プロジェクト一覧

A2Aプロトコル

A2Aは、別々に開発されたエージェントが能力を公開し、メッセージを交換し、1回の接続では終わらない仕事の状態を追跡する方法を定めます。バージョン1.0では、共通のデータモデルと操作をJSON-RPC、gRPC、HTTP/RESTの各方式から分離し、公式SDKは別のリポジトリで提供しています。タスクの状態管理、途中経過の配信、非同期の更新を必要とする自律サービス間には向きますが、データベース照会のように入出力が定まったツール呼び出しはMCPの領域であり、仕様を採用するだけではエージェント、レジストリ、認可ポリシーは手に入りません。

Addy Osmani's Agent Skillsコーディングエージェント

放っておくと、コーディングエージェントは指示を言い終えた瞬間からコードを書き始めます。これは、そこに本来の開発の順序を戻すスキル集です。9つのコマンドが、何を作るかを決める段階から公開までを覆い、背後のスキルは作業内容に応じて自動で有効になります。インターフェースの設計を始めればその担当スキルが、画面側に触れればそちら向けのスキルが働きます。注目すべきは自動モードの扱いで、省かれるのは各作業の合間に人が入ることだけであり、確認は残ります。各作業は引き続きテスト駆動で行われ、個別にコミットされ、失敗すれば止まります。実体はMarkdownなので、共通のskillsコマンドで70種類ほどのエージェントに導入できます。

AG-UIプロトコル

数分間動き続け、途中経過を流し、判断を変え、ときに人の確認を必要とするエージェントを、リクエストとレスポンスのAPIでは表現できません。AG-UIはそのやり取りを、HTTPとWebSocket上のイベント列として定義します。トークン、ツール呼び出しとその結果、共有状態、添付ファイル、そして実行を止めて問い合わせる割り込みが含まれます。有用性は既に実装している側の広さに比例し、本カタログ収録のフレームワークを含む公式対応一覧がその根拠です。逆に自分のバックエンドもフロントエンドも未対応なら、利点は大きく下がります。

AG2フレームワーク

AutoGenがメンテナンスモードに入ったとき、進む先は2つに分かれました。これはそのうちコミュニティ側の道です。同じ有志たちが、複数のエージェントが会話しながら課題を解くという元の考え方を、Microsoftの外で引き継いでいます。ただしAutoGenから移ってくる人は、1.0で何が起きたかを知っておく必要があります。実際にコードを書く対象だったConversableAgentやGroupChat、そして`autogen`という読み込み名は、並行して保守される別リポジトリへ移りました。現在の`pip install ag2`で入るのは、プロトコルを軸に作り直された新しいフレームワークです。既存のコードは動き続けますが、その置き場所はもうここではありません。

Agent Development Kitフレームワーク

エージェントはLlmAgent——モデル、指示文、ツールの一覧——として書き、それを階層に組み合わせるか、順次・並列・繰り返しの流れを自分で指定するワークフローとしてつなぎます。各ターンはRunnerが進め、セッションとその状態を保持するため、リクエストをまたいで会話が続きます。他のフレームワークが省きがちな部分——保存したテストケースに対してエージェントを採点する評価の仕組みと、実行を1ステップずつ追えるローカルのWeb画面——まで同梱しているのが特徴です。LiteLLM経由でモデルは選べ、コンテナならどこでも動きますが、ドキュメントもツール群もマネージド実行環境もGoogleのもので、GeminiとGoogle Cloudから離れるほど自分で組み立てる部分が増えます。

Agent Frameworkフレームワーク

両者を作ったチーム自身の手によるもので、AutoGenの軽いエージェント抽象を残しつつ、Semantic Kernelのセッション状態・ミドルウェア・テレメトリを取り込み、その上に実行経路を明示するグラフ型のワークフローを載せています。.NETのチームにとっては、これまで存在しなかった純正の答えです。代償は時期の問題で、まだ若く、既存のAutoGenやSemantic Kernelのコードは移行が必要になります。

Agent Governance Toolkitガードレール

エージェントが持つ権限は、渡した認証情報が持つ権限であって、本来許してよい範囲とはほとんど一致しません。表を読める鍵はたいてい表を消せます。このツールキットは、その差を呼び出しの地点で埋めます。規則はYAMLで書きます。破壊的な操作は拒否する、メール送信は指定した担当者の承認を必須にする、といった内容です。ツールの関数を包めば、呼び出しのたびに規則が評価され、監査記録に残り、規則に触れる場合は理由を添えて拒否されます。あわせて、ある操作をどのエージェントが行ったかを特定するための識別の仕組みと、自分のプロセスで動かしたくないツールのための隔離実行が用意されています。公開プレビュー段階で、パッケージ構成はすでに一度変わっています。

Agent Lightningプロンプト最適化

エージェントに強化学習を使うという話でいつも問題になるのは、学習環境として作り直すことになり、その時点で本番のものを改善しているとは言えなくなる点です。Agent Lightningは、モデルの窓口があった場所に中継役を置くことでこれを避けます。エージェントは自分のツール、プロンプト、制御の流れ、環境をそのまま保ち、中継役を通るやり取りがそのまま学習データになります。学習側が方策を更新し、制御役がエージェントを手元またはKubernetesのジョブとして動かします。Microsoftは、90億パラメータのモデルを6,000件の学習データでSWE-bench Verifiedの41.8%から56.4%へ引き上げたと報告し、その一連の手順を公開しています。これはアプリケーションに足すライブラリではなく、学習基盤を伴うGPUの作業です。

Agent Sコンピュータ操作

Agent Sは、1つのモデルが同時にこなすと精度の落ちる2つの仕事を分けています。次に何をするかを決める仕事と、画面のどこをクリックすべきかを割り出す仕事です。計画は汎用のモデルが担い、「保存ボタン」を座標に変換する部分は、別に動かす小さめの視覚モデルが担当します。この分担が成績の理由です。複数回試して選ぶ設定でOSWorldにおいて72.60%に達したとSimularは述べており、人間の成績はおよそ72%とされています。同時に、導入がパッケージの取得だけでは済まない理由でもあります。座標を担うモデルは自分で用意して別の窓口として立ち上げ、そのモデルが返す座標の解像度をエージェントに伝える必要があります。既定では、間にサンドボックスを挟まず、モニタ1台の実機のデスクトップを操作します。

