Block が Buzz と Unity Gateway を活用して協調型 AI エージェントを実現する方法

Inside Block, Buzz は、従業員と AI エージェントを共通のワークスペースに統合します。Databricks Unity Gateway を使用することで、Buzz を利用する従業員は最先端モデルやオープンウェイトモデルにアクセスし、さまざまなエージェントハーネスを試しながら、各タスクの効率性フロンティアに基づいた最適な組み合わせを見つけることができます。

AI エージェントが日常業務の一部となるにつれて、Block のチームには、お互いに作業するのと同じ場所でエージェントと協働する方法が必要になりました。Block は、人間と AI エージェントがグループディスカッション、フォーカスされた会話、1対1のやり取りの中で一緒に作業できるオープンソースのコラボレーションスペースである Buzz を開発しました。

Buzz は、エージェントを従業員と同じコラボレーション環境に統合します。ユーザーはエージェントを作成し、その背後にあるモデルやコーディングハーネスを選択して、同僚との会話にそのエージェントを参加させることができます。さまざまな AI ツールを切り替えるのではなく、チームは 1 か所で複数のエージェントと作業できます。 

Block では、 Databricks Unity Gateway が単一の統合を通じて幅広い最先端モデルやオープンウェイトモデルへのアクセスを提供し、Buzz のエクスペリエンスを支えています。これにより、従業員はさまざまなモデルを柔軟に試して、達成しようとしている作業に適合させることができます。

Block Buzz が人間と AI エージェントを 1 つの環境に統合する方法

Buzz は、人間と AI エージェントに、情報を交換し、コンテキストを提供し、タスクで協力するための共通のワークスペースを提供します。  従業員は AI エージェントを作成し、個別に、または同僚と一緒に作業したり、進行中の作業に他の人を招待したりできます。たとえば、従業員がエージェントにコーディングや分析の支援を依頼し、同僚がその作業を確認したり、追加情報を提供したり、フォローアップの質問をしたりすることができます。

Buzz には、Goose の軽量版を組み込んだ独自の組み込みエージェントが含まれており、他のコーディングハーネスやツールもサポートしています。オープンソースプロジェクトである Buzz はモデルに依存せず（モデルアグノスティック）、セルフホストが可能です。つまり、独自のネットワークやシステム上でプライベートに実行できるため、ユーザーはエージェントのデプロイと設定を柔軟に行うことができます。

Block では、従業員がコーディング、アナリティクス、その他の日々の業務に Buzz を使用しています。多くの人が、同僚がすでにコラボレーションしている同じ会話にエージェントを参加させています。

Block Buzz が Unity Gateway を使用して AI モデルにアクセスする方法

Buzz を使用すると、ユーザーは各エージェントの背後にあるモデルやハーネスを選択できます。コーディングタスク、分析的な質問、軽量な日常のリクエストでは、異なるモデルやエージェントハーネスの恩恵を受ける可能性があります。すべてのワークフローに対して単一のモデルに固定するのではなく、Buzz ではエージェントの作成時にその選択を行うことができます。

Unity Gateway は、このエクスペリエンスのモデルアクセスレイヤーを提供します。従業員が Buzz でエージェントを作成する際、推論プロバイダーとして Databricks を選択し、Unity Gateway を通じて利用可能なモデルから選択できます。これには、OpenAI、Anthropic、Google の最先端モデルや、厳選されたオープンウェイトモデルが含まれており、すべて単一の統合を通じてアクセスできます。

新しいモデルが登場し、チームがどのモデルがさまざまなタスクに最も適しているかを学習するにつれて、この柔軟性が重要になります。すべてのエージェントを同じモデルを中心に設計するのではなく、従業員はそれぞれ独自のモデルやハーネスを持つ専門的なエージェントのコレクションを作成し、Buzz でそれらを統合できます。

