2pm.space作業までこなすエージェント、
プロンプトに答えるだけでなく
1つのプロンプトから始めても、ワークフローとして仕事を描いても構いません — 適切なドキュメントを見つけ、推論してツールを呼び出し、回答を確認し、必要なときは人に尋ね、返信する。すべての実行で、各ステップが何をして、何を消費して、なぜそうしたかがわかります。
アイデアから、動くエージェントまで3ステップ
描いて、装備して、仕事のある場所に置く。
仕事を描く
1つのプロンプトなら Simple を、キャンバス上のノードとして仕事を並べるなら Agentic を選びます — 検索、推論、確認、分岐を左から右へつないで。
必要なものを与える
ツール、スキル、ナレッジ、メモリを、エージェント全体にも1つのノードにも取り付けられます。すべてのメッセージが通るガードレールも設定します。
仕事に投入する
キャンバス上でテストしたら、受信箱のチャネル、スケジュール、ツールとしての別のエージェント、あるいは MCP クライアントに接続します。
仕事を描く
1つのプロンプトなら Simple を、キャンバス上のノードとして仕事を並べるなら Agentic を選びます — 検索、推論、確認、分岐を左から右へつないで。
必要なものを与える
ツール、スキル、ナレッジ、メモリを、エージェント全体にも1つのノードにも取り付けられます。すべてのメッセージが通るガードレールも設定します。
仕事に投入する
キャンバス上でテストしたら、受信箱のチャネル、スケジュール、ツールとしての別のエージェント、あるいは MCP クライアントに接続します。
ツール付きのプロンプトを超えて
1つのプロンプトだけではこなせない仕事のためのキャンバス。
シンプルか、エージェンティックか
シンプルなエージェントは、システムプロンプトによる1回のモデル呼び出しです — 質問応答、翻訳、要約に向いています。エージェンティックなエージェントはノードのグラフで、複数のステップとその間の判断が必要な仕事に向いています。
16種類のステップ
Agent、Crew、Run Agent、Code、Knowledge Retrieval、Skill Retrieval、Drive Action、Condition、Parallel、Loop、Evaluation、Human Review、Message、Send — それぞれがキャンバスにドラッグして次につなぐカードです。
自分の仕事を自分で確認
Evaluation ノードがルールまたは LLM 判定で回答を採点し、振り分けます — 合格なら先に進み、再試行なら許可した回数までエージェントに差し戻します。
必要な場所に人を
Human Review ノードは、誰かが承認または却下するまで実行を一時停止します。Message ノードは、フローを続ける前に、フォームやボタンで顧客に詳細を尋ねられます。
ツール、スキル、ナレッジ
60種類の組み込みツール、自社の HTTP API と Python、MCP サーバー、そしてツールとしての他のエージェント。スキルは常にプロンプトへ読み込むことも、質問が一致したときだけ読み込むこともできます — 大きなライブラリでも、毎回の呼び出しでトークンを消費しません。
ツールカタログを見るテストして、追跡して、戻す
キャンバスからフローを実行し、各ノードの出力、トークン、コストを確認します。キャンバスのバージョンを保存し、変更がうまくいかなかったときは復元できます。
キャンバスにあるもの
すべてのノード、モデルカタログ、そしてエージェントが動くすべての場所。
推論とアクション
- Agent — 自分自身のモデル、プロンプト、ツールを持ち、推論と行動のループで動く
- Crew — エージェントとタスクからなる CrewAI のクルー
- Run Agent — すでに作成したエージェントを呼び出す
- Code — サンドボックス内の Python または Bash、LLM コストなし
フロー制御
- Start — メッセージが入ってくる場所
- Condition — ルールで分岐、LLM コストなし
- Parallel — 出て行くすべての分岐を同時に実行
- Loop と Exit Loop — リストに対して、あるいは N 回
確認と人
- Evaluation — ルールまたは LLM 判定のあと、合格か再試行か
- Human Review — 承認か却下かで一時停止
- Message — チャットメッセージ、フォーム、またはボタン
- Send — 顧客にメッセージを送って続行
ナレッジとデータ
- Knowledge Retrieval — セマンティック検索、キーワード検索、またはハイブリッド検索
- Skill Retrieval — LLM のステップなしでスキルを照合
- Drive Action — ドキュメント、テーブル、マインドマップ、ストーリーボードを作成・読み取り・更新
- 会話をまたいで保持されるメモリと、すべてのエージェントが共有するワークスペースメモリ
モデル
- Anthropic、OpenAI、Google、DeepSeek
- Alibaba Qwen、Z.AI GLM、xAI、MiniMax
- モデルはワークフロー単位ではなく、Agent ノードごとに選択
- ワークスペースのクレジットから課金 — プロバイダーのキー管理は不要
動く場所
- 受信箱のチャネル：Messenger、Telegram、個人 Zalo、ウェブサイトチャット
- 繰り返しのタイムテーブルで動くスケジューラー
- ツールとして公開された別のエージェント
- Claude Code や Cursor などの MCP クライアント
- 顧客の目に触れる前に Playground で
プロンプト入力欄 vs. エージェントビルダー
同じ仕事を、2通りのやり方で。
1つのプロンプトが検索・推論・確認・返信を一度にこなそうとし、どこで失敗したのか見えない。
それぞれの仕事が独立したノードになり、実行ログには各ノードが受け取ったもの、返したもの、消費したものが記録される。
間違った回答が、そのまま顧客に届く。
Evaluation ノードがそれを捉え、誰かの目に触れる前に差し戻して再試行させる。
リスクのある操作には、開発者が承認ステップを組む必要がある。
手前に Human Review ノードを置くだけで、実行は承認を待つ。
エージェントを壊す変更をしてしまったら、記憶を頼りに作り直すしかない。
変更前のキャンバスのバージョンに復元すればいい。
エージェントビルダーについてのよくある質問
最初のワークフローを作る前に、みんなが聞くこと。