AgentBenchベンチマーク

うまく答えられるモデルが、何かを操作させると使い物にならないことはあります。問答形式のベンチマークではそれが見えません。AgentBenchは、反応が返ってくる環境の中にモデルを置きます。作業しなければならないシェル、問い合わせを組み立てるデータベース、知識グラフ、テキストの世界、そして正しい商品が注文されて初めて成功となる買い物サイトです。採点の基準は課題を達成できたかどうかで、推論の読みやすさではありません。現行版はこれらの環境をコンテナとして動かし、関数呼び出し形式で操作させるため、自前の機材で再現できます。ただし公開されている実務上の注意もあり、約16GBのメモリを要する環境や、ワーカーを再起動するまで資源を消費し続ける環境が含まれます。

agentgatewayガードレール

エージェントと、その呼び出し先——モデルプロバイダ、MCPサーバー、他のエージェント——の間に置くRust製のデータプレーンです。認証、RBAC、レート制限、OpenTelemetryへの送出をエージェントごとに実装せず、ここで一度だけ設定します。Solo.ioが2025年8月にLinux Foundationへ寄贈し、2026年6月にはMCPやgooseと同じAgentic AI Foundationの傘下へ移りました。ただしリクエスト経路上に置く基盤としては歴史が浅く、下流のMCPサーバーへ利用者ごとの識別情報を引き渡す仕組みは未対応の課題として残っているため、必要な認証方式を先に確認してください。

AgentScopeフレームワーク

AgentScopeは、考えてツールを呼び、結果を見てまた考えるという基本のエージェントから始まり、そのうえで通常なら後から自分で作ることになる部分まで用意しています。ツールは自分のプロセス内ではなく隔離された環境で実行され、文脈は増えるにつれて圧縮したり外部に退避したりできます。途中で人に承認を求めることもでき、完成したエージェントは複数の利用者を分離した状態で提供する基盤として動かせます。その広さと引き換えに、2.0は1.0からの意図的な非互換変更であり、旧版向けに書かれた解説はそのままでは通用しません。

agnoフレームワーク

Agnoは3つの層でできています。エージェント・チーム・ワークフローを書くPython製のSDK、それらをREST APIとして公開し、セッション、JWTによる権限確認、定期実行、実行記録の保存までを自前のデータベースで賄うFastAPI製のランタイムAgentOS、そして実行の様子を眺めるための管理画面です。前の2つはApache-2.0で、コンテナが動く場所ならどこでも動かせます。既定で送られる利用統計を除けば、処理もデータもAgnoのサーバーを通りません。例外は管理画面で、手元のランタイムにつなぐ分は無料ですが、デプロイ済みのランタイムにつなぐには有料プランが要ります。開発の速度が速く、マイナー更新の多くに破壊的変更が入るため、バージョンを固定してから作り込むのが安全です。

AI SDKフレームワーク

作業の大半は4つの関数が担います。文章にはgenerateTextとstreamText、スキーマで形を決めたデータにはgenerateObjectとstreamObjectを使い、背後のモデルがOpenAIでもAnthropicでもGoogleでもBedrockでもローカルのものでも、呼び出し方は変わりません。もう半分はUI側のフックで、逐次表示のチャット画面を自前のパーサーなしに数行で書けます。ただしこれはモデル接続とUIの層であり、エージェントの実行基盤ではありません。永続的なメモリ、検索、耐久性のある処理制御は別の道具の担当です。

Aiderコーディングエージェント

すべての変更がgitコミットとして記録されるため、AIによる編集が同僚の編集と同じようにレビュー可能・巻き戻し可能になります。リポジトリマップの仕組みにより、コンテキストウィンドウを大きく超える規模のコードベースでも作業できます。ターミナル専用という設計は、そこで作業する人には強みですが、エディタ内での利用を求める場合は選択肢になりません。

AnythingLLMRAG / 検索拡張

ワークスペースにファイルを置けば、取り込みから分割、検索までが1つのアプリの中で完結し、ベクトルデータベースや埋め込み用のサービスを別に用意する必要はありません。新しいワークスペースは最初からエージェントモードで動くため、Web検索やSQL問い合わせ、MCPサーバーの呼び出しが同じ画面から使え、ノーコードで組んだエージェントフローも標準機能と同じように呼び出せます。ただし添付した文書は既定で全文がそのままモデルへ渡り、コンテキスト長を超えたところで初めて分割と埋め込みを促される設計なので、扱う文書が増えるほど埋め込み後の検索設定を詰める作業が必要になります。加えてDocker版にはデスクトップ版のような同梱モデルがなく、マルチユーザーに切り替えると単独利用へは戻せないため、どの形態で運用するかを最初に決めておくのが安全です。

AutoGenマルチエージェント制御

マルチエージェントシステムに対するMicrosoft Researchのアプローチで、専門化したエージェント間の構造化された対話から解が立ち上がります。探索的な課題や研究寄りの問題に強みがあります。採用前に確認すべき点が2つあります。メジャーバージョン間でAPIが大きく作り直されていること、そしてGitHubがリポジトリのライセンスをCC-BY-4.0と報告していることです。後者はコンテンツ向けのライセンスであり、OSI承認のソフトウェアライセンスではありません。商用利用の前にメンテナへ条件を確認してください。

AutoGPTワークフロー

ここでのエージェントは、外部サービスの呼び出し・データ変換・モデルへの問い合わせ・条件分岐といった単位である「ブロック」を繋いだグラフです。コードではなくキャンバス上で組み立て、任意のタイミング、スケジュール、あるいはトリガーで実行します。ただし1つのリポジトリに無償の自己ホスト版と有償ホスティングの実装が同居しており、プラットフォーム側のディレクトリはPolyForm Shieldのため、利用はできても競合サービスとしての提供は禁じられています。

AWS MCP Serversプロトコル

MCP対応のクライアントにつなぐと、最新のAWSドキュメントの検索、AWS自身の指針に沿ったCloudFormationやCDKの記述、DynamoDBやPostgreSQLへの問い合わせ、CloudWatchログの調査、コストの見積もりまでをモデルに任せられます。機能はサービスごとの小さなサーバーに分かれ、uvxコマンド1つとAWSの認証情報で個別に起動します。ドキュメント担当のKnowledgeサーバーとプレビュー中のAWS MCP Serverの2つはAWSがホストしていて、環境構築なしで使えます。気がかりは今後で、AWSは2026年5月に後継のAgent Toolkit for AWSを発表し、本番のエージェント用途にはそちらを推奨、有用なサーバーは順次移行すると述べています。

Blender MCPツール連携

Blenderは強力ですが、その学習コストのせいで多くの人は立方体から先へ進めません。これはBlenderをMCP対応のアシスタントにつなぎます。Blender側のアドオンが接続を開き、モデル側からはオブジェクトの作成や移動、マテリアルの適用、シーンの確認、そしてBlender自身のPython APIに対する実行ができます。最後の点が重要であり、同時に主なリスクでもあります。決められた操作の一覧に縛られないため、大事なファイルに対して想定していなかったことも起こり得ます。導入手順は本当に3段階ですが、2つのプログラムにまたがります。パッケージ実行環境の用意、MCPクライアントへの登録、そしてBlender側でのアドオンの有効化です。

