ワークフローとフローエージェントの違い

GPTBotsのワークフローは、ノードを順に実行し、特定の目的を達成するための仕組みを設計しています。これは、機能的なリクエストの処理において活躍します。一方、フローエージェントは、ユーザーとの対話の要求を処理するためにカスタマイズした対話型ワークフローとして機能します。これらは例えば、何度もやり取りが必要な会話や、動的な会話フローが必要なシナリオです。

ワークフローと比べて、フローエージェントは対話を引き立てるコンテキストの中で、会話のロジックを管理することに特化しています。個々のフローは会話に関連付けられ、過去の対話データに動的にアクセスでき、リアルタイムでの対話履歴全体を保持します。これは、記憶力のあるワークフローとも言うことができます。

アプリケーションの特性に基づき、フローエージェントまたはワークフローを設計できます：

フローエージェントが推奨されるシナリオ

会話型AIアプリケーション（例：スマートカスタマーサービス、AIアシスタント）においては、以下の理由からフローエージェントが推奨されます：
- コンテキスト認識能力：実時間会話分析と自動ダイアログメモリ保守が可能なLLMの統合。
- 対話の適応性：マルチターンのダイアログ設計と自然言語インターフェースをネイティブでサポート。
- プラットフォーム互換性：WhatsAppやTelegramなどのソーシャルプラットフォームとのシームレスな連携。
ワークフローが適しているシナリオ

タスク指向のAIアプリケーションを開発する多機能性（例：データのバッチ処理、自動化ワークフロー）においては、ワークフローが推奨されます。

違い	ワークフロー	フローエージェント
特性	API	複数のQ&Aのやり取りを含むマルチターンダイアログ
利用シーン	- ノードを順序立てて特定の目的を達成するための機能リクエスト処理。 - インダストリーリサーチレポートの生成、ポスターの作成、絵本の作成など、自動化データ処理シナリオに最適です。	- ユーザーとの対話を通じて複雑な運用ロジックを処理する対話型ワークフロー。 - チャットボット、AIカスタマーサービス、仮想コンパニオンなど、会話要求に対応する複雑なロジック処理が必要な対話型アプリケーションに適しています。
学習コスト	相対的に高い: ワークフローはトリガーを変数から分離し、高い柔軟性をもたらしますが、学習コストや設定に手間がかかる場合があります。	相対的に低い: フローエージェントではマルチターンのダイアログシナリオに最適化された直感的な操作を行うことができますが、柔軟性にはやや欠けます。
運用ロジック	変数とトリガーを通じてビジネスの2つの核心ロジックをスケジュールします。 - トリガーは接続線の流れで表されます。 - 変数は各コンポーネント内でユーザーにより定義されます。	フローエージェントは変数とトリガーを一元化した機構につなぎ、接続線の流れを通じてコンポーネントの起動だけでなく、データペイロードの伝達も促進します。
設定	- 多様なコンポーネントをサポートします。 - ドラッグ&ドロップによる操作を提供します。	- 多様なコンポーネントをサポートします。 - ドラッグ&ドロップによる操作を提供します。 - メモリ、ウェルカムガイド、メッセージタイプ、トーンなどのエージェント関連設定をサポートします。
入力	JSON形式で、主要なフィールドタイプをサポートします。	そのエージェントへのユーザーの入力は自然言語となり、テキスト、画像、音声、文書などのものをサポートします。
出力	JSON形式で、主要なフィールドタイプをサポートします。	エージェントによって生成される出力も自然言語で、テキストや音声のコンテンツを提供します。
適応性	API指向のシングルターンリクエスト/レスポンスインタラクションに最適： - 任意のシステムへの統合をAPIとして可能。 - AIエージェントへの連携をツールとして提供します。	人間向けのマルチターンダイアログサービスに最適： - 任意のシステムへの統合をAPIとして可能。 - ウェブチャット、iframe、バブルコンポーネントなどのさまざまなUIコンテキストや、WhatsApp、Telegram、WeChat Customer Serviceなどの第三者プラットフォームへの連携も可能です。