人工知能は急速に進化していますが、ほとんどのAIツールは依然としてお馴染みのパターンに従います。すなわち、モデルにリクエストを入力すると、回答を生成します。

今すぐApidogをお試しください

しかし、近年、AIシステムの新しいカテゴリーが注目を集め始めています：マルチエージェント・シミュレーション、多数のAIエージェントが共有のデジタル環境の中で互いに相互作用します。

1つのモデルが回答を予測または生成しようとする代わりに、これらのシステムは情報を交換し、意見を形成し、互いに影響を及ぼし合う自律エージェントの集団全体をシミュレートします。

この分野で最近最も議論を呼んでいるプロジェクトの1つは MiroFish、数千のAIエージェントを用いて現実のシナリオをシミュレートするためのオープンソースの群知能エンジンです。このプロジェクトは、その野心的な目的 — 金融市場、世論の変化、政治的反応、さらには物語的なフィクション — を現実世界で起こる前にシミュレートできるデジタルな砂場を作る、という点で開発者やAI愛好家の間で急速に人気を集めました。

💡あなたはAIエージェントとMCPサーバーを構築または操作していますか？ Apidog は強力な 統合MCPクライアント を提供します。これは MCP サーバーのデバッグとテスト用に特に設計されています。 ローカルプロセスには STDIO、リモートサーバーには HTTP で接続する場合でも、Apidog は実行可能ツール、事前定義されたプロンプト、サーバーリソースを楽にテストできる直感的なビジュアルインターフェースを提供します。 複雑な OAuth 2.0 認証を自動的に処理し、Markdown と画像を豊富に含むレスポンスを動的に生成します。これにより、MCP の統合テストを円滑に行える究極のツールとなります。

従来のAIツールが直接的に回答を生成するのとは対照的に、MiroFish は AIエージェントのデジタル社会全体を構築します。各エージェントは自分自身の記憶、性格の特性、および意思決定のロジックを持っています。新しいイベントが導入されると — 緊急のニュース、政策案、金融シグナルなど — エージェントは相互作用を開始し、情報に反応し、互いに影響を及ぼします。

やがて、それらの相互作用は、現実の人々のグループがイベントにどのように反応するかに似たパターンを作り出します。これらのパターンは、潜在的な結果、出現する物語、感情の変化を明らかにすることがあり、システムを実験と予測にとって強力な環境にします。

出典 : X

MiroFishとは何か？

元々、MiroFish は マルチエージェントAIの群知能シミュレーションエンジン に基づくAIの群知能シミュレーションエンジンです。

単一のAIモデルに依存する代わりに、プラットフォームはデジタル環境内に存在する大規模な自律エージェントの集団を生成します。これらのエージェントのそれぞれが、仮想社会の個々の参加者を表します。

各エージェントは以下を備えています：

• 性格特性
• 行動規則
• 長期記憶
• 社会的関係
• 意思決定プロセス

エージェントが相互作用すると、情報を交換し、意見を形成し、出来事に反応します。これにより 創発的挙動 が生じます：多くの個々の相互作用から大規模な結果が生まれます。

この概念は現実の人間社会を反映しています。世論、マーケットの動向、社会的トレンドはしばしば数百万という個々の意思決定から生まれます。これらの相互作用をシミュレートすることで、MiroFish は出来事がどのように展開する可能性があるかをモデル化します。

このプラットフォームは、「もしも」のシナリオを探索するデジタル砂場のように機能します。

ビジョン：集団知性の鏡

La vision derrière MiroFish est de créer un miroir de l'intelligence collective du monde réel.

Les systèmes prédictifs traditionnels s'appuient sur des données historiques et des modèles statistiques, mais ils échouent face à l'imprévisibilité du comportement humain.

Exemples concrets :

• Les marchés financiers fluctuent selon le sentiment des investisseurs
• Les tendances des réseaux sociaux se propagent de manière chaotique
• Les réactions à de nouvelles politiques peuvent changer rapidement

MiroFish ne tente pas de prédire l'avenir à partir des seules données. Il crée un environnement numérique où des individus interagissent et s'influenencent mutuellement. Les résultats complexes émergent de ces interactions.

En observant les agents simulés, la plateforme fournit des insights sur les résultats potentiels du monde réel.

Des Données Initiales à un Monde Numérique

Pour lancer une simulation dans MiroFish, commencez par le matériel initial : l'information qui définit votre scénario.

Exemples de matériel initial :

• articles de presse de dernière minute
• rapports financiers
• projets de politique
• documents de recherche
• discussions sur les médias sociaux
• histoires fictives

L'utilisateur télécharge ce matériel et décrit l'objectif de prédiction en langage naturel.

Exemples de requêtes :

• Simuler la réaction des marchés à une annonce politique
• Prévoir la réponse du public à une déclaration controversée
• Générer la suite d'une histoire narrative

MiroFish construit alors un monde numérique parallèle où les agents interagissent selon le contexte fourni.

Flux de Travail MiroFish : Pipeline de Simulation

MiroFish は、現実世界のデータを、複数の構造化されたステップを通じて動的なシミュレーション環境へ変換します。以下の手順で進めます：

1. 知識グラフの構築

第一歩：初期情報を情報源から抽出する（ニュース、報告書、方針、議論など）。

システムは知識グラフ（GraphRAG）を構築します：エンティティ、関係、文脈。

個人およびグループの記憶構造が、エージェントが履歴を保持するよう追加されます。

2. 環境の生成

プラットフォームはエンティティと関係を抽出し、エージェントに個性と背景を割り当て、ソーシャルネットワークを構築し、シミュレーションのパラメータを設定します。

これによりエージェント間の現実的な相互作用が保証されます。

3. 並列シミュレーションの実行

環境が整うと、シミュレーションが開始されます：数千のエージェントが同時に作動し、出来事に反応し、相互作用します。

このフェーズの間、システムは：

• 予測要求を解釈する
• 社会的相互作用をシミュレートする
• 各エージェントの記憶を更新する
• 環境を動的に進化させる

結果：物語、意見、行動が時間とともに変化する進化的なシミュレーション。

4. レポートの生成

シミュレーションが進行すると、ReportAgent（専門のAIエージェント）が結果を分析します。

それは、要約した構造化レポートを生成します：

• 主要な結果
• 出現する傾向
• 行動情報
• 潜在的なリスク

このレポートは、シミュレーションの解釈と現実的な含意を予測するのに役立ちます。

5. シミュレーションとの深いインタラクション

ユーザーは シミュレートされた世界と対話することができます：

• 個々のエージェントと対話する
• 彼らの意思決定を問いただす
• 社会的ダイナミクスを探る
• 詳しい分析のためにReportAgentを問い質す

このインタラクティブ層は、従来の予測ツールよりもシミュレーションを柔軟にします。

迅速な開始: MiroFishをローカルで実行

開発者はMiroFishをローカルにデプロイできます。ソースからのデプロイまたは Docker。

必要なシステム構成

検証するには：

node -v
python --version
uv --version

ステップ1：環境変数の設定

例の設定ファイルをコピーしてください：

cp .env.example .env

.env を変更し、必要なAPIキーを追加してください。

LLM APIの設定

MiroFishは、OpenAI SDKと互換性のある任意のLLM APIをサポートします。

例：

LLM_API_KEY=votre_clé_api
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

AlibabaのBailianプラットフォームでQwenモデルを使用することをお勧めします。

ヒント：最初のシミュレーションでは資源を節約するために40ターン以下に制限してください。

記憶システムの設定

MiroFishはエージェントの長期記憶のためにZep Cloudを使用します。

ZEP_API_KEY=votre_clé_api_zep

Zep Cloudの無料プランはテストには十分です。

Étape 2 : Installer les Dépendances

npm run setup:all

Ou manuellement :

Installer les dépendances Node :

npm run setup

Installer celles du backend Python :

npm run setup:backend

Cette commande crée l'environnement virtuel Python automatiquement.

Étape 3 : Lancer la Plateforme

Démarrez les services front et back :

npm run dev

Accès :

• Interface : http://localhost:3000
• API : http://localhost:5001

Pour lancer séparément :

• Backend : npm run backend
• Frontend : npm run frontend

Déploiement Docker

Pour un environnement conteneurisé, utilisez Docker :

1. Configurez .env comme précédemment.
2. Lancez les conteneurs :

docker compose up -d

Ports par défaut :

• 3000 : interface frontale
• 5001 : API dorsale

Le fichier Docker inclut des miroirs pour accélérer le téléchargement si besoin.

Réflexions Finales

群知能プラットフォームとしてのMiroFishは、複雑な社会シミュレーションへの道を開きます。想像してみてください：実施前に政策を検証し、発表前に市場の反応を探り、ソーシャルネットワーク上で情報の拡散をシミュレートする。

これらのシステムは人間の複雑さをすべて捉えるわけではないが、大規模なシナリオをモデリング・実験する新しい方法を提供し、開発者が直接アクセスできる。

まだ若いMiroFishは、すでにオープンソースコミュニティや研究者の関心を集めています。マルチエージェントシミュレーションが引き続き進化すれば、それは、現実世界で起こる前にデジタル世界の未来をシミュレートできる新世代の予測AIへの第一歩となる可能性があります。