Browser Useコンピュータ操作

スクリーンショットからクリック座標を推測させるのではなく、ページ上の操作可能な要素を抽出して構造化リストとしてモデルに渡します。この方式により、フォーム入力やスクレイピングでの安定性が明確に高くなります。一方でcanvas主体のアプリケーションや、bot対策の強いサイトでは読み取れるDOMが存在せず、精度が落ちます。

camelマルチエージェント制御

CAMELは、エージェント同士に会話をさせることを出発点にした研究寄りのライブラリです。RolePlayingは指示を出す側と実行する側の2つのエージェントを組ませ、Workforceでは調整役が分割したサブタスクを複数の作業者へ配ります。その周囲には、80を超えるツール群、約50のモデル接続、GAIAやBrowseCompなどのベンチマーク実行環境、対話の記録を微調整用データセットへ変換するパイプラインが揃っています。実験を回す用途ならこの幅広さ自体が強みですが、本番で1つのエージェントを堅実に動かしたいだけなら使わない部分を大量に抱え込むことになりますし、2023年の公開以来バージョンは0.2系のままです。

ChatDevマルチエージェント制御

ChatDev 2.0は、エージェント、Python実行、人の確認、別ワークフローの埋め込みといったノードを線でつなぎ、分岐や繰り返しを含む1枚の図として多エージェント構成を設計する基盤です。ブラウザのLaunch画面から実行を始めると、各ノードが待機・実行中・成功または失敗と変わる様子を追え、途中で人が指示を返すこともでき、同じYAMLをPyPIのchatdevパッケージから画面なしで動かすこともできます。2023年の論文で知られる仮想のソフトウェア会社も消えたわけではなく、CEO、プログラマー、コードレビュアー、テスト担当など9つのエージェントを組んだサンプルワークフローとして2.0にも同梱されていますが、論文当時の実装そのものは別ブランチへ移っています。ただし基盤自体は新しく、付属ドキュメントとコードで設定項目の名前が食い違う箇所も残っているため、説明文よりも同梱のYAMLを読んで覚える前提で臨んでください。

ChromaベクトルDB

検索を動かすまでの摩擦が最も少ない選択肢です。サーバーの構築もクラスタのサイジングも不要です。そのためプロトタイプや小規模な本番負荷には非常に適しています。一方で、どの規模で手狭になるかは、遭遇してから慌てるのではなく事前に計画しておくべき論点です。

chrome-devtools-mcpプロトコル

エージェントに実物のChromeとDevToolsの計測器を渡すMCPサーバーです。性能トレースを記録してCore Web Vitalsを要点付きで読み上げ、ネットワークリクエストとソースマップ適用済みのコンソールエラーを一覧し、Lighthouse監査も実行します。ページの操作も、他のブラウザ系MCPと同じくテキストのスナップショット経由で行えます。すでに開いている自分のChromeへプロファイルごと接続することもでき、そこが便利さと同時に注意所です。Playwright MCPとの分かれ目は対応範囲で、こちらはChrome専用。その代わりに、ブラウザ横断のサーバーには無い分析機能が手に入ります。

claude-memメモリ / コンテキスト

エージェントのライフサイクルにフックを差し込んで全ツール呼び出しを記録し、小型モデル（既定はClaude Haikuで、手持ちのサブスクリプションかAPIキーで動作）が題名付きの観察記録へ圧縮します。次のセッションの開始時には直近の記録が自動で文脈へ注入され、検索はMCPツール経由で、安価な索引行から詳細本文へと段階的に掘れます。保存先はローカルのSQLiteと任意のベクトル索引で、Claude Code以外にもOpenCode・Cursor・Codex CLIへの導入手順があり、privateタグで囲んだ内容は保存されません。採用前に性格を知っておくべきで、これは受け身のプラグインではなく常駐デーモンとBun・Python一式を伴うインフラです。圧縮はセッションごとに実際のモデル利用枠を消費し、最初の1年でメジャーバージョンが13回上がる速度で変化しています。

ClickHouse可観測性

追記が中心で値の種類が多いデータ——モデル呼び出しごとに1行を記録し、後からモデル名やコスト、エラーで絞り込む——に向いた列指向エンジンです。Langfuseは2024年12月にトレースの保存先をPostgreSQLからClickHouseへ移し、2026年1月にはClickHouseがLangfuseを買収したため、セルフホストの可観測性基盤を組むと下層にこれが入る構成が増えています。一方でトランザクション処理には向かず、更新や削除は行の書き換えではなく列パート単位の再作成になるため、アプリケーションの状態を書き込む先ではなく、エージェントの実行記録が着地する場所として扱ってください。

Clineコーディングエージェント

VS Code上で動作し、ファイル書き込みやターミナルコマンドの実行前に都度承認を求めます。作業の流れを断ち切らずに人間を関与させられるのが利点です。MCP対応により、エディタ外のツールにも到達できます。この承認プロンプトこそが安全機構であり、すべて無効化すると本ツールを選ぶ主要な理由が失われます。

cloudflare-os実行環境

Cloudflare OSは、エージェントとの対話と、そのエージェントが書き上げる小型アプリ（Gadget）を同じ画面に載せた業務環境です。Gadgetのサーバー側はインターネット接続を無効化したDynamic Worker、クライアント側はサンドボックス化したiframeで動き、両者の通信はpostMessage経由のCap'n Web RPCに限られます。外部サービスへは利用者が明示的に「紹介」したリソースだけにGatekeeper経由で到達し、副作用のある操作はいったん模擬結果を返してエージェントを止めずに進ませ、実行そのものは後からまとめて承認・却下できます。ただし設計はWorkers固有の機能に深く依存しており、ワークスペースはDurable Object、GadgetはDynamic WorkerのFacetとして動きます。自前サーバーのworkerdへ載せる手順はREADMEでもCOMING SOONのままで、実質的な選択肢はCloudflareアカウントへのデプロイになります。2026年8月時点のv2は開発元自身がearly accessと位置づけているうえ、Gatekeeper側にも接続先ごとの設定が必要なものが多く、サービスによってはOAuthクライアント資格情報の取得が必要です。

