Timbal AI

1) アカウントを作成し、Timbalを開く: https://timbal.ai/ にアクセスし、「Start Free Now」をクリックします（または https://app.timbal.ai/ でログインします）。これにより、エージェント、ワークフロー、インターフェース、ナレッジベースを構築できるTimbal Studioにアクセスできます。

2) 構築するものを選択する（エージェント vs ワークフロー）: Studioで、次のいずれかを選択します。(a) ツールとメモリを備えた自律的な推論のためのエージェント、または (b) 分岐ロジックと保証された結果を備えた決定論的なステップバイステップのパイプラインのためのワークフロー。

3) 統合（またはMCP）を介してデータとツールを接続する: Studioで「Integrations」を開き、AIが必要とするシステム（例：Slack、Drive、Jira、SAP、Salesforce）を接続します。MCPを介してツールがすでに公開されている場合は、TimbalのMCPエンドポイント api.timbal.ai/mcp にそれらを向けます。

4) (オプション) RAG用のナレッジベースを構築する: Studioでナレッジベースを作成し、ドキュメント/データソースを同期します。Timbalはエンタープライズグレードの検索（ハイブリッド検索：ベクトル + 全文検索 + SQLスタイルのクエリ）を提供するため、エージェント/ワークフローは内部コンテンツを使用して回答できます。

5) モデルルーティングを設定する（モデルに依存しない）: ユースケースに合ったLLM/プロバイダー（OpenAI、Anthropic、Google、Mistral、Meta、またはOpenAI互換のエンドポイント）を選択します。Timbalはモデルに依存せず、エージェントごと、ステップごと、またはテナントごとにプロバイダーを切り替えることをサポートしています。

6) オープンソースのPythonフレームワークでコードを構築する（ローカル開発）: フレームワークリポジトリをクローンし、ローカルでテストを実行します：git clone https://github.com/timbal-ai/timbal.git && cd timbal && uv sync --dev && uv run pytest。次に、async/awaitとツールを使用してエージェントを作成します（ソースからの例）：import asyncio; from timbal import Agent; from timbal.tools import WebSearch; agent = Agent(name=\"assistant\", model=\"anthropic/claude-sonnet-4-6\", tools=[WebSearch()], max_tokens=1024); async def main(): result = await agent(prompt=\"What's new in AI this week?\\").collect(); print(result.output); asyncio.run(main()).

7) Studioで構築し（ビジュアル）、必要に応じてコードをエクスポートする: Studioを使用して、エージェント/ワークフローと統合を視覚的に組み立てます。Timbalはエクスポート可能なコード（ブラックボックスなし）を重視しています。エージェント、ワークフロー、統合は、ローカルで実行したり、自己ホストしたりできる読みやすいコードにコンパイルできます。

8) ガバナンスを追加する：環境 + レビューワークフロー（Git統合）: 実験が本番環境に影響を与えないように、個別の環境（開発/ステージング/本番）を設定します。Timbalの変更をブランチとプルリクエストに接続し、すべてのエージェント/ワークフロー/設定の更新が本番環境に昇格する前にレビューされるようにします。

9) デプロイする（マネージドまたは自己ホスト）: デプロイモードを選択します。(a) Timbalが管理するインフラストラクチャでの完全マネージドデプロイ（リージョン/マシンサイズ、スケーリング、ロールバックを選択）、または (b) コンポーネントを自分で自己ホストします。プラットフォームは、クラウド、VPC、またはオンプレミスデプロイをサポートしています。

10) CLIからデプロイする（クイックパス）: Timbal CLIを使用してスキャフォールドおよびデプロイします（ソースからの例）：$ timbal init my-agent; $ timbal deploy --env prod → deployed … → url: api.timbal.ai/agents/…。CLIは認証、UIを使用したローカル実行、クラウドへのプッシュをサポートしています。

11) TypeScript/JavaScript SDKを介してデプロイされたAIを呼び出す: 公式SDKをインストールして使用し、Node/React/Bunからワークフォース/エージェント/ワークフローを呼び出します（ソースからの例）：import Timbal from \"@timbal-ai/timbal-sdk\"; const timbal = new Timbal({ token: \"your-api-key\", orgId: \"your-org-id\", projectId: \"your-project-id\" }); const res = await timbal.callWorkforce(\"support\", { message: \"Refund #8812\" }); 環境変数経由で設定したり、as()でユーザー範囲のクライアントを作成したりすることもできます。

12) インターフェース（チャット/ダッシュボード/オムニチャネル）をリリースするか、製品に組み込む: Timbal Interfacesを使用して、カスタムUI（チャットからダッシュボード、音声まで）を作成し、チャネル（例：WhatsApp、Instagram、メール、音声）全体に配信したり、既存の製品内にエクスペリエンスを組み込んだりします。

13) 完全なトレーサビリティで本番実行を監視およびデバッグする: Timbalの可観測性を使用して、プロンプト、ツール呼び出し、モデル使用量、タイミング、障害など、トレースをエンドツーエンドで検査します。これにより、自信を持ってデバッグし、意思決定を説明できます。

14) 安全に反復する：評価、昇格、ロールバック: 組み込みの評価/ガバナンスを使用して、本番環境への昇格前に動作を検証します。環境間でバージョンを昇格させ、必要に応じてデプロイをロールバックして、本番環境の信頼性と監査性を維持します。