arch -arm64 brew install dapr/tap/dapr-cli

dapr --version

CLI version: 1.15.0
Runtime version: n/a

dapr -h

	  __
     ____/ /___ _____  _____
    / __  / __ '/ __ \/ ___/
   / /_/ / /_/ / /_/ / /
   \__,_/\__,_/ .___/_/
	     /_/

===============================
Distributed Application Runtime

Usage:
  dapr [flags]
  dapr [command]

Available Commands:
  annotate       Add dapr annotations to a Kubernetes configuration. Supported platforms: Kubernetes
  build-info     Print build info of Dapr CLI and runtime
  completion     Generates shell completion scripts
  components     List all Dapr components. Supported platforms: Kubernetes
  configurations List all Dapr configurations. Supported platforms: Kubernetes
  dashboard      Start Dapr dashboard. Supported platforms: Kubernetes and self-hosted
  help           Help about any command
  init           Install Dapr on supported hosting platforms. Supported platforms: Kubernetes and self-hosted
  invoke         Invoke a method on a given Dapr application. Supported platforms: Self-hosted
  list           List all Dapr instances. Supported platforms: Kubernetes and self-hosted
  logs           Get Dapr sidecar logs for an application. Supported platforms: Kubernetes
  mtls           Check if mTLS is enabled. Supported platforms: Kubernetes
  publish        Publish a pub-sub event. Supported platforms: Self-hosted
  run            Run Dapr and (optionally) your application side by side. Supported platforms: Self-hosted
  status         Show the health status of Dapr services. Supported platforms: Kubernetes
  stop           Stop Dapr instances and their associated apps. Supported platforms: Self-hosted
  uninstall      Uninstall Dapr runtime. Supported platforms: Kubernetes and self-hosted
  upgrade        Upgrades or downgrades a Dapr control plane installation in a cluster. Supported platforms: Kubernetes
  version        Print the Dapr runtime and CLI version

Flags:
  -h, --help                  help for dapr
      --log-as-json           Log output in JSON format
      --runtime-path string   The path to the dapr runtime installation directory
  -v, --version               version for dapr

Use "dapr [command] --help" for more information about a command.

dapr init

⌛  Making the jump to hyperspace...
❌  could not connect to docker. docker may not be installed or running

dapr init

⌛  Making the jump to hyperspace...
ℹ️  Container images will be pulled from Docker Hub
ℹ️  Installing runtime version 1.15.3
↗  Downloading binaries and setting up components...
Dapr runtime installed to /Users/kun432/.dapr/bin, you may run the following to add it to your path if you want to run daprd directly:
    export PATH=$PATH:/Users/kun432/.dapr/bin
✅  Downloading binaries and setting up components...
✅  Downloaded binaries and completed components set up.
ℹ️  daprd binary has been installed to /Users/kun432/.dapr/bin.
ℹ️  dapr_placement container is running.
ℹ️  dapr_redis container is running.
ℹ️  dapr_zipkin container is running.
ℹ️  dapr_scheduler container is running.
ℹ️  Use `docker ps` to check running containers.
✅  Success! Dapr is up and running. To get started, go here: https://docs.dapr.io/getting-started

docker ps

CONTAINER ID   IMAGE                COMMAND                  CREATED         STATUS                   PORTS                                                                                                 NAMES
0d4e20d5ced0   openzipkin/zipkin    "start-zipkin"           3 minutes ago   Up 3 minutes (healthy)   9410/tcp, 0.0.0.0:9411->9411/tcp                                                                      dapr_zipkin
06959423798b   daprio/dapr:1.15.3   "./scheduler --etcd-…"   3 minutes ago   Up 3 minutes             0.0.0.0:50006->50006/tcp, 0.0.0.0:52379->2379/tcp, 0.0.0.0:58081->8080/tcp, 0.0.0.0:59091->9090/tcp   dapr_sched
773eb5c491d6   daprio/dapr:1.15.3   "./placement"            3 minutes ago   Up 3 minutes             0.0.0.0:50005->50005/tcp, 0.0.0.0:58080->8080/tcp, 0.0.0.0:59090->9090/tcp                            dapr_placement
c6b9f46aeea0   redis:6              "docker-entrypoint.s…"   3 minutes ago   Up 3 minutes             0.0.0.0:6379->6379/tcp                                                                                dapr_redis

mkdir -p dapr-agent-work/01-hello-world && cd dapr-agent-work/01-hello-world
uv venv -p 3.12.9

uv pip install dapr-agents python-dotenv

 + dapr==1.15.0
 + dapr-agents==0.3.1
 + dapr-ext-fastapi==1.15.0
 + dapr-ext-workflow==1.15.0