Codex CLIコーディングエージェント

リポジトリを読み、変更を提案し、コマンドを実行するという動き自体は他のターミナル型と同じですが、境界の引き方が特徴的です。macOSとLinuxではOSのサンドボックス機構を使い、触れるファイルと実行できるコマンドを制限します。制限がモデルの善意に依存しない、という点が違います。サインインはChatGPTのプランかOpenAIのAPIキーを経由します。コードはApache-2.0でも、背後のモデルは開かれた部分ではない、というのが取引条件です。

codex-securityガードレール

基本形は`npx @openai/codex-security scan .`で、結果のJSONはstdoutに出ます。`--mode deep`ではworkerとsubagentを並べ、新しい検出が出なくなるまで探索を続けます。再スキャン時は`scans compare BEFORE_SCAN_ID AFTER_SCAN_ID`が根本原因で前回と突き合わせ、new／persisting／reopened／resolved／unknownに分類するため、差分だけを追えます。ただし探索は既定で96時間まで回る長丁場であり、コミット前の軽量チェックには向きません。実行にはCodex Securityへのアクセスが前提で、一部のサイバーセキュリティ要求やprotected findingsはTrusted Access for Cyberの承認が必要になる点も、導入前に確認しておきたいところです。

composioツール連携

外部サービスをエージェントに触らせるとき、いちばん手間がかかるのは認可の取得と失効したトークンの更新ですが、Composioはそこを丸ごと引き受けます。利用者ごとにセッションを作ると、既定ではツール定義を大量に読み込ませる代わりに、探す・つなぐ・実行するためのメタツールだけがモデルに渡り、必要なものを実行時に見つけさせる形になります。SlackやGitHubの出来事を署名付きWebhookで受け取る仕組みや、エージェントがPythonを書いて動かせるサンドボックスも、同じセッションに紐づきます。代償は、その仕組み一式が自分のものではないことです。1000を超える連携を自作せずに済む代わりに、どれ一つ自分で手を入れられません。

conductorワークフロー

ワークフローをJSONで定義し、自分で立てたサーバーで実行するエンジンです。タスクごとに実行結果を保存するので、途中でサーバーが落ちても最初からやり直さず、止まったタスクから再開します。実際の処理はエンジンの外にいるワーカーが担当します。ワーカーは担当するタスクをHTTPでサーバーに問い合わせ、処理し、結果を返すだけの普通のプログラムなので、HTTPを呼べる言語ならどれでも書けます。公式SDKで実用段階にあるのはJava、Python、Go、JavaScript、C#で、RubyとRustはREADMEに試験段階と記されています。LLMの呼び出し、MCPサーバーからのツール取得、ベクトル検索は標準のタスク種別として用意されており、エージェントの繰り返し処理をフレームワークのコードなしで中断・再開できます。負担は運用面に出ます。JVM上で動かすサーバーであり、データベースと分散ロックを別に用意する必要があるうえ、OSS版には認証の仕組みがありません。

Context7プロトコル

ライブラリ名を挙げると /vercel/next.js のような識別子に解決し、続く質問には絶えず再索引されるドキュメントの断片で答えます。モデルは学習データにある古いAPIではなく、いま実在するAPIに沿ってコードを書くようになります。導入はコマンド1つかURLの貼り付けで済み、公開リポジトリなら誰でも索引への追加を申請できます。ただし把握しておくべき性格があり、OSSなのは薄いクライアント側だけで、クローラー・パーサー・索引はUpstashの非公開ホスト型サービスです。無料枠は月1,000呼び出しで、2026年8月に実際に起きたように、ホスト側が止まるとこのツールは何も答えられなくなります。

ContextForgeプロトコル

組織がMCPで直面する問題はサーバーを書くことではありません。1年経つと40個あって一覧を誰も持っておらず、クライアントごとに手作業で設定している、という状況です。ContextForgeはその場面のための登録簿兼プロキシです。サーバーは一度登録すれば1か所から見つけられ、既存のRESTやgRPCのサービスは書き換えずにMCPとして公開でき、A2Aのエージェントも同じ経路で扱えます。認証、流量制限、記録はサーバーごとではなく中央でまとめて適用されます。それ自体がMCPの仕様に沿ったサーバーなので、クライアントからは窓口が1つに見えます。重さがそのまま代償です。データベースとキャッシュ、Kubernetesでの運用を伴う基盤であり、サーバーが40個ではなく3個なら過剰です。

Continueコーディングエージェント

補完・チャット・編集を、指定した任意のモデルで動かせます。自前のハードウェア上で動くモデルも指定可能です。コードを社外に出せない環境で現実的に選べる数少ない選択肢のひとつになります。その柔軟性の代償として、設定はホスティング型の代替手段より手間がかかります。

CopilotKitツール連携

文字を返すだけのエージェントは、それが置かれているアプリケーションを活かしきれません。CopilotKitはその両者をつなぎます。あるフックでアプリの状態の一部をエージェントに読ませ、別のフックで画面側の関数を呼べるように登録し、さらに別のフックで、返答を文章ではなくReactのコンポーネントとして描かせます。確認用のフォーム、グラフ、承認を求める差分などです。バックエンドとは、同じ開発元が公開しているAG-UIというプロトコルでやり取りするため、エージェント側がLangGraphでもCrewAIでもClaude Agent SDKでも、画面側の作りは変わりません。逆に、エージェントそのものは提供しません。用意するのは利用者側で、整備されている経路はReactです。

Crawl4AIデータ取込

ホスティング型クローラと同じ役割を、寛容なライセンスのセルフホストで果たします。抽出戦略をサイトごとに定義できます。サービスではなくライブラリであるため、プロキシの扱いやレート制限は自分で設計・管理することになります。

CrewAIマルチエージェント制御

タスクを、役割と目標を持つエージェントのチームとして表現し、互いに作業を引き渡させます。この比喩によりマルチエージェント設計が一目で読めるようになり、デモ映えする理由にもなっています。ただし、役割を演じる複数エージェントが、よく設計された単一エージェントを実際に上回るかは、導入前に計測する価値があります。答えが「否」であることは珍しくありません。

Crushコーディングエージェント

ほぼどのパッケージマネージャからでも単一のGoバイナリとして入り、Windows PowerShell、WSL、Android、各種BSDを含む幅広い環境で動きます。セッションはプロジェクトごとに保持され、会話の途中で文脈を失わずにモデルを差し替えられ、言語サーバーがエディタと同等のコード情報を供給します。最初に読むべきはライセンスです。OSI承認ではなく、競合製品としての提供を禁じており、各リリースがMITになるのは公開から2年後です。

