AIエージェント活用事例集

from crewai import Agent, Task, Crew
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="anthropic/claude-sonnet-4",
    base_url="https://openrouter.ai/api/v1",
    api_key=os.getenv("OPENROUTER_API_KEY")
)

# コードレビューエージェント
code_reviewer = Agent(
    role="シニアコードレビュアー",
    goal="コードの品質、セキュリティ、パフォーマンスを評価する",
    backstory="""10年以上の開発経験を持つシニアエンジニア。
    OWASP Top 10、クリーンコード原則に精通。""",
    llm=llm
)

security_checker = Agent(
    role="セキュリティ専門家",
    goal="セキュリティ脆弱性を検出する",
    backstory="CISSPを持つセキュリティエンジニア",
    llm=llm
)

# レビュータスク
review_task = Task(
    description="""
    以下のコードをレビューしてください:
    {code}

    チェック項目:
    1. コードの可読性と保守性
    2. エラーハンドリング
    3. パフォーマンスの問題
    4. セキュリティリスク
    """,
    agent=code_reviewer,
    expected_output="改善点のリストと優先度"
)

# クルー実行
crew = Crew(agents=[code_reviewer, security_checker], tasks=[review_task])
result = crew.kickoff(inputs={"code": user_submitted_code})

# OpenRouterでマルチモデル活用
class LeadResearchAgent:
    def __init__(self):
        self.fast_model = "openai/gpt-5-mini"  # 大量処理用
        self.smart_model = "anthropic/claude-sonnet-4"  # 分析用

    async def research_lead(self, company_name: str, contact_email: str):
        # Step 1: 基本情報収集（高速・低コストモデル）
        company_info = await self.gather_info(company_name, self.fast_model)

        # Step 2: 深い分析（高性能モデル）
        analysis = await self.analyze(company_info, self.smart_model)

        # Step 3: スコアリング
        score = await self.calculate_score(analysis)

        return {
            "company": company_name,
            "score": score,
            "insights": analysis,
            "recommended_approach": analysis.get("approach")
        }

    async def gather_info(self, company_name, model):
        # LinkedInプロフィール、企業サイト、ニュースを検索
        tools = ["linkedin_search", "web_search", "news_search"]
        results = await asyncio.gather(*[
            self.call_tool(tool, company_name) for tool in tools
        ])
        return self.merge_results(results)

    async def calculate_score(self, analysis):
        # スコアリング基準
        criteria = {
            "company_size": 0.2,
            "industry_fit": 0.3,
            "budget_signals": 0.25,
            "timing": 0.25
        }
        return sum(
            analysis.get(k, 0) * v for k, v in criteria.items()
        )