OPENAI_API_KEY=XXXXXXXXXX

from dapr_agents import OpenAIChatClient
from dotenv import load_dotenv

load_dotenv()

llm = OpenAIChatClient()

response = llm.generate("なにかジョークを言ってみて。")

if len(response.get_content())>0:
    print("Got response:", response.get_content())

uv run 01_ask_llm.py

(snip)

response = llm.generate("なにかジョークを言ってみて。", model="gpt-4o-mini")

(snip)

from dapr_agents import tool, Agent
from dotenv import load_dotenv

load_dotenv()

@tool
def my_weather_func() -> str:
    """現在の天気を取得する。"""
    return "現在の天気は晴れ、気温は22℃です。"

weather_agent = Agent(
    name="WeatherAgent",
    role="Weather Assistant",
    instructions=["ユーザに天気をの情報を伝える。"],
    tools=[my_weather_func]
)

response = weather_agent.run("今の天気はどう？")
print(response)

uv run 02_build_agent.py

No type hints provided for function 'my_weather_func'. Defaulting to 'str'.
user:
今の天気はどう？

--------------------------------------------------------------------------------

assistant:
Function name: MyWeatherFunc (Call Id: call_YhE02Aui1MFn4OZby9V36wYq)
Arguments: {}

--------------------------------------------------------------------------------

MyWeatherFunc(tool) (Id: call_YhE02Aui1MFn4OZby9V36wYq):
現在の天気は晴れ、気温は22°Cです。

--------------------------------------------------------------------------------

assistant:
現在の天気は晴れで、気温は22°Cです。

--------------------------------------------------------------------------------

現在の天気は晴れで、気温は22°Cです。

from dapr_agents import tool, ReActAgent
from dotenv import load_dotenv

load_dotenv()

@tool
def search_weather(city: str) -> str:
    """与えられた都市の天気情報を返す。"""
    weather_data = {"ロンドン": "雨", "パリ": "晴れ", "東京": "曇り"}
    return weather_data.get(city, "Unknown")

@tool
def get_activities(weather: str) -> str:
    """天気に応じておすすめのアクティビティを取得する"""
    activities = {"雨": "美術館を巡る", "晴れ": "ハイキングに行く"}
    return activities.get(weather, "家でゆっくりする")

react_agent = ReActAgent(
    name="TravelAgent",
    role="Travel Assistant",
    instructions=["天気を確認して、おすすめのアクティビティを提案する"],
    tools=[search_weather, get_activities]
)

react_agent.run("ロンドンで今日のおすすめを教えて。")

uv run 03_reason_act.py

user:
ロンドンで今日のおすすめを教えて。

--------------------------------------------------------------------------------

Thought: ロンドンの天気情報を調べて、それに基づいておすすめのアクティビティを提案するために、まず天気を確認する必要があります。
Action: {"name": "SearchWeather", "arguments": {"city": "\u30ed\u30f3\u30c9\u30f3"}}
Observation: 雨
Thought: ロンドンは雨の天気であるため、この天気に適したアクティビティを提案するために、次におすすめのアクティビティを確認する必要があります。
Thought:
Action: {"name": "GetActivities", "arguments": {"weather": "\u96e8"}}
Observation: 美術館を巡る
Thought: ロンドンの天気は雨ということで、美術館巡りが推奨されています。 Answer: ロンドンでは雨の日には美術館を巡るアクティビティがおすすめです。例えば、テート・ブリテンや大英博物館などを訪れるのはいかがでしょうか。

--------------------------------------------------------------------------------

assistant:
ロンドンでは雨の日には美術館を巡るアクティビティがおすすめです。例えば、テート・ブリテンや大英博物館などを訪れるのはいかがでしょうか。

(snip)

@tool
def search_weather(city: str) -> str:
    """与えられた都市の天気情報を返す。

    Args:
        city (str): 都市名。日本語で。

    Returns:
        str: 天気情報
    """
    weather_data = {"ロンドン": "雨", "パリ": "晴れ", "東京": "曇り"}
    return weather_data.get(city, "Unknown")