Cuaコンピュータ操作

コンピュータ操作はいつも同じ壁に当たります。エージェントにはマシンが必要で、それは自分が今使っているマシンであってはいけません。Cuaはその答えを4つ用意しています。導入前に知っておく価値があります。おそらく必要なのは4つ全部ではなく、そのうちの1つだからです。ドライバは、カーソルや前面表示を奪わないまま、エージェントに背面でネイティブアプリを操作させます。サンドボックスは、Linux、macOS、Windows、Androidを1つのAPIの背後に置き、手元のQEMU上でも開発元のクラウド上でも動かせます。Cua-BenchはOSWorldなどの評価を実行し、学習用に操作の記録を書き出します。LumeはAppleの仮想化基盤を使い、Apple Silicon上にmacOSの仮想マシンを作ります。

DeepEval可観測性

形は意図的にpytestそのものです。テスト関数の中に表明を書き、それを発見して実行するランナーがあり、引数を変えたケースも書けます。違うのは、表明の対象が「回答が文脈に忠実だったか」「エージェントがタスクを完了したか」である点です。この形にした狙いは明確で、品質の劣化を、構文エラーを捕まえるのと同じ関門の前に持ち込むことにあります。想定しておくべきなのは、これらの指標の多くがモデルによって採点されることです。通常のテストには無い費用とばらつきが伴います。

deepseek-harnessフレームワーク

`dsh`はDeepSeek AIが自ら開発するエージェントハーネスで、`npx @deepseek-ai/dsh web`を実行すれば既定で`http://127.0.0.1:3080`にWeb UIが立ち上がります。中身はCordisを土台にした「すべてがプラグイン」の構成なので、既製の挙動をそのまま使うより、自分で機能を足していく前提のチームに向いています。一方で本人たちがdeveloper previewと明言し、互換性を壊す変更があるとREADMEで大文字の警告を出しているため、いま書いたプラグインが次のバージョンでそのまま動く保証はありません。READMEが説明する起動方法も`web`コマンドとソースからの実行だけで、それ以外は開発ガイドとアーキテクチャ文書へのリンクが示されるにとどまる点は把握しておきたいところです。

DeerFlowマルチエージェント制御

2.0はWeb UIからバックエンドまでを1ポートの裏に立てる完成品アプリケーションです。リードエージェントがサブエージェントを起動し、永続メモリを持ち、ローカル・Docker・Kubernetes・E2Bのサンドボックスで作業を実行して、Markdownで定義されたスキル経由でレポート・スライド・Webページ・動画を作ります。モデルはLangChainのプロバイダ指定で配線し、検索はキー不要のDuckDuckGoを既定に6種類へ差し替え可能、TelegramやSlack、飛書などのチャットからも呼べます。導入前に知るべきことが2つあります。有名になったv1の深掘りリサーチは別ブランチに凍結されていて、いまインストールされるものではありません。そしてREADME自身が、設計はループバック限定の信頼環境向けであり、ゲートウェイの管理権限はホスト上でのコード実行と等価だと明記しています。

Devikaコーディングエージェント

Devikaを動かすと、番号付きの計画、エージェントの独り言、閲覧中ページのスクリーンショット、ターミナルの出力、消費トークン数が1つの画面に並びます。目標を1行送ると、プランナーが手順を書き出し、リサーチャーが最大3件の検索クエリに絞り、各クエリの1件目のリンクだけをPlaywrightのブラウザで開いて本文を抜き出し、コーダーがプロジェクトフォルダにファイルを書き出す、という決まった順序で進みます。一方、READMEが掲げたSWE-benchでDevinに並ぶという目標は一度も計測されず、結果を書くはずのファイルは空のものと1行のプレースホルダが残るだけです。コード自体の更新も2024年で止まっているため、これから何かを載せる土台としてではなく、当時の「オープンソース版Devin」がどこまで動いていたのかを自分の手で確かめられる実装として見るのが妥当です。

Diagram Designツール連携

エージェントに図を頼むと、角の丸い箱と矢印が返ってきて、載せたい文書の見た目とまるで合わず、結局使われないことがよくあります。このスキルはエージェントに語彙を与えます。アーキテクチャ、シーケンス、スイムレーン、四象限、サンキー、特性要因図、Wardleyマップ、ストーリーマップなど39種類の名前付きレイアウトがあり、それぞれ明色・暗色・編集向けの3種類で、SVGを埋め込んだHTMLファイル1枚として出力されます。ビルド工程もJavaScriptも外部画像も不要で、ブラウザで開くかページに貼るだけです。自分のサイトを読ませて配色を合わせることもでき、既存のdraw.ioやMermaidの図を、指定した大きさと詳しさで描き直させることもできます。

Difyワークフロー

AIへの指示文の管理、社内文書からの検索、AIに使わせる道具、運用画面までを一式で備えており、初期構築さえ済めばエンジニア以外でも回せます。ライセンスはApache 2.0に、マルチテナント提供とブランディングに関する追加条件を加えたもので、OSSではなくソース公開型にあたります。この上に製品を構築する前に必ず確認してください。

Distillyツール連携

なぜこの仕組みがこうなっているかを知っていた人が去ると、その人が書き残した文書は、知っていたことのうち小さいほうの半分だったと分かります。Distillyはもう半分に手を伸ばす試みです。その人のメッセージ、文書、聞き取り、公開されている文章を渡すと、観察できる傾向をまとめた人物プロファイルを作ります。何をどう決めていたか、何にこだわっていたか、どう言っていたか、といった内容で、エージェントが読み込めるスキルの形で出力されます。開発元は主張の範囲に慎重で、利用する側も同じであるべきです。出力は渡した資料に基づくものであり、その人物そのものだとは主張していません。分かりやすい注意点は同意です。素材はたいてい他人のものだからです。

Doclingデータ取込

テキスト抽出との違いは構造が残る点です。ページの版面、読み順、表のセル、コードブロック、数式が、平坦な文字列ではなく単一の文書表現の一部として出てきます。報告書の中の表がエージェントに届く時点でも表のままかどうかは、ここで決まります。処理は完全にローカルで実行でき、外部と切り離された環境でも動きます。その忠実さの代償は計算量です。各ページに機械学習モデルを走らせるため、その場で呼ぶ高速な変換器ではなく、見積もっておくべき処理として扱う必要があります。

DSPyプロンプト最適化

各ステップが何をすべきかを宣言し、評価指標を与えると、オプティマイザがそれを最大化するプロンプトと少数事例を探索します。パイプラインの改善が、経験則ではなく計測可能な作業になるのが利点です。評価用データセットが前提であり、それがなければ最適化の対象自体が存在しません。

