!pip install 'camel-ai[web_tools]'
!pip freeze | grep -i camel

camel-ai==0.2.62

import os
from google.colab import userdata

os.environ["OPENAI_API_KEY"] = userdata.get('OPENAI_API_KEY')

from camel.models import ModelFactory
from camel.types import ModelPlatformType, ModelType
from camel.agents import ChatAgent
from camel.toolkits import SearchToolkit

# モデルの定義
model = ModelFactory.create(
  model_platform=ModelPlatformType.OPENAI,
  model_type=ModelType.GPT_4O,
  model_config_dict={"temperature": 0.0},
)

# 検索ツールの定義
search_tool = SearchToolkit().search_duckduckgo

# エージェントにモデルとツールを渡して初期化
agent = ChatAgent(model=model, tools=[search_tool])

# エージェントにリクエスト（1回目）
response_1 = agent.step("CAMEL-AIとはなんですか?")
print("===== 1 =====")
print(response_1.msgs[0].content)

# エージェントにリクエスト（2回目）
response_2 = agent.step("CAMELフレームワークのGitHub URLを教えて。")
print("===== 2 =====")
print(response_2.msgs[0].content)

===== 1 =====
CAMEL-AIは、インテリジェントエージェントやマルチエージェントシステムの構築と研究を行うためのプラットフォームです。データ生成、世界シミュレーション、タスク自動化のためのツール、プロジェクト、リソースを提供しています。大規模言語モデルやその他のAI/ML技術を用いたエージェントアプリケーションの作成を支援します。

詳しくは、[CAMEL-AIの公式サイト](https://www.camel-ai.org/)をご覧ください。また、[GitHubのリポジトリ](https://github.com/camel-ai/camel)では、CAMELの技術スタックやクックブックを探索することができます。
===== 2 =====
CAMELフレームワークのGitHubリポジトリは、以下のURLでアクセスできます: [https://github.com/camel-ai/camel](https://github.com/camel-ai/camel)

agent = ChatAgent(model=model, tools=[search_tool])

response_1 = agent.step("私の趣味は競馬です。")
print("===== 1 =====")
print(response_1.msgs[0].content)

response_2 = agent.step("私の趣味はなんでしょうか？")
print("===== 2 =====")
print(response_2.msgs[0].content)

===== 1 =====
競馬が趣味なんですね！競馬はスリルと興奮が詰まったスポーツで、多くの人々に愛されています。競馬のどの部分が特にお好きですか？例えば、馬の血統やレースの戦略、あるいは特定のレースやジョッキーに興味がありますか？また、最近のレースや注目の馬について知りたいことがあれば教えてください。
===== 2 =====
あなたの趣味は競馬です。競馬について何か特定の情報をお探しですか？それとも、他の趣味についてもお話ししたいですか？

from colorama import Fore

from camel.societies import RolePlaying
from camel.utils import print_text_animated


task_prompt = "株式市場の取引ボットを開発してください"
role_play_session = RolePlaying(
    assistant_role_name="Pythonプログラマ",
    assistant_agent_kwargs=dict(model=None),
    user_role_name="株式トレーダー",
    user_agent_kwargs=dict(model=None),
    task_prompt=task_prompt,
    with_task_specify=True,
    task_specify_agent_kwargs=dict(model=model),
)

print(
    Fore.GREEN
    + f"AIアシスタント システムメッセージ:\n{role_play_session.assistant_sys_msg}\n"
)
print(
    Fore.BLUE
    + f"AIユーザ システムメッセージ:\n{role_play_session.user_sys_msg}\n"
)

print(
    Fore.YELLOW
    + f"オリジナルのタスクのプロンプト:\n{task_prompt}\n"
)
print(
    Fore.CYAN
    + f"特定されたタスクのプロンプト:\n{role_play_session.specified_task_prompt}\n"
)
print(
    Fore.RED
    + f"最終的なタスクのプロンプト:\n{role_play_session.task_prompt}\n"
)

input_msg = role_play_session.init_chat()

n = 0
chat_turn_limit = 50

while n < chat_turn_limit:
    n += 1
    assistant_response, user_response = role_play_session.step(input_msg)

    if assistant_response.terminated:
        print(
            Fore.GREEN
            + (
                "AIアシスタントが中止しました。"
                f"理由: {assistant_response.info['termination_reasons']}."
            )
        )
        break
    if user_response.terminated:
        print(
            Fore.GREEN
            + (
                "AIユーザが中止しました。"
                f"理由: {user_response.info['termination_reasons']}."
            )
        )
        break

    print_text_animated(
        Fore.BLUE
        + f"AIユーザ:\n\n{user_response.msg.content}\n"
    )
    print_text_animated(
        Fore.GREEN
        + f"AIアシスタント:\n\n{assistant_response.msg.content}\n"
    )

