

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。

---

📄 ライセンス

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。

---

📬 お問い合わせ

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！