E2B実行環境

1秒を大きく下回る時間で隔離されたマイクロVMを起動できるため、タスクごとのサンドボックス化が理論ではなく実務になります。エージェントに自作コードを実行させるなら、この種の仕組みは「あると良いもの」ではなく必須要件です。セルフホストも可能ですが、ホスティング版に比べて相応の作業量が必要になります。

elizaフレームワーク

elizaOSはTypeScript製のエージェントフレームワークであると同時に、デスクトップとモバイルのアプリ、ホスティングサービス、端末機能への橋渡しまでを1つのリポジトリに収めた製品一式です。開発者が書くのは、名前、指示文、経歴の断片、読み込むプラグインを並べたキャラクターファイルで、あとはランタイムが受け取ったメッセージを保存し、その場面に関係するプロバイダーだけから文脈を集め、モデルにアクションを選ばせて実行し、返答のあとでエバリュエーターが事実を抜き出して記憶に書き戻します。同梱のプラグインには、DiscordやTelegramなどのチャット、MCPサーバーの呼び出し、ブラウザとデスクトップの操作、カレンダーや受信箱といった秘書機能、自分で鍵を持つ暗号資産ウォレット、通信を切っても動く端末内モデルが並びます。ただしnpmの安定版は今も1系で、ここで説明した2系はベータ版とアルファ版でしか配布されていないため、エージェント用のライブラリを1つ選ぶつもりで手を出すと、抱えるものは想定よりかなり大きくなります。

FaissベクトルDB

中心にあるのは、ベクトル集合を保持して検索する索引です。索引構造が何十種類も存在するのは、トレードオフが実在するからです。検索時間、結果の質、1ベクトルあたりのメモリ、構築にかかる時間、そして学習用データが必要かどうかが互いに競合します。一部の方式は圧縮表現だけを保持し元のベクトルを持たないため、1台のサーバーで数十億件規模に届きます。サーバー機能、絞り込み、アクセス制御はここにはありません。それらは、この上に築かれたデータベースが足している部分です。

FastMCPツール連携

型注釈の付いたPython関数にデコレータを1つ付ければ、それで完成したツールになります。スキーマは型注釈とドキュメント文字列から導出され、受け取る引数と返す値の双方が検証されます。さらに、2週目の作業でぶつかる部分まで揃っています。型付きクライアント、OAuthと外部IDプロバイダ、複数サーバーを1つとして束ねる構成、既存サーバーの前段に立つプロキシ、ミドルウェアです。注意すべきは名前の重複で、このAPIの旧版が公式のMCP Python SDKに取り込まれているため、FastMCPという語はどちらのimportを読んでいるかで別のものを指します。

Firecrawlデータ取込

JavaScriptをレンダリングし、リンクを辿り、検索コーパスを汚染しがちなナビゲーションや定型部分を除去します。RAGの地味なほうの半分をきちんと解決してくれます。AGPLライセンスのため、サービスとして公開する計画がある場合は条項の確認が必要です。

garakガードレール

チャットボットやモデルに向けると、プロンプトインジェクション、脱獄、符号化による回避、データ漏洩と再現、有害表現、誤った推論といった攻撃の系統を順に試し、どれが通ってしまったかを報告します。攻撃、判定、対象への接続を別々の部品として保つ設計により、新しいプローブや新しいバックエンドを、他を書き換えずに追加できます。担うのはセキュリティの発見側であって修正側ではありません。出力が示すのは、どのプローブが成功したかであり、それに対してどんな方針を書くべきかではありません。

gemini-cliコーディングエージェント

ターミナルの1つのプロンプトから、リポジトリを読み、ファイルを編集し、シェルコマンドを実行し、Google検索で最新の情報を確かめるところまでを任せられます。書き込みを禁じたプランモードで下調べと計画を先に済ませ、TOML形式のポリシーでどのツールを許すかを事前に決め、拡張機能でMCPサーバーやスキル、フックをまとめて配れます。ただし接続先はGeminiモデルに限られるため、モデルの乗り換えやオフラインでの利用を前提にするなら向きません。さらに2026年6月18日以降は個人アカウントでのGoogleログインが使えなくなり、APIキー、Vertex AI、Code AssistのStandardまたはEnterpriseライセンスのいずれかを用意する必要があります。

GEPAプロンプト最適化

強化学習は実行全体を1つの数値へ圧縮するため、何が悪かったかを示す部分を捨ててしまいます。GEPAはそれを保持します。エラーメッセージ、実行の記録、推論のログをモデルへ戻し、失敗の原因を診断させて具体的な修正案を出させます。さらに、1つの勝者へ収束させず、それぞれ異なる事例で強い候補プロンプトの集合を保ちます。プロジェクトは、強化学習が1万回超を要する場面で100〜500回の評価で結果に達すると述べています。実行も反省もモデル呼び出しであるため、この効率は強化学習との比較であって、費用ゼロという意味ではありません。

Giskardガードレール

評価で分かるのは、自分が思いついた質問に対する出来です。安全性についてはそれでは形が合いません。問題になるのは、思いつかなかった質問のほうだからです。Giskardはそこを反転させます。スキャンが敵対的な入力を自ら生成し、拒否すべきだったのに答えてしまったものを報告するため、試験項目は想像力ではなくツールが用意します。あわせて、検索を使う仕組みが静かに壊れていく典型的な形を調べるスキャンと、期待する振る舞いを通常のテストとして書き、pytestで合否を出す仕組みがあります。一度気になった確認事項を、変更のたびに走る確認に変えられます。開発元は、指摘ゼロが安全性や法令遵守の保証ではないと明記しています。

github-mcp-serverプロトコル

MCPに対応したクライアントからつなぐと、Issueの仕分け、Pull Requestの作成とレビュー、コードやコミット履歴の検索、失敗したActionsのログ確認までを、リポジトリをクローンせずGitHub API経由で任せられます。GitHubがホストするリモートサーバーはURLを設定するだけで動き、同じソフトウェアをコンテナや1つのバイナリとしてローカルで動かすこともできます。GitHub Enterprise Serverではリモートサーバーが提供されないため、ローカルで動かす方法だけが選択肢になります。悩ましいのは道具の多さで、20あまりのツールセットに80を超えるツールが並び、既定で有効になるのは5つのツールセットに絞られています。全部を有効にすると選択肢が増えすぎて、モデルがツールを選び損ねます。

Gooseコーディングエージェント

CLIまたはデスクトップアプリとしてローカルで動作し、固定のツール一覧ではなくMCP拡張によって機能を獲得します。そのため、同一のエージェントでコード、インフラ、外部サービスを扱えます。モデル非依存の設計は、プロバイダの切り替えを想定する場合に効いてきます。

