from letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Letta ADEの使い方（ノーコード/ローコード経路）
ビジュアル試作を好むなら、ADEでエージェントやメモリ、ツールをコードなしで構成可能です。
- ADEで新規エージェントプロジェクトを開始。
- エージェントの役割（システムプロンプト）、トーン、境界を定義。
- メモリの永続化や取得戦略を設定。
- コネクターからツールを選択、またはカスタムアクションを定義。
- 会話をその場でテストし、メモリへの書き込みを観察、しきい値を調整。
- プロトタイプが完成したらエクスポートまたは開発者へ引き継ぎ。
ADEの発表記事やチュートリアル、紹介動画もご覧ください。
## 優れたLettaエージェント設計のベストプラクティス（筆者見解）
1) やるべき仕事から始める
- 「ウェブエラー対応のチケット振り分け」など、狭く特化した範囲を定義し、あいまいなジェネラリストにはしない。
2) 運用手順（SOP）を組み込む
- SOPをシステムプロンプトに投入。例：「トリアージで本番影響を示唆したらエスカレーションし、priority=highを設定。可能なら再現手順を必ず含める。」
3) ツールのスキーマは厳格に
- 列挙型や必須フィールドを強制し、誤ったパラメータの発生を減らす。
4) メモリを製品の一部と考える
- 記憶すべき情報（連絡先、好み、過去の解決策）と一時的なもの（ワンオフ計算）を区別。メモリトレースを定期的に確認。
5) 実データでテストする
- 匿名化したチケットや文書、例を投入し、失敗モード（コンテキスト欠落、優先度間違い）を把握してプロンプトやツールを改善。
6) ガードレールは事後修正より優先
- ツールに検証を組み込み、エージェントが無効な入力を提案したらルールで捕捉し案内。
7) あらゆる操作を計測
- ツール呼び出し、メモリ書き込み、メッセージ単位のテレメトリをログ化。成功率や解決までの時間など主要指標のダッシュボードも作成。
8) エージェントはバージョン管理
- プロンプトやツール、メモリポリシーの変更を追跡。既知の安定版を本番用に固定し、ステージングで改良。
## Lettaで実現可能な代表的ワークフロー
- カスタマーサポート
- スレッドの要約、解決案提示、チケット作成、関係者通知。
- リサーチアシスタント
- クエリ計画、情報源検索、要約作成、メモリへの情報保存。
- セールス/CSオペレーション
- 通話記録解析、次のアクション抽出、ツール経由でCRM更新、テンプレートメールでフォロー。
- 内部自動化
- キュー監視、ランブック起動、ステータス更新、シフトをまたぐコンテキスト保持。
## トラブルシューティング：うまく動かないとき
- エージェントが忘れる
- メモリが有効になっているか、取得しきい値は適切か、実際にデータが永続化されているか確認。
- ツール呼び出しが不正
- スキーマを厳しくし、列挙型を追加し、構造化エラーで修正方法を案内。
- エージェントの説明が長すぎる/短すぎる
- システムプロンプトのスタイルガイドを調整し、2-3件のインライン例を提供。
- 指示が矛盾している
- 運用ルールを統合し、優先順位を明示：「常にXをYより先に行う」など。
- アップデート後に動作がずれる
- 本番環境でバージョン固定、カナリア展開で変化を確認。
## セキュリティとコンプライアンス簡易メモ
- ツールは信頼できるコードパスとして扱い、認証とスコープ設定を忘れずに。
- メモリトレースのログ前に機密データはマスキング。
- メモリに含まれるPIIは保持ポリシーやアクセス制御、暗号化を検討。
## プロトタイプから本番までのチェックリスト
- エージェントのOKR（成功基準）が明確。
- 範囲が狭くSOPに基づくシステムプロンプト。
- 検証済みで厳格なツールスキーマ。
- 実タスクでドキュメント・検証されたメモリ戦略。
- ログ・メトリクス・アラートなどの監視機構。
- バージョン管理とロールバックプラン。
- ステージング／本番環境の分離。
## 追加学習リソース
- イントロ動画：最初の永続エージェント作成。
- クイックスタート（Python/TS）コードスニペット付き。
- エージェントのアーキテクチャとベストプラクティス。
- ADEの発表とウォークスルー。
- パッケージ改名と互換性ノート。
- オープンソースリポジトリと背景。
## ちなみに：[Sider.AI](https://sider.ai)で高速な反復作業を
プロンプトのドキュメント化、サンプルのテスト、エージェントのバージョン間の出力比較では、成果物を並べて保存し素早く繰り返すのが便利です。[Sider.AI](https://sider.ai)（https://sider.ai/）は、複数人でSOPを編集したりツールのスキーマを評価したりするとき、プロンプト・ノート・差分をキャプチャしながら開発・テストを支援してくれます。
## まとめ
- Lettaはメモリやツール、永続状態を持つ状態保持型エージェントの構築を支援します。
- 安定性を重視して、狭い業務目的と厳格なスキーマから始めましょう。
- コード主体ならSDK、視覚的試作はADEを使い分け。
- 実データで計測・バージョン管理・テストを行ってから本番展開。
- 公式クイックスタートやエージェントガイドを活用し、ベストプラクティスに準拠。
### FAQ
Q1: Lettaとは何ですか？普通のチャットボットとどう違いますか？
Lettaは状態保持型AIエージェントの構築プラットフォームで、永続的なメモリ保持とツール連携を備えています。単なるステートレスなチャットラッパーではなく、エージェントの状態管理やツールスキーマの適用、メモリやワークフローをセッション間で管理可能です。
Q2: Lettaの素早い始め方は？
PythonかTypeScript用の開発者向けクイックスタートを実行し、最初のエージェント作成とツール追加を行いましょう。視覚的な経路を望むならADEでメモリやプロンプト、ツールを設定してから構成をエクスポートしてください。
Q3: Lettaはユーザーの好みや過去のタスクを覚えますか？
はい。Lettaは永続メモリをサポートし、エージェントは好みや決定、結果を保存し、後のやりとりで文脈的に呼び出せます。メモリポリシーを設定し、実タスクで検証できます。
Q4: Lettaのエージェント内のツールはどう機能しますか？
入力スキーマが厳格な関数を登録し、エージェントが信頼性高く呼び出せるようにします。検証を加え、enumを利用し、入力が不正な際は修正の手掛かりを含む構造化エラーを返せます。
Q5: LettaはMemGPTと同じものですか？
LettaはMemGPTの研究およびエコシステムをベースにしていますが、現在推奨されるプラットフォーム兼パッケージはLettaです。パッケージ改名ノートやオープンリポジトリに遷移と新APIの詳細があります。