    if "CAMEL_TASK_DONE" in user_response.msg.content:
        break

    input_msg = assistant_response.msg

task_prompt = "株式市場の取引ボットを開発してください"
role_play_session = RolePlaying(
    assistant_role_name="Pythonプログラマ",
    assistant_agent_kwargs=dict(model=None),
    user_role_name="株式トレーダー",
    user_agent_kwargs=dict(model=None),
    task_prompt=task_prompt,
    with_task_specify=True,
    task_specify_agent_kwargs=dict(model=None),
)

print(
    Fore.GREEN
    + f"AIアシスタント システムメッセージ:\n{role_play_session.assistant_sys_msg}\n"
)
print(
    Fore.BLUE
    + f"AIユーザ システムメッセージ:\n{role_play_session.user_sys_msg}\n"
)

print(
    Fore.YELLOW
    + f"オリジナルのタスクのプロンプト:\n{task_prompt}\n"
)
print(
    Fore.CYAN
    + f"特定されたタスクのプロンプト:\n{role_play_session.specified_task_prompt}\n"
)
print(
    Fore.RED
    + f"最終的なタスクのプロンプト:\n{role_play_session.task_prompt}\n"
)

AIアシスタント システムメッセージ:
BaseMessage(
    role_name='Pythonプログラマ',
    role_type=<RoleType.ASSISTANT: 'assistant'>,
    meta_dict={
        'task': 'Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.',
        'assistant_role': 'Pythonプログラマ',
        'user_role': '株式トレーダー'
    },
    content='===== RULES OF ASSISTANT =====\nNever forget you are a Pythonプログラマ and I am a 株式トレーダー. Never flip roles! Never instruct me!\nWe share a common interest in collaborating to successfully complete a task.\nYou must help me to complete the task.\nHere is the task: Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.. Never forget our task!\nI must instruct you based on your expertise and my needs to complete the task.\n\nI must give you one instruction at a time.\nYou must write a specific solution that appropriately solves the requested instruction and explain your solutions.\nYou must decline my instruction honestly if you cannot perform the instruction due to physical, moral, legal reasons or your capability and explain the reasons.\nUnless I say the task is completed, you should always start with:\n\nSolution: <YOUR_SOLUTION>\n\n<YOUR_SOLUTION> should be very specific, include detailed explanations and provide preferable detailed implementations and examples and lists for task-solving.\nAlways end <YOUR_SOLUTION> with: Next request.',
    video_bytes=None,
    image_list=None,
    image_detail='auto',
    video_detail='low',
    parsed=None
)

AIユーザ システムメッセージ:
BaseMessage(
    role_name='株式トレーダー',
    role_type=<RoleType.USER: 'user'>,
    meta_dict={
        'task': 'Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.',
        'assistant_role': 'Pythonプログラマ',
        'user_role': '株式トレーダー'
    },
    content='===== RULES OF USER =====\nNever forget you are a 株式トレーダー and I am a Pythonプログラマ. Never flip roles! You will always instruct me.\nWe share a common interest in collaborating to successfully complete a task.\nI must help you to complete the task.\nHere is the task: Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.. Never forget our task!\nYou must instruct me based on my expertise and your needs to solve the task ONLY in the following two ways:\n\n1. Instruct with a necessary input:\nInstruction: <YOUR_INSTRUCTION>\nInput: <YOUR_INPUT>\n\n2. Instruct without any input:\nInstruction: <YOUR_INSTRUCTION>\nInput: None\n\nThe "Instruction" describes a task or question. The paired "Input" provides further context or information for the requested "Instruction".\n\nYou must give me one instruction at a time.\nI must write a response that appropriately solves the requested instruction.\nI must decline your instruction honestly if I cannot perform the instruction due to physical, moral, legal reasons or my capability and explain the reasons.\nYou should instruct me not ask me questions.\nNow you must start to instruct me using the two ways described above.\nDo not add anything else other than your instruction and the optional corresponding input!\nKeep giving me instructions and necessary inputs until you think the task is completed.\nWhen the task is completed, you must only reply with a single word <CAMEL_TASK_DONE>.\nNever say <CAMEL_TASK_DONE> unless my responses have solved your task.',
    video_bytes=None,
    image_list=None,
    image_detail='auto',
    video_detail='low',
    parsed=None
)

オリジナルのタスクのプロンプト:
株式市場の取引ボットを開発してください

特定されたタスクのプロンプト:
Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.