Graphitiメモリ / コンテキスト

多くのメモリ層は上書き方式で、新しい事実が古い事実を置き換え、昨年時点の答えは取り出せなくなります。Graphitiは古い関係を「もう成立していない」と日付付きで印を付けるため、現在の真と当時の真の双方に問い合わせられます。さらに、出来事が起きた時点と、システムがそれを知った時点を区別します。遅れて届いた情報が過去を書き換えてしまわないのはこの仕組みによります。検索はベクトル類似度、全文検索、グラフ探索を組み合わせます。費用は具体的です。グラフデータベースを併走させる必要があり、取り込みのたびに実体と関係の抽出でモデルを呼びます。

GraphRAGRAG / 検索拡張

通常の検索は質問に似たチャンクを探すため、答えがどのチャンクにも書かれていない問い、たとえば全体の主題や2人の人物の関係といった問いには答えられません。GraphRAGは各文章から実体・関係・主張を抽出し、できたグラフをコミュニティに分割して要約し、その要約から回答します。代償は索引の構築時に支払われます。すべてのテキスト単位に対して、さらにすべてのコミュニティに対してモデルを走らせるため、構築コストは質問の回数ではなくコーパスの規模に比例します。

haystackフレームワーク

Haystackは、文書の取り込みから検索、モデルの呼び出しまでを1つずつコンポーネントとして置き、パイプラインの上で出力と入力を名前で指定してつないでいくフレームワークです。型の合わない組み合わせはつないだ瞬間にエラーになり、条件による分岐も、回数の上限つきで前のコンポーネントへ戻すループも、同じパイプラインの中に書けます。Agentもコンポーネントの一つなので、ツール呼び出しの繰り返しをパイプラインへ組み込んだり、別のAgentのツールとして渡したりできます。裏を返せば配線はすべて自分で書くことになり、PDFを置くだけで対話システムができあがる近道はありません。ライブラリなので自分のプロセスの中で動き、パイプラインをHTTPの窓口やMCPサーバーとして公開するには別プロジェクトのHayhooksを使うか、受け口を自分で用意することになります。

Helicone可観測性

多くの記録ツールは呼び出しを包むことを求めますが、見たいコードがライブラリの中や別のジョブ、他人が持つサービスの中にあると、その方法は使えません。Helicone は別の道を取ります。接続先のURLを向けるだけで、通過するリクエストがすべて記録され、経路上にSDKは入りません。すでにその位置にいるため、ゲートウェイの仕事も兼ねます。複数の提供元を1つの鍵で扱い、片方が落ちたら自動で切り替え、繰り返しのプロンプトはキャッシュから返します。引き換えはその位置そのものです。アプリケーションとモデルの間にプロキシが入るため、運用する部品と経路が1つ増えます。エージェントの実行はセッションとしてまとまるので、多段の記録が無関係な30件の呼び出しではなく1つのまとまりとして読めます。

hermes-agentツール連携

Nous Research自身が開発するエージェント本体で、TUIと単一のgatewayプロセスがTelegram、Discord、Slack、WhatsApp、Signal、Emailの会話を束ね、cronスケジューラ、隔離されたサブエージェント、local/Docker/SSH/Singularity/Modal/Daytona/Vercel Sandboxという7種類のターミナルバックエンドを備えます。核になるのは閉じた学習ループで、定期的な促しに応じて記憶を整理し、複雑なタスクの後に自らスキルを作り、FTS5とLLM要約で過去セッションを検索します。裏を返せば、有用さの源である状態が`~/.hermes`配下に溜まり続け、バージョン管理の外で育つため、定期的な棚卸しが前提になります。組み込み用のライブラリではなく運用するアシスタントであり、READMEが記載するのはhermesのサブコマンドとスラッシュコマンドで、埋め込み用のAPIではありません。自作コードから呼ぶエージェントループが欲しい用途には向きません。シェルを扱えるエージェントをチャット経由で露出させる以上、コマンド承認とDMペアリングの設定は任意の飾りではなくなります。

Hindsightメモリ / コンテキスト

会話を保存して後から検索できるようにするのは簡単なほうです。難しいのは、同じ内容が少しずつ言い方を変えて何度も出てくることと、後からの訂正が前の発言に勝たなければならないことです。Hindsightはそこを軸に作られています。関連する事実は根拠を伴う1つの見解にまとめられ、新しい根拠が来るたびに更新されるため、考えが変わったことが矛盾する2つの記録ではなく更新として読めます。検索は意味、単語、関係、時間の4つの方法を同時に走らせます。先月何が変わったかという問いは、似ているものを探しても答えが出ないためです。ライブラリとして読み込むのではなく自分で動かすサーバーで、MCPの窓口と複数言語のクライアントが用意されています。

障害対応で時間がかかるのは修正ではなく、ダッシュボードを開き、急変をデプロイと突き合わせ、実際に落ちたポッドを見つけるまでの20分です。HolmesGPTはその部分を担います。すでに運用しているPrometheus、Grafana、Datadog、Kubernetes、任意のREST APIに接続し、必要なものを取得しては見つかった手がかりをたどる形で調査を進め、結論を元のアラートへ書き戻します。特徴的なのは、素朴な作りの道具が壊れる規模を前提にしている点です。絞り込みはサーバー側で行い、大きな出力はディスクへ流し、ツールごとにメモリ上限があるため、巨大な監視データを問い合わせても文脈が埋まったりプロセスが落ちたりしません。CNCFのサンドボックスプロジェクトです。

Humanizerツール連携

モデル自身に「AIっぽさを消して」と頼んでも、何がそう見せているのかの一覧を持っていないため、うまくいきません。Humanizerはそれを与えます。Wikipediaの編集者がAIによる記述を見分けるために維持している一覧から、35個の特徴を使います。元の構成を固定せずにまず書き直し、その草稿を同じ特徴と元の主張に照らして確認し、必要ならもう一度書き直します。結果だけでなく、途中の草稿と自らの批評も示します。捏造はしません。人名、数値、日付、出典は元の文章か書き手から来る必要があります。ファイルを指定した場合は本文だけを変更し、コードやデータ、リンク先には触れません。

Inspect AIベンチマーク

この分類の他の項目がそれぞれ1つの計測であるのに対し、これは計測を作るための機構です。データセットが入力と正解を与え、ソルバーが応答を生成し、スコアラーが正誤を判定し、タスクがこの3つを束ねます。ソルバーは単一のモデル呼び出しでも、多ターンのエージェント全体でも構いません。200を超える既製の評価が同梱され、モデルが書いたコードはサンドボックス内で実行され、ログビューアで各サンプルの実際の経過を確認できます。できないのは、何を測る価値があるかを教えてくれることです。