@tool
def get_activities(weather: str) -> str:
    """天気に応じておすすめのアクティビティを取得する

    Args:
        weather (str): 天気。日本語で。

    Returns:
        str: アクティビティ情報
    """
    activities = {"雨": "美術館を巡る", "晴れ": "ハイキングに行く"}
    return activities.get(weather, "家でゆっくりする")

(snip)

from dapr_agents.workflow import WorkflowApp, workflow, task
from dapr_agents.types import DaprWorkflowContext

from dotenv import load_dotenv

load_dotenv()

@workflow(name='analyze_topic')
def analyze_topic(ctx: DaprWorkflowContext, topic: str):
    # 各ステップは耐久性があり、再試行が可能
    outline = yield ctx.call_activity(create_outline, input=topic)
    blog_post = yield ctx.call_activity(write_blog, input=outline)
    return blog_post

@task(description="「{topic}」に関する詳細なアウトラインを作成して。")
def create_outline(topic: str) -> str:
    pass

@task(description="このアウトラインに従い、包括的なブログ記事を書いてください: {outline}")
def write_blog(outline: str) -> str:
    pass

if __name__ == '__main__':
    wfapp = WorkflowApp()

    results = wfapp.run_and_monitor_workflow(
        analyze_topic,
        input="AI Agents"
    )
    print(f"結果: {results}")

dapr run --app-id dapr-agent-wf -- uv run python 04_chain_tasks.py

ℹ️  Starting Dapr with id dapr-agent-wf. HTTP Port: 64159. gRPC Port: 64160
ℹ️  Checking if Dapr sidecar is listening on HTTP port 64159
Flag --components-path has been deprecated, use --resources-path
INFO[0000] Starting Dapr Runtime -- version 1.15.3 -- commit c3687714f9592def48b14b8300bf5170fe8a1bff  app_id=dapr-agent-wf instance=my_mac scope=dapr.runtime type=log ver=1.15.3
INFO[0000] Log level set to: info                        app_id=dapr-agent-wf instance=my_mac scope=dapr.runtime type=log ver=1.15.3
WARN[0000] mTLS is disabled. Skipping certificate request and tls validation  app_id=dapr-agent-wf instance=my_mac scope=dapr.runtime.security type=log ver=1.15.3
(snip)
heduler.cluster type=log ver=1.15.3
== APP == 2025-03-31 00:49:39.202 durabletask-worker INFO: No longer listening for work items
== APP == 2025-03-31 00:49:39.202 durabletask-worker INFO: Worker shutdown completed
== APP == 結果: "### I. \u306f\u3058\u3081\u306b\n\n#### A. AI\u30a8\u30fc\u30b8\u30a7\u30f3\u30c8\u306e\u5b9a\u7fa9\nAI\u30a8\u30fc\u30b8\u30a7\u30f3\u30c8\u3068\u306f\u3001\u7279\u5b9a\u306e\u76ee\u7684\u306e\u305f\u3081\u306b\u81ea\u5f8b\u7684\u306b\u30bf\u30b9\u30af\u3092\u9042\u884c\u3059\u308b\u30bd\u30d5\u30c8\u30a6\u30a7\u30a2\u30d7\u30ed\u30b0\u30e9
(snip)
8b\u3053\u3068\u3067\u3001\u3088\u308a\u5b89\u5168\u3067\u4fe1\u983c\u6027\u306e\u9ad8\u3044\u30b7\u30b9\u30c6\u30e0\u306e\u5b9f\u73fe\u3092\u76ee\u6307\u3059\u5fc5\u8981\u304c\u3042\u308a\u307e\u3059\u3002"
✅  Exited App successfully
ℹ️
terminated signal received: shutting down
✅  Exited Dapr successfully

(snip)
    print("結果:", results.encode("utf-8").decode("unicode_escape"))