最終的なタスクのプロンプト:
Develop an automated trading bot using Python that analyzes real-time stock market data for S&P 500 companies, implements a simple moving average crossover strategy, and executes buy/sell orders on a user-selected brokerage platform. Include risk management features and a customizable user interface for performance tracking and strategy adjustments.

n = 0
while n < chat_turn_limit:
    n += 1
    assistant_response, user_response = role_play_session.step(input_msg)

    if assistant_response.terminated:
        print(
            Fore.GREEN
            + (
                "AIアシスタントが中止しました。"
                f"理由: {assistant_response.info['termination_reasons']}."
            )
        )
        break
    if user_response.terminated:
        print(
            Fore.GREEN
            + (
                "AIユーザが中止しました。"
                f"理由: {user_response.info['termination_reasons']}."
            )
        )
        break

    print_text_animated(
        Fore.BLUE
        + f"AIユーザ:\n\n{user_response.msg.content}\n"
    )
    print_text_animated(
        Fore.GREEN
        + f"AIアシスタント:\n\n{assistant_response.msg.content}\n"
    )

    if "CAMEL_TASK_DONE" in user_response.msg.content:
        break

    input_msg = assistant_response.msg

AIユーザ:

指示：株式市場データの分析と取引に必要なライブラリをインストールしたPython環境を設定してください。
入力：pandas、NumPy、matplotlibなどのライブラリと、証券会社API（AlpacaやInteractive Brokersなど）を使用してください。

AIアシスタント:

解決策：株式市場データの分析と取引に適した Python 環境を設定するには、データ処理と視覚化のための `pandas`、`NumPy`、`matplotlib`、および Alpaca の取引プラットフォームとやり取りするための `alpaca-trade-api` などの証券会社 API クライアントなど、いくつかの必須ライブラリをインストールする必要があります。

環境を設定するためのステップバイステップガイドは、次のとおりです。

1. **Python をインストール**します：まだインストールしていない場合は、Python（バージョン 3.7 以降を推奨）をインストールしてください。Python は [python.org](https://www.python.org/downloads/) からダウンロードできます。

2. **仮想環境を設定（オプションですが、推奨）**：プロジェクトの依存関係を管理するために、仮想環境を作成することをお勧めします。

   ```bash
   python -m venv trading-bot-env
   ```
   
   仮想環境をアクティブ化します：
   - Windowsの場合:
     ```bash
     trading-bot-env\Scripts\activate
     ```
   - macOS/Linuxの場合:
     ```bash
     source trading-bot-env/bin/activate
     ```

3. **必要なライブラリをインストールします**：pip を使用して、必要なライブラリをインストールします。ターミナルまたはコマンドプロンプトで、次のコマンドを実行します：

   ```bash
   pip install pandas numpy matplotlib alpaca-trade-api
   ```

   - `pandas`： データ操作および分析用。
   - `NumPy`： 配列の数値演算用。
   - `matplotlib`： データのプロットおよび可視化用。
   - `alpaca-trade-api`： Alpaca の取引 API とやり取りするため。

4. **API キーの設定**： Alpaca Trading を使用する場合は、API キーとシークレットキーが必要です。［Alpaca］（https://alpaca.markets/） に登録して、キーを取得してください。キーは安全に保管し、`.env` ファイルを作成するか、環境変数として設定してください。

`.env` ファイルの例：
   ```
   APCA_API_BASE_URL=https://paper-api.alpaca.markets
   APCA_API_KEY_ID=your_api_key
   APCA_API_SECRET_KEY=your_secret_key
   ```

(snip)

これで、株式市場データの分析と取引に必要なライブラリを含む Python 環境のセットアップが完了しました。

Next request.

(snip)
        else:
            st.error("Failed to fetch data for the selected symbol.")
    
