MagenticLite, MagenticBrain, Fara1.5: 小型モデル向けエージェント体験の最適化技術レポート
小型モデルによるエージェントシステムの革新とアーキテクチャ
Microsoft Researchは、MagenticLite、MagenticBrain、Fara1.5という3つの主要コンポーネントで構成される新しいエージェントシステムを発表しました。これは、小型モデル向けにエージェント体験を最適化し、ユーザーのハードウェア上で直接、効率的にAIエージェントの機能を発揮させることを目指しています。MagenticLiteは、Magentic-UIの次世代版として再設計された実験的なエージェントアプリケーションであり、ブラウザとローカルファイルシステムの両方で単一のワークフロー内で効率的に動作するように最適化されています。
このシステムの核となるのは、2つの専用モデルです。MagenticBrainは14Bパラメータのオーケストレーションモデルとして機能し、プランナー、コーダー、デリゲーターの役割を担います。これはMagenticLiteハーネス内でエンドツーエンドで学習され、マルチステップのツール呼び出し、コーディング機能、およびコンピューター使用エージェント（CUA）タスク向けの特定の委譲戦略を組み合わせて設計されています。MagenticBrainは、推論、コーディング、ツール呼び出し、そしてブラウザタスクのFara1.5への引き渡しを流動的に実行します。 なお、MagenticBrainはQwen 3 14Bからファインチューニングされています。
Fara1.5は、ブラウザベースのタスクに特化したコンピューター使用モデルのファミリーであり、4B、9B、27Bのパラメータサイズで提供されます。 特に9Bモデルは、Online-Mind2Webなどのベンチマークにおいて、先行モデルであるFara-7Bのウェブナビゲーションタスクのパフォーマンスを約2倍に向上させています（約35%から約65%）。 このシステムのアプローチは、エージェントの能力が「純粋な知識」よりも「ツールオーケストレーションとアクション」に大きく依存するという研究上の賭けを強調しており、より小型でコスト効率の高いモデルで幅広いエージェントタスク性能を実現することを目標としています。
MagenticLiteシステムの技術的詳細とパフォーマンス
MagenticLiteは、小型言語モデル向けにエージェントハーネスを再設計し、より高速で軽量化されたことで、大規模なフロンティアモデルへの依存を軽減しています。 Fara1.5は、データ生成パイプラインの進歩により、フォーム入力やログインプロセスを含む日常的なタスクの処理が改善されています。また、長時間実行されるタスク向けに調整されたネイティブアクション空間を備えており、重要な情報を保存し、長時間の操作中にユーザー入力も要求することが可能です。 Fara1.5の動作は、「観察し、行動し、評価し、継続する」というループに基づいており、スクリーンショットをキャプチャし、過去のコンテキストと合わせて分析し、クリックやタイピングなどの次のアクションを予測します。
このシステムは、エージェントAIの経済性そのものを変える可能性を秘めています。より安価なバックグラウンドエージェント、より速い応答速度、より多くのプライバシーオプション、そしてフロンティアモデルのコストをかけずに複数のタスクを並行して実行できることが期待されています。 MagenticLiteは、ユーザーがAIエージェントの行動を監視し、計画を修正したり、ブラウザを直接操作したりできる共同計画（Co-Planning）や共同タスク実行（Co-Tasking）といった機能を通じて、人間が常に制御できる状態を維持します。これにより、機密性の高い操作にはユーザーの承認を求めるアクションガード機能も備わっています。
人間中心設計とエージェントの協調
MagenticLiteシステムは、単にタスクを自動化するだけでなく、ユーザーがエージェントと協調し、その行動を透明に理解・制御できる「人間中心設計」を重視しています。これは、Magentic-UIから受け継がれた重要な設計思想です。Magentic-UIは、完全な自律性を目指す他のコンピューター使用エージェントとは異なり、アクション指向のタスクに対して透過的で制御可能な体験を提供し、研究者が人間がループに入るアプローチやAIエージェントの監視メカニズムに関する未解決の問題を研究するためのプロトタイプとして機能していました。
MagenticLiteでは、ユーザーがエージェントの計画を直接修正したり、テキストフィードバックを提供したりすることで、共同で計画を立てることができます（Co-Planning）。また、ユーザーはシステムを一時停止し、自然言語でフィードバックを提供したり、ブラウザを直接操作してデモンストレーションしたりすることで、実行中のタスクをガイドできます（Co-Tasking）。 さらに、潜在的に不可逆的なアクションを実行する前にユーザーの承認を求めるアクションガード（Action Guards）により、安全性と信頼性が確保されます。MagenticLiteは、以前のインタラクションから計画を学習・保存し、将来のタスク自動化を改善する機能も持っています（Plan Learning）。 このように、MagenticLiteは、エージェントがユーザーの意思決定を支援し、代替するのではなく、協力する形で設計されており、高リスクのトランザクションにおける監視の重要性を強調しています。
開発者・エンジニア視点での考察
-
ローカル実行可能なAIエージェントの新たな可能性: MagenticLiteがブラウザとローカルファイルシステム上で動作し、小型モデルに最適化された「ハーネス」を利用することで、ユーザーハードウェア上での効率的なエージェント実行を可能にしています。これにより、クラウド依存を減らし、プライバシー保護を強化した新しいAIアプリケーション開発の道が開かれます。開発者は、リソースが限られた環境でも高度なエージェント機能を実装する際の参照アーキテクチャとして考慮できます。
-
ツールオーケストレーションと専門モデルの価値: MagenticBrainが14Bパラメータのオーケストレーションモデルとして、計画、コーディング、委譲を担当し、Fara1.5がブラウザベースのタスクに特化している点は、エージェントシステムの設計におけるモジュール性と専門化の重要性を示唆しています。大規模な汎用モデルにすべてを任せるのではなく、特定のタスクに最適化された小型モデル群をオーケストレートするアプローチは、パフォーマンスとコスト効率のバランスを取る上で非常に有効です。
-
人間との協調を前提としたエージェント設計の重要性: MagenticLiteのCo-Planning、Co-Tasking、Action Guardsといった人間中心設計の要素は、エージェントAIが実世界で広く採用されるための鍵となります。完全な自律性ではなく、ユーザーの介入と承認を適切に組み込むことで、高リスクなタスクや複雑なワークフローにおいても信頼性と安全性を確保できます。これにより、開発者はエンドユーザーがAIエージェントを安心して利用できるような、より堅牢で実用的なアプリケーションを構築する際の指針を得られます。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