== APP == 2025-03-31 00:51:04.101 durabletask-worker INFO: No longer listening for work items
== APP == 2025-03-31 00:51:04.101 durabletask-worker INFO: Worker shutdown completed
== APP == 結果: "## AIエージェント: 概念、応用、未来
== APP ==
== APP == ### I. はじめに
== APP ==
== APP == #### A. AIエージェントの定義
== APP == AIエージェントとは、自律的に動作し、環境との相互作用を通じて目標を達成するために設計されたソフトウェアプログラムです。AIシステム全体の中で、明確な目標を持ち、自ら学びながら環境に適応できる特徴を持つ点で他のAIシステムと区別されます。
== APP ==
== APP == #### B. AIエージェントの重要性
== APP == AIエージェントは現代社会において大きな役割を果たしています。例えば、顧客サービスチャットボットから製造業におけるロボットまで、様々な場面で効率を向上させています。また、AI技術の進化により、これらのエージェントはますます「知的」になり、新たな可能性を広げています。
== APP ==
== APP == ### II. AIエージェントの構造と機能
== APP ==
== APP == #### A. 基本構造
== APP == AIエージェントの基本構造は以下のような機能に分けられます。
== APP == 1. **センシング（感知）**: センサーやデータ収集手段を用いて環境やユーザーから情報を集めます。
== APP == 2. **プランニング（計画）**: 集めた情報に基づいて行動計画を立てます。
== APP == 3. **アクティング（実行）**: 計画通りに行動を実行する機能です。
== APP == 4. **ラーニング（学習）**: 自らの行動結果から学習し、未来の行動に役立てます。
== APP ==
== APP == #### B. 主なタイプ
== APP == 1. **自律型エージェント**: 環境から独立して自律的に行動できるエージェント。
== APP == 2. **協調型エージェント**: 他のエージェントと協力し合いながらタスクを達成するエージェント。
== APP == 3. **ヒューマンインタラクティブエージェント**: 人間と直接的にやり取りするエージェント。
== APP ==
== APP == #### C. 実装技術
== APP == 1. **機械学習**: データから学習してパターンを抽出する手法。
== APP == 2. **ディープラーニング**: ニューラルネットワークを用いた高度な学習方法。
== APP == 3. **強化学習**: 試行錯誤を通じて最適な行動を学ぶ手法。
== APP ==
== APP == ### III. AIエージェントの応用分野
== APP ==
== APP == #### A. 産業界での応用
== APP == 1. **製造業**: 生産ラインの最適化や故障予測などに利用。
== APP == 2. **小売業**: 需要予測や在庫管理、顧客体験の向上に貢献。
== APP == 3. **金融業**: リスク管理や市場分析をサポート。
== APP ==
== APP == #### B. サービス業での応用
== APP == 1. **ヘルスケア**: 診断支援や患者管理に利用。
== APP == 2. **カスタマーサービス**: チャットボットによる即時対応が可能。
== APP == 3. **教育**: 個別学習プログラムの提供と支援。
== APP ==
== APP == #### C. 日常生活での応用
== APP == 1. **スマートホーム**: 家電制御やセキュリティ管理。
== APP == 2. **パーソナルアシスタント**: 日常のタスクをサポート。
== APP == 3. **エンターテインメント**: コンテンツ推薦やインタラクティブ体験を提供。
== APP ==
== APP == ### IV. AIエージェントがもたらす課題
== APP ==
== APP == #### A. 倫理的問題
== APP == 1. **プライバシーの侵害**: 個人データの収集と管理に関する問題。
== APP == 2. **差別とバイアスの問題**: 学習データ中のバイアスが結果に影響を与える可能性。
== APP ==
== APP == #### B. 技術的課題
== APP == 1. **信頼性と安全性**: 正確な動作とミスの最小化。
== APP == 2. **相互運用性**: 異なるシステム間でのデータ交換。
== APP ==
== APP == #### C. 経済的・社会的影響
== APP == 1. **雇用への影響**: 自動化による職の消失。
== APP == 2. **経済格差の拡大**: 技術格差により生じる社会的課題。
== APP ==
== APP == ### V. AIエージェントの未来
== APP ==
== APP == #### A. 今後の技術的進化
== APP == 1. **AIエージェントの自己進化**: 独自に能力を向上するシステム。
== APP == 2. **高度な協調システムの構築**: より複雑なタスクの協調実行。
== APP ==
== APP == #### B. 社会との共生
== APP == 1. **法律と規制の進化**: 新しい技術に対応するための法律整備。
== APP == 2. **社会的受容と教育の重要性**: 広く理解され、受け入れられるための教育。
== APP ==
== APP == #### C. 新しい応用の探索
== APP == 1. **宇宙探査**: 人が行けない場所での探査活動。
== APP == 2. **環境問題の解決**: 資源管理や環境保護のための施策。
== APP ==
== APP == ### VI. 結論
== APP ==
== APP == #### A. AIエージェントのインパクト
== APP == AIエージェントはあらゆる産業に影響を与え、効率化を進める一方で、倫理的・技術的課題も提示しています。
== APP ==
== APP == #### B. 続く研究と開発の必要性
== APP == これらの課題に対応しつつ、新しい機会を最大限に活かすためには、継続的な研究と開発が不可欠です。
== APP ==
== APP == AIエージェントは私たちの生活と社会を変える可能性を持っていますが、その発展を見守り、共に成長することが重要です。"