LangChainフレームワーク

本当の価値は網羅性にあります。必要なモデル、ベクトルストア、APIのアダプタはたいてい既に存在し、着想からプロトタイプまでの距離が短くなります。抽象化の階層が深いという評価は根強く、多くのチームは連携部分にこれを使い、制御フローが複雑になった段階でより明示的な実装に移行しています。

LangChain4jフレームワーク

看板機能はAI Servicesです。Javaのインターフェースを宣言してアノテーションを付けると、プロンプトの組み立て、モデルの呼び出し、返り値の型へのマッピングまでを実装として提供してくれます。その下には素のChatModel APIがあり、宣言的な層が邪魔になったときはいつでも降りられます。RAG、ツール呼び出し、Spring Boot・Quarkus・Micronaut・Helidonとの統合はいずれも公式提供です。名前は似ていますがPython版の移植ではないため、あちらの資料はそのままは通用しません。

Langflowワークフロー

エージェントを視覚的に下書きし、パイプラインの実際の動きを非エンジニアに見せ、そのままAPIとして書き出す用途に向いています。分岐が増えるとビジュアルエディタは扱いにくくなるため、複雑なロジックの最終的な置き場ではなく、設計とデモの場として使うのが現実的です。

Langfuse可観測性

エージェントが実際に何をしたか——各呼び出し、ツール実行、コスト——を記録し、そのトレースを評価用データセットへ変換できます。マネージド版とDocker Composeでセルフホストする版が同一コードベースのため、どちらの方向にも移行コストが低いのが利点です。一部のエンタープライズ機能はMITのコア部分に含まれないため、必要な機能の提供範囲を事前に確認してください。

LangGraphフレームワーク

LangGraphでは、エージェントの処理の流れを「状態・ノード・エッジ」のグラフとして自分で定義します。ノードはLLM呼び出しやツール実行といった処理単位、エッジは次にどのノードへ進むかのつなぎで、全ノードが共有の状態を読み書きします。状態に応じてエッジを分岐させてループを作れるほか、ノードごとに状態が保存されるため、人の承認待ちで止めて後から再開したり、障害後に保存地点から続けたりできます。その分コードは増え、単純なツール呼び出しだけのエージェントには他のフレームワークより重くなります。

Lettaメモリ / コンテキスト

コンテキストウィンドウをRAM、それ以外をディスクとみなし、何を読み込み何を退避するかをエージェント自身に判断させます。この枠組みにより、無期限に動き続けるエージェントが扱える対象になります。既存スタックにメモリライブラリを後付けするより、思想への踏み込みが大きい選択です。

LibreChatワークフロー

1つのデプロイで、OpenAI・Anthropic・Google・Bedrock・任意のOpenAI互換エンドポイントを単一のログインの向こうに並べられます。エージェントビルダーを使えば、指示文・ツール・ファイル検索・コード実行・MCPサーバーをプログラミングなしで組み合わせ、ユーザー・グループ・ロール単位のアクセス制御付きで共有できます。LDAP・OIDC・SAMLの企業向け認証も揃っています。代償は運用の重さで、標準構成の時点でコンテナが6個動き、コード実行とWeb検索はそれぞれ追加のサービスか外部キーを要します。1人でコンテナ1個なら今もAnythingLLMの方が簡単で、LibreChatは複数ユーザーで運用するための選択肢です。2025年11月にClickHouseが買収し、ライセンスはMITのままだと表明しています。

LightRAGRAG / 検索拡張

索引時にLLMが全チャンクを読み、エンティティと関係を知識グラフへ抽出して、ベクトル埋め込みと並べて保持します。問い合わせは5つのモードから選びます。特定エンティティの事実はlocal、文書をまたぐテーマはglobal、両者の併用がhybridとmix、ただのチャンク検索がnaiveです。付属サーバーはREST APIとグラフ可視化つきのダッシュボードに加え、チャットUIからOllamaのモデルに見えるAPIも提供します。判断の分かれ目はコスト構造で、グラフ構築はチャンクごとにLLM呼び出しを消費し、ローカルで抽出するならおよそ30Bクラスのモデルが下限だとプロジェクト自身が述べています。既定のストレージ構成も本番向けではないと明記されています。安いチャンク検索で足りる用途なら、naiveモードの存在自体が示すとおり、普通のRAGで済みます。

LiteLLMモデルサービング

ライブラリとしては、1つの関数呼び出しで対応プロバイダのどれにでも、OpenAI形式のリクエストとレスポンスのまま到達できます。多くのチームが導入する理由は後者のゲートウェイのほうです。自己ホストのサーバーが、個別の予算と流量制限を持つ仮想キーを発行し、プロバイダの障害時には代替へ切り替え、複数の配備先へ負荷を分散し、キーごとの費用を記録します。代償として、リクエスト経路に自分で運用する構成要素が1つ増えます。またenterpriseディレクトリ配下のコードはMITの対象外です。

LiveKit Agents音声エージェント

LiveKitルームへプログラム可能な参加者として接続するサーバー側エージェントを構築し、WebRTC通信、ジョブ配信、電話連携、ターン検出、各種モデルプロバイダー連携をまとめて扱います。メディア通信と本番セッションの運用を一つの基盤で組みたい用途に向きます。一方、テキスト専用のエージェントや通信層に依存しないパイプラインには、LiveKit前提の構成が過剰になる場合があります。

llama.cppモデルサービング

ここでの量子化の成果が、データセンターGPUのないハードウェアで実用的なモデルを動かせるようにしました。ローカルモデル関連エコシステムの多くがこの上に構築されています。直接扱う場合は、上位のラッパーが隠しているビルドフラグやハードウェア固有の事情に向き合うことになります。

LlamaIndexRAG / 検索拡張

多くのフレームワークがエージェントのループから出発するのに対し、これはデータから出発します。取り込み、インデックス戦略、そして回答が実際に根拠を持つかどうかを決める検索パターンを中心に据えています。問題の難所が推論ではなくコーパス側にある場合に選ぶ価値があります。

LocalAIモデルサービング

OpenAI向けのクライアントをそのまま向ければ応答します。ツール呼び出し付きのチャット、埋め込み、画像生成、文字起こしと読み上げ、リランカー、リアルタイム音声対話までで、AnthropicやElevenLabs、OllamaのAPIの模倣も持っています。小さな本体がハードウェアを検出し、llama.cpp・vLLM・MLX・whisper.cppといった推論バックエンドを必要になった時点で取得します。Webのギャラリーからモデルをクリックで導入でき、MCP対応の自律エージェントも同梱、APIキー・OIDC・クォータで複数ユーザーにも対応します。正