    loop.close()
```

### コードの説明：

1. **パフォーマンス指標とエクイティカーブ CSV の準備**：
    - `save_performance_metrics` 関数は、パフォーマンス指標の辞書から DataFrame を構築し、それを CSV 形式に変換します。
    - `save_equity_curve` 関数は、`equity_curve` リストから DataFrame を作成し、それを CSV 形式に変換します。

2. **ダウンロードボタン**：
    - `download_button` 関数は、Streamlit の `st.download_button` を使用して、ユーザーが CSV ファイルを簡単にダウンロードできるようにします。

3. **Streamlit UI への統合**：
    - 取引戦略を実行し、パフォーマンスを可視化した後、CSV 出力が作成され、パフォーマンス指標とエクイティカーブの両方に対してダウンロードボタンが表示されます。

4. **ファイル名と MIME タイプ**：
    - 各ダウンロード関数は、CSV のファイル名を指定し、適切なファイルタイプとして `mime='text/csv'` を使用します。

### ダウンロード機能のメリット：
    - **オフライン分析**： ユーザーはパフォーマンス指標とエクイティカーブをダウンロードしてオフラインで分析できるため、アプリケーションにログインし続ける必要なく、取引戦略の有効性を確認できます。
    - **データ永続性**： パフォーマンスの物理的なコピーを保持することで、ユーザーは異なる戦略や期間の結果を簡単に比較できます。

この実装は、トレーダーが実証データに基づいて戦略を分析し最適化するための必須ツールを提供します。

Next request.

AIユーザ:

<CAMEL_TASK_DONE>

AIアシスタント:

ご協力ありがとうございました！今後、さらにご依頼やご質問がございましたら、お気軽にお問い合わせください。良い取引になりますように！

from colorama import Fore

from camel.agents import ChatAgent
from camel.configs import ChatGPTConfig
from camel.models import ModelFactory
from camel.toolkits.code_execution import CodeExecutionToolkit
from camel.types import ModelPlatformType, ModelType
from camel.utils import print_text_animated

# ツールの定義
toolkit = CodeExecutionToolkit(verbose=True)
tools = toolkit.get_tools()

# LLMの定義
assistant_model_config = ChatGPTConfig(
    temperature=0.0,
)
model = ModelFactory.create(
    model_platform=ModelPlatformType.DEFAULT,
    model_type=ModelType.DEFAULT,
    model_config_dict=assistant_model_config.as_dict(),
)

# エージェントの定義
assistant_sys_msg = (
    "あなたは数学の家庭教師でプログラマーです。"
    "数学の質問が行われたら、Pythonコードを書いて実行し、"
    "質問に答えてください。"
)
agent = ChatAgent(
    assistant_sys_msg,
    model,
    tools=tools,
)

# エージェントにタスクを与える
agent.reset()
prompt = (
    "太郎さんはベビーシッターで1時間あたり1500円を稼いでいます。"
    "昨日は51分間だけベビーシッターをしました。彼はいくら稼いだでしょうか？"
)
print(Fore.YELLOW + f"ユーザプロンプト:\n{prompt}\n")

response = agent.step(prompt)
for msg in response.msgs:
    print_text_animated(
        Fore.GREEN
        + f"エージェントの回答:\n{msg.content}\n"
    )

ユーザプロンプト:
太郎さんはベビーシッターで1時間あたり1500円を稼いでいます。昨日は51分間だけベビーシッターをしました。彼はいくら稼いだでしょうか？

WARNING:root:Error executing tool 'execute_code': Execution of function execute_code failed with arguments () and {'code': 'hourly_rate = 1500\nminutes_worked = 51\namount_earned = (minutes_worked / 60) * hourly_rate\namount_earned'}. Error: No module named 'astor'
WARNING:root:Error executing tool 'execute_code': Execution of function execute_code failed with arguments () and {'code': 'hourly_rate = 1500\nminutes_worked = 51\namount_earned = (minutes_worked / 60) * hourly_rate\namount_earned'}. Error: No module named 'astor'
WARNING:root:Error executing tool 'execute_code': Execution of function execute_code failed with arguments () and {'code': 'hourly_rate = 1500\nminutes_worked = 51\namount_earned = (minutes_worked / 60) * hourly_rate\namount_earned'}. Error: No module named 'astor'

!pip install astor

ユーザプロンプト:
太郎さんはベビーシッターで1時間あたり1500円を稼いでいます。昨日は51分間だけベビーシッターをしました。彼はいくら稼いだでしょうか？

======stdout======
1275.0

==================
Executed the code below:
```py
# 時給
hourly_rate = 1500
# ベビーシッターをした時間（分）
minutes_worked = 51
# 時間に変換
hours_worked = minutes_worked / 60
# 稼いだ金額
earnings = hourly_rate * hours_worked
earnings
```
> Executed Results:
1275.0

エージェントの回答:
太郎さんは51分間ベビーシッターをして、1275円を稼ぎました。

from google.colab import userdata
import os

os.environ['E2B_API_KEY'] = userdata.get('E2B_API_KEY')

agent_with_e2b = ChatAgent(
    assistant_sys_msg,
    model,
    tools=CodeExecutionToolkit(verbose=True, sandbox="e2b").get_tools(),
)
agent_with_e2b.reset()

print(Fore.YELLOW + f"ユーザプロンプト:\n{prompt}\n")

response_with_e2b = agent_with_e2b.step(prompt)
for msg in response_with_e2b.msgs:
    print_text_animated(
        Fore.GREEN
        + f"エージェントの回答:\n{msg.content}\n"
    )

ModuleNotFoundError: No module named 'e2b_code_interpreter'

!pip install e2b-code-interpreter

ユーザプロンプト:
太郎さんはベビーシッターで1時間あたり1500円を稼いでいます。昨日は51分間だけベビーシッターをしました。彼はいくら稼いだでしょうか？

Executed the code below:
```py
# 時給
hourly_rate = 1500
# 働いた時間（分）
minutes_worked = 51
# 働いた時間（時間）
hours_worked = minutes_worked / 60
# 稼いだ金額
amount_earned = hourly_rate * hours_worked
amount_earned
```
> Executed Results:
1275.0
エージェントの回答:
太郎さんは51分間ベビーシッターをして、1275円を稼ぎました。

!pip install -U camel-ai[web_tools,document_tools]

from camel.agents import KnowledgeGraphAgent
from camel.loaders import UnstructuredIO


uio = UnstructuredIO()
kg_agent = KnowledgeGraphAgent()

# 入力テキスト
text_example = """
CAMEL-AI.org は、自律型およびコミュニケーション型エージェントの研究を目的としたオープンソースコミュニティです。
"""

# 入力テキストから要素を作成
element_example = uio.create_element_from_text(text=text_example)

# ナレッジグラフエージェントにノードとリレーションを抽出させる
# `parse_graph_elements`で文字列 or グラフ要素のオブジェクトのどちらを返すかを指定
ans_str = kg_agent.run(element_example, parse_graph_elements=False)
ans_GraphElement = kg_agent.run(element_example, parse_graph_elements=True)

# 結果を文字列で表示
print("===== 結果 =====")
print(ans_str)

# グラフの要素を出力
print("===== グラフの要素 =====")
print(ans_GraphElement)

===== 結果 =====
Nodes:

Node(id='CAMEL-AI.org', type='Organization')
Node(id='自律型エージェント', type='Concept')
Node(id='コミュニケーション型エージェント', type='Concept')
Node(id='オープンソースコミュニティ', type='Concept')

Relationships:

Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='自律型エージェント', type='Concept'), type='Researches')
Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='コミュニケーション型エージェント', type='Concept'), type='Researches')
Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='オープンソースコミュニティ', type='Concept'), type='IsA')
===== グラフの要素 =====
nodes=[
    Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}),
    Node(id='自律型エージェント', type='Concept', properties={'source': 'agent_created'}),
    Node(id='コミュニケーション型エージェント', type='Concept', properties={'source': 'agent_created'}),
    Node(id='オープンソースコミュニティ', type='Community', properties={'source': 'agent_created'})
]
relationships=[
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='自律型エージェント', type='Concept', properties={'source': 'agent_created'}), type='Researches', timestamp=None, properties={'source': 'agent_created'}),
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='コミュニケーション型エージェント', type='Concept', properties={'source': 'agent_created'}), type='Researches', timestamp=None, properties={'source': 'agent_created'}),
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='オープンソースコミュニティ', type='Community', properties={'source': 'agent_created'}), type='IsA', timestamp=None, properties={'source': 'agent_created'})
]
source=<unstructured.documents.elements.Text object at 0x7e20a7d3ded0>

custom_prompt = """
You are tasked with extracting nodes and relationships from given content and 
structures them into Node and Relationship objects. Here's the outline of what 
you needs to do:

Content Extraction:
You should be able to process input content and identify entities mentioned 
within it.
Entities can be any noun phrases or concepts that represent distinct entities 
in the context of the given content.

Node Extraction:
For each identified entity, you should create a Node object.
Each Node object should have a unique identifier (id) and a type (type).
Additional properties associated with the node can also be extracted and 
stored.

Relationship Extraction:
You should identify relationships between entities mentioned in the content.
For each relationship, create a Relationship object.
A Relationship object should have a subject (subj) and an object (obj) which 