mkdir -p dapr-agent-work/02_llm_call_dapr && cd dapr-agent-work/02_llm_call_dapr
uv venv -p 3.12.9

uv pip install dapr-agents python-dotenv

 + dapr==1.15.0
 + dapr-agents==0.3.1
 + dapr-ext-fastapi==1.15.0
 + dapr-ext-workflow==1.15.0

DAPR_LLM_COMPONENT_DEFAULT=echo

mkdir components

apiVersion: dapr.io/v1alpha1
kind: Component
metadata:
  name: echo
spec:
  type: conversation.echo
  version: v1

from dapr_agents.llm import DaprChatClient
from dapr_agents.types import UserMessage
from dotenv import load_dotenv

load_dotenv()

llm = DaprChatClient()
response = llm.generate("こんにちは！今日はいい天気だね！")

if len(response.get_content()) > 0:
    print("応答: ", response.get_content())

dapr run \
    --app-id dapr-llm \
    --resources-path ./components \
    -- uv run python text_completion.py

(snip)
ℹ️  Checking if Dapr sidecar is listening on GRPC port 64234
ℹ️  Dapr sidecar is up and running.
ℹ️  Updating metadata for appPID: 20677
ℹ️  Updating metadata for app command: uv run python text_completion.py
✅  You're up and running! Both Dapr and your app logs will appear here.

== APP == 応答:  こんにちは！今日はいい天気だね！
✅  Exited App successfully
ℹ️
terminated signal received: shutting down
✅  Exited Dapr successfully

apiVersion: dapr.io/v1alpha1
kind: Component
metadata:
  name: openai
spec:
  type: conversation.openai
  metadata:
    - name: key
      value: "XXXXX...（OPENAIのAPIキーをセット）...XXXXX"
    - name: model
      value: gpt-4o-mini
    - name: cacheTTL
      value: 10m

DAPR_LLM_COMPONENT_DEFAULT=openai

dapr run \
    --app-id dapr-llm \
    --resources-path ./components \
    -- uv run python text_completion.py

(snip)
ℹ️  Checking if Dapr sidecar is listening on GRPC port 64572
ℹ️  Dapr sidecar is up and running.
ℹ️  Updating metadata for appPID: 25275
ℹ️  Updating metadata for app command: uv run python text_completion.py
✅  You're up and running! Both Dapr and your app logs will appear here.

== APP == 応答:  こんにちは！そうですね、いい天気だと気分も良くなりますよね。今日は何か特別なことをする予定ですか？
✅  Exited App successfully
ℹ️
terminated signal received: shutting down
✅  Exited Dapr successfully

apiVersion: dapr.io/v1alpha1
kind: Component
metadata:
  name: awsbedrock
spec:
  type: conversation.aws.bedrock
  metadata:
    - name: endpoint
      value: "http://localhost:4566"
    - name: model
      value: amazon.titan-text-express-v1
    - name: cacheTTL
      value: 10m

DAPR_LLM_COMPONENT_DEFAULT=awsbedrock

apiVersion: dapr.io/v1alpha1
kind: Resiliency
metadata:
  name: awsbedrock-resiliency
spec:
  policies:
    timeouts:
      short-timeout: 1s
    retries:
      fixed-retry:
        policy: constant
        duration: 1s
        maxRetries: 3
  targets:
    components:
      awsbedrock:
        outbound:
          timeout: short-timeout
          retry: fixed-retry

dapr run \
    --app-id dapr-llm \
    --resources-path ./components \
    -- uv run python text_completion.py

(snip)
WARN[0003] Error processing operation component[awsbedrock] output. Retrying in 1s…  app_id=dapr-llm instance=my_mac scope=dapr.runtime type=log ver=1.15.3
(snip)
❌  The App process exited with error code: exit status 1
ℹ️
terminated signal received: shutting down
✅  Exited Dapr successfully
❌  Error exiting App: exit status 1