はじめに

Mandalaを開き、ダッシュボードで「新規ワークフロー」をクリックします。名前を「Getting Started」とします。

新しいワークフローを作成すると、自動的にスタートブロックが含まれます - これはユーザーから入力を受け取るエントリーポイントです。この例ではチャットを通じてワークフローをトリガーするため、スタートブロックの設定は必要ありません。

次に、左側のブロックパネルからエージェントブロックをキャンバスにドラッグします。

エージェントブロックの設定：

• モデル：「OpenAI GPT-4o」を選択
• システムプロンプト：「あなたは人物調査エージェントです。人物の名前が与えられたら、利用可能な検索ツールを使用して、その人物の所在地、職業、学歴、その他の関連情報を含む包括的な情報を見つけてください。」
• ユーザープロンプト：スタートブロックの出力からこのフィールドへの接続をドラッグします（これにより <start.input> がユーザープロンプトに接続されます）

より良い機能を持たせるためにエージェントにツールを追加しましょう。エージェントブロックをクリックして選択します。

ツールセクションで：

• ツールを追加をクリック
• 利用可能なツールからExaを選択
• 利用可能なツールからLinkupを選択
• 両方のツールのAPIキーを追加します（これによりエージェントはウェブを検索し、追加情報にアクセスできるようになります）

それでは、ワークフローをテストしましょう。画面右側のチャットパネルに移動します。

チャットパネルで：

• ドロップダウンをクリックして agent1.content を選択します（これによりエージェントの出力が表示されます）
• 「ジョンはサンフランシスコ出身のソフトウェアエンジニアで、スタンフォード大学でコンピュータサイエンスを学びました。」のようなテストメッセージを入力します
• 「送信」をクリックしてワークフローを実行します

テキストに記述された人物を分析するエージェントの応答が表示されるはずです。

次に、エージェントが構造化されたデータを返すようにしましょう。エージェントブロックをクリックして選択します。

レスポンスフォーマットセクションで：

• スキーマフィールドの横にある魔法の杖アイコン（✨）をクリック
• 表示されるプロンプトに「location、profession、educationを含むpersonという名前のスキーマを作成する」と入力します
• AIが自動的にJSONスキーマを生成します

チャットパネルに戻ります。

レスポンスフォーマットを追加したので、新しい出力オプションが利用可能になりました：

• ドロップダウンをクリックして、新しい構造化出力オプション（先ほど作成したスキーマ）を選択します
• 「サラはニューヨーク出身のマーケティングマネージャーで、ハーバードビジネススクールでMBAを取得しています。」のような新しいテストメッセージを入力します
• 「送信」をクリックしてワークフローを再度実行します

これで、人物の情報が所在地、職業、学歴のフィールドに整理された構造化されたJSON出力が表示されるはずです。