are Node objects representing the entities involved in the relationship.
Each relationship should also have a type (type), and additional properties if 
applicable.
**New Requirement:** 
Each relationship must have a timestamp representing the time the relationship 
was established or mentioned.

Output Formatting:
The extracted nodes and relationships should be formatted as instances of the 
provided Node and Relationship classes.
Ensure that the extracted data adheres to the structure defined by the classes.
Output the structured data in a format that can be easily validated against 
the provided code.

Instructions for you:
Read the provided content thoroughly.
Identify distinct entities mentioned in the content and categorize them as 
nodes.
Determine relationships between these entities and represent them as directed 
relationships, including a timestamp for each relationship.
Provide the extracted nodes and relationships in the specified format below.
Example for you:

Example Content:
"John works at XYZ Corporation since 2020. He is a software engineer. The 
company is located in New York City."

Expected Output:

Nodes:

Node(id='John', type='Person')
Node(id='XYZ Corporation', type='Organization')
Node(id='New York City', type='Location')

Relationships:

Relationship(subj=Node(id='John', type='Person'), obj=Node(id='XYZ 
Corporation', type='Organization'), type='WorksAt', timestamp='1717193166')
Relationship(subj=Node(id='John', type='Person'), obj=Node(id='New York City', 
type='Location'), type='ResidesIn', timestamp='1719700236')

===== TASK =====
Please extracts nodes and relationships from given content and structures them 
into Node and Relationship objects. 

{task}
"""


ans_custom_str = kg_agent.run(
    element_example, parse_graph_elements=False, prompt=custom_prompt
)
ans_custom_GraphElement = kg_agent.run(
    element_example, parse_graph_elements=True, prompt=custom_prompt
)


# カスタムな抽出結果を文字列で出力
print("===== 結果 =====")
print(ans_custom_str)

# カスタムなグラフの要素を出力
print("===== グラフの要素 =====")
print(ans_custom_GraphElement)

===== 結果 =====
Based on the provided content, here is the extraction of nodes and relationships structured into the required Node and Relationship objects:

### Extracted Nodes:

1. Node(id='CAMEL-AI.org', type='Organization')
2. Node(id='自律型エージェント', type='Concept')
3. Node(id='コミュニケーション型エージェント', type='Concept')
4. Node(id='オープンソースコミュニティ', type='Community')

### Extracted Relationships:

1. Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='自律型エージェント', type='Concept'), type='Researches', timestamp='1717193166')
2. Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='コミュニケーション型エージェント', type='Concept'), type='Researches', timestamp='1717193166')
3. Relationship(subj=Node(id='CAMEL-AI.org', type='Organization'), obj=Node(id='オープンソースコミュニティ', type='Community'), type='IsPartOf', timestamp='1717193166')

Note: The timestamps provided are illustrative. You would replace them with the actual timestamps when relationships are established or mentioned in a real scenario.
===== グラフの要素 =====
nodes=[
    Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}),
    Node(id='自律型エージェント', type='Concept', properties={'source': 'agent_created'}),
    Node(id='コミュニケーション型エージェント', type='Concept', properties={'source': 'agent_created'}),
    Node(id='オープンソースコミュニティ', type='Concept', properties={'source': 'agent_created'})
]
relationships=[
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='自律型エージェント', type='Concept', properties={'source': 'agent_created'}), type='FocusOn', timestamp='1717193166', properties={'source': 'agent_created'}),
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='コミュニケーション型エージェント', type='Concept', properties={'source': 'agent_created'}), type='FocusOn', timestamp='1717193166', properties={'source': 'agent_created'}),