Block がマルチエージェントワークフローとモデル効率を実験する方法

複数のエージェントが同じタスクで協調する場合、モデルの選択はさらに重要になります。Block は、パフォーマンスとコストにどのように影響するかを理解するために、モデルとエージェントハーネスのさまざまな組み合わせを実験してきました。エンジニアが探索したアプローチの 1 つは、より高性能なモデルを使用して、より小さく効率的なモデルによって駆動されるエージェントチーム全体の作業を調整することです。 

複雑なタスクのすべてのステップに最も高価なモデルが必要なわけではないため、この考え方はシンプルです。調整役のエージェントがより負荷の高い作業を引き受け、他のエージェントがそれぞれの能力に適したタスクを処理します。Buzz では、それらのやり取りを同じコラボレーション環境内で行うことができ、人間がエージェント同士の連携を確認し、作業に参加することができます。

また、Block は、これらのエージェントチームをベンチマークするための社内アプローチも開発しており、エンジニアがさまざまな構成を実験できるようにしています。このアプローチは、チームが AI 開発をどのように捉えているかという、より広範な変化を反映しています。問題はもはや「どの単一モデルのパフォーマンスが最も優れているか」だけでなく、「モデル、ハーネス、エージェントをどのように組み合わせて作業を効果的に完了させるか」ということです。

AI との協働方法の再考

Buzz は、職場における AI の新しい捉え方を反映しています。各エージェントを個別のツールとして扱うのではなく、Block は、人間が同じ場所で複数のエージェントを作成、協調し、調整できる環境を構築しました。

Unity Gateway が最先端モデルやオープンウェイトモデルへのアクセスを提供することで、Block の従業員はモデルとハーネスのさまざまな組み合わせを実験し、協調型 Buzz エスペリエンスの中で各タスクに最適なものを見つけることができます。

Block Buzz と Unity Gateway を使い始める

• Block Buzz を試す: GitHub でオープンソースプロジェクトを探索し、チームと並行して作業するエージェントの構築を開始します。
• Databricks Unity Gateway を探索する: 独自の AI アプリケーションやエージェント向けに、単一の API を介して最先端およびオープンウェイトの AI モデルにアクセスする方法を学びます。

よくある質問

Block Buzz とは何か、また AI エージェントのコラボレーションをどのようにサポートしますか？

Block Buzz は、従業員と AI エージェントがチャンネル、スレッド、ダイレクトメッセージで協力して作業できるオープンソースのコラボレーションワークスペースです。ユーザーはエージェントを作成し、そのモデルやコーディングハーネスを選択し、同じ環境で複数のエージェントや同僚とコラボレーションできます。

Block は Buzz で Databricks Unity Gateway をどのように使用しますか？

Block は、Databricks Unity Gateway を使用して、Buzz 内の最先端モデルやオープンウェイト AI モデルへの一元化されたアクセスを提供します。従業員は、推論プロバイダーとして Databricks を選択し、単一の統合を通じて OpenAI、Anthropic、Google などの利用可能なモデルから選択できます。

企業は異なるエージェントにどのように異なる AI モデルを使用できますか？

企業は、タスクの要件、パフォーマンス、コストに基づいて、AI エージェントに異なるモデルを割り当てることができます。Buzz と Unity Gateway を使用することで、Block の従業員は、すべてのワークフローに 1 つのモデルに依存するのではなく、モデルとエージェントハーネスのさまざまな組み合わせを実験できます。

マルチエージェントワークフローは AI のコストとパフォーマンスの最適化にどのように役立ちますか？

マルチエージェントワークフローにより、チームはタスクの異なる部分に異なるモデルを使用できます。たとえば、より高性能なモデルが複雑な作業を調整し、より小さく効率的なモデルがより単純なタスクを処理できます。Block は、モデルとハーネスの選択がパフォーマンスとコストにどのように影響するかを理解するために、これらの構成を実験しています。

Block Buzz をセルフホストして、さまざまな AI モデルで使用できますか？

はい。Block Buzz はオープンソースであり、モデルに依存せず（モデルアグノスティック）、セルフホストが可能です。複数のモデルとエージェントハーネスをサポートしており、組織は Databricks Unity Gateway と統合して、単一の API を介して最先端モデルやオープンウェイトモデルにアクセスできます。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事