    Relationship(subj=Node(id='CAMEL-AI.org', type='Organization', properties={'source': 'agent_created'}), obj=Node(id='オープンソースコミュニティ', type='Concept', properties={'source': 'agent_created'}), type='IsPartOf', timestamp='1717193166', properties={'source': 'agent_created'})
]
source=<unstructured.documents.elements.Text object at 0x7e20a7d3ded0>

from camel.agents.chat_agent import ChatAgent
from camel.messages.base import BaseMessage
from camel.models import ModelFactory
from camel.societies.workforce import Workforce
from camel.tasks.task import Task
from camel.toolkits import (
    FunctionTool,
    GoogleMapsToolkit,
    SearchToolkit,
    WeatherToolkit,
)
from camel.types import ModelPlatformType, ModelType

import nest_asyncio
nest_asyncio.apply()

search_toolkit = SearchToolkit()
search_tools = [
    FunctionTool(search_toolkit.search_google),
    FunctionTool(search_toolkit.search_duckduckgo),
]

# Web検索エージェントを定義
search_agent_model = ModelFactory.create(
    model_platform=ModelPlatformType.DEFAULT,
    model_type=ModelType.DEFAULT,
)
search_agent = ChatAgent(
    system_message=BaseMessage.make_assistant_message(
        role_name="Web検索エージェント",
        content="あなたはWebで情報を検索することができます。",
    ),
    model=search_agent_model,
    # Web検索、天気検索をツールとして使える
    tools=[*search_tools, *WeatherToolkit().get_tools()],
)

# ツアーガイドエージェントを定義
tour_guide_agent_model = ModelFactory.create(
    model_platform=ModelPlatformType.DEFAULT,
    model_type=ModelType.DEFAULT,
)
tour_guide_agent = ChatAgent(
    BaseMessage.make_assistant_message(
        role_name="ツアーガイド",
        content="あなたはツアーガイドです。",
    ),
    model=tour_guide_agent_model,
    # Google Mapsをツールとして使える
    tools=GoogleMapsToolkit().get_tools(),
)

# 旅行者エージェントを定義
traveler_agent = ChatAgent(
    BaseMessage.make_assistant_message(
        role_name="旅行者",
        content="あなたは、あなたの旅行プランについての質問を行うことができます。",
    ),
    model=ModelFactory.create(
        model_platform=ModelPlatformType.DEFAULT,
        model_type=ModelType.DEFAULT,
    ),
)

# ワークフォースを定義
workforce = Workforce('A travel group')

# ワークフォースにエージェントを追加
workforce.add_single_agent_worker(
    "ツアーガイド",
    worker=tour_guide_agent,
).add_single_agent_worker(
    "旅行者",
    worker=traveler_agent
).add_single_agent_worker(
    "Web検索ができるエージェント",
    worker=search_agent
)

# タスクを定義
human_task = Task(
    content=(
        "パリへの1週間の旅行を計画してください。"
        "訪問する歴史的な場所や天候なども考慮してください。"
    ),
    id='0',
)

# ワークフォースでタスクを処理
task = workforce.process_task(human_task)

print('オリジナルのタスクの最終結果:\n', task.result)

Worker node e174c8 (Web検索ができるエージェント) get task 0.0: 旅行者が関心を持つ歴史的な場所をリストアップし、訪れるべきスポットを決定する。
======
Reply from Worker node e174c8 (Web検索ができるエージェント):

1. **万里の長城（中国）** - 世界遺産に登録されており、中国の歴史を代表する壮大な防御網。
2. **ピラミッド（エジプト）** - 古代エジプトの偉大な文明の象徴で、特にギザのピラミッド群は訪れるべきスポット。
3. **コロッセオ（イタリア）** - ローマの歴史的中心部に位置する、古代ローマの巨大な円形闘技場。
4. **アクロポリス（ギリシャ）** - 古代アテネの宗教的中心地で、パルテノン神殿が有名。
5. **タージ・マハル（インド）** - ムガール皇帝シャー・ジャハーンによって建設された、愛の象徴として知られる霊廟。
6. **ストーンヘンジ（イギリス）** - 謎に包まれた巨石群で、古代の天文観測や儀式の場と考えられている。
7. **マachu Picchu（ペルー）** - インカ帝国の遺跡で、美しい山々に囲まれた神秘的な場所。
8. **サグラダ・ファミリア（スペイン）** - ガウディによる未完成の傑作で、バルセロナの象徴となっている教会。
9. **シドニーオペラハウス（オーストラリア）** - 独特なデザインで知られる、オーストラリアを代表する文化施設。
10. **ナポリのピッツァ（イタリア）** - 世界遺産にも登録されている、ピザ発祥の地を訪れることで、地元の歴史も学べる。
======Worker node e174c8 (Web検索ができるエージェント) get task 0.1: 天候を考慮して、旅行期間中のパリの天気予報を調べる。
======
Reply from Worker node e174c8 (Web検索ができるエージェント):

パリの天気予報:
- 現在の気温: 18.72°C（体感温度: 18.16°C）
- 最高気温: 19.77°C
- 最低気温: 17.99°C
- 風速: 10.29メートル/秒（方向: 200°）
- 視界: 10000メートル
- 日の出: 2025年6月5日 03:49:26（UTC）
- 日の入り: 2025年6月5日 19:49:07（UTC）
======Worker node 9f8dc8 (ツアーガイド) get task 0.2: ツアーガイドが推薦する観光場所の詳細やアクセス情報を収集する。
======
Reply from Worker node 9f8dc8 (ツアーガイド):

1. **万里の長城（中国）**  
   - 詳細: 世界遺産に登録され、中国の歴史を代表する建築。防衛のために築かれた大規模な長城で、美しい風景が広がる。  
   - アクセス情報: 北京から車で約1〜2時間。公共交通機関では北京からバスで行くことが可能。主要観光地の「八達嶺」や「慕田峪」へアクセス可能。

2. **ピラミッド（エジプト）**  
   - 詳細: ギザのピラミッドは古代エジプト文明の象徴であり、特にクフ王の大ピラミッドが有名。  
   - アクセス情報: カイロ市内から車で約30分。タクシーまたはツアーバスでアクセス可能。

3. **コロッセオ（イタリア）**  
   - 詳細: 古代ローマの円形闘技場で、壮大な建築と歴史的価値を持つ。  
   - アクセス情報: ローマの中心部に位置し、地下鉄「コロッセオ駅」から徒歩すぐ。チケットは事前予約可能。

4. **アクロポリス（ギリシャ）**  
   - 詳細: 古代アテネの宗教的中心地で、パルテノン神殿が観光の主な目玉。  
   - アクセス情報: アテネ市内の中心部から徒歩でアクセス可能。周辺には多数の観光施設あり。

5. **タージ・マハル（インド）**  
   - 詳細: 愛の象徴として知られる霊廟で、美しい白大理石が特徴。  
   - アクセス情報: アグラ市内に位置し、デリーから電車または車でアクセス可能。

6. **ストーンヘンジ（イギリス）**  
   - 詳細: 謎に包まれた巨石群で、古代の天文観測や儀式の場として機能していたとされる。  
   - アクセス情報: サルズベリーからバスで約30分。専用の交通機関が運行されている。

7. **マチュ・ピチュ（ペルー）**  
   - 詳細: インカ帝国の遺跡で、美しい自然に囲まれた神秘的な場所。  
   - アクセス情報: クスコから列車で約3時間、そこからバスでアクセス。

8. **サグラダ・ファミリア（スペイン）**  
   - 詳細: ガウディによる未完成のカトリック教会で、バルセロナの象徴。  
   - アクセス情報: バルセロナ市内の中心部から徒歩または地下鉄「Sagrada Família駅」からアクセス可能。

9. **シドニーオペラハウス（オーストラリア）**  
   - 詳細: 独特な帆のようなデザインで知られる文化施設。  
   - アクセス情報: シドニーの中心部から徒歩圏。周辺に交通機関も充実。

10. **ナポリのピッツァ（イタリア）**  
   - 詳細: ピザ発祥の地として知られ、美味しい本場のピザを楽しめるスポット。  
   - アクセス情報: ナポリ市内に点在する多くの有名店へアクセス可能。
======オリジナルのタスクの最終結果:
 **パリへの1週間の旅行計画**

1. **訪問する歴史的な場所**
   - **エッフェル塔**: パリの象徴であり、美しい夜景が楽しめる。
   - **ルーヴル美術館**: 世界最大の美術館で、モナリザをはじめとする名作が展示されています。
   - **ノートルダム大聖堂**: ゴシック建築の傑作で、美しいステンドグラスが魅力。
   - **サクレ・クール寺院**: パリの丘の上に位置し、市内を一望できるスポットです。
   - **ヴェルサイユ宮殿**: パリから少し離れた場所にあり、豪華な宮殿と庭園が楽しめます。

2. **パリの天気**
   - **現在の気温**: 18.72°C、最高気温: 19.77°C、最低気温: 17.99°C
   - **風速**: 10.29メートル/秒
   - **日の出**: 午前3:49、日の入り: 午後7:49（UTC）
   
   - **旅行時の服装**: 軽いジャケットや長袖シャツが必要かもしれません。雨の可能性もあるため折りたたみ傘も持っていくことをおすすめします。

3. **旅行のスケジュールの例**
   - **1日目**: エッフェル塔と周辺の散策。夜はセーヌ川のクルーズ。
   - **2日目**: ルーヴル美術館訪問と、近くのテュイルリー公園でリラックス。
   - **3日目**: ノートルダム大聖堂とモンマルトル散策、サクレ・クール寺院訪問。
   - **4日目**: ヴェルサイユ宮殿日帰り旅行。
   - **5日目**: シャンゼリゼ通りでショッピング、凱旋門見学。
   - **6日目**: オルセー美術館訪問、ラテン地区散策。
   - **7日目**: パリのカフェでゆっくり過ごし、帰路へ。

この計画で、パリの歴史的な魅力をたっぷり楽しむことができるでしょう。また、天候に応じて柔軟に計画を調整することも考慮してください。

from camel.agents.chat_agent import ChatAgent
from camel.models import ModelFactory
from camel.prompts import PromptTemplateGenerator
from camel.toolkits import DalleToolkit
from camel.types import (
    ModelPlatformType,
    ModelType,
    RoleType,
    TaskType,
)

sys_msg = PromptTemplateGenerator().get_prompt_from_key(
    TaskType.IMAGE_CRAFT, RoleType.ASSISTANT
)
print("=" * 20 + " システムメッセージ " + "=" * 20)
print(sys_msg)
print("=" * 49)

model = ModelFactory.create(
    model_platform=ModelPlatformType.DEFAULT,
    model_type=ModelType.DEFAULT,
)

dalle_agent = ChatAgent(
    system_message=sys_msg,
    model=model,
    tools=DalleToolkit().get_tools(),
)

response = dalle_agent.step("ラクダの絵を生成して。")

print("=" * 20 + " 結果 " + "=" * 20)
print(response.msg.content)
print("=" * 48)

==================== システムメッセージ ====================
You are tasked with creating an original image based on
        the provided descriptive captions. Use your imagination
        and artistic skills to visualize and draw the images and
        explain your thought process.
=================================================
==================== 結果 ====================
ラクダの絵を生成しました。以下の画像を確認してください。

![Camel in Desert](img/6e1760e4-01ce-41ef-9a96-0f5d2011c15b.png)

### 思考プロセス:
1. **テーマ設定**: ラクダは主に砂漠に生息しているため、背景は砂漠の風景にしました。
2. **ビジュアル要素の選択**: 明るい金色の砂丘と青い空を選び、ラクダの存在感を引き立たせるために温かみのある色合いを使用しました。
3. **ラクダのポーズ**: ラクダが自信満々に立っている姿を描くことで、彼らの力強さと美しさを強調しました。
4. **背景の追加**: 砂漠の植物を少し加えることで、よりリアルな環境を表現しました。

このようにして、視覚的に美しい砂漠の一部としてラクダを描きました。
================================================

from IPython.display import Image

Image("img/6e1760e4-01ce-41ef-9a96-0f5d2011c15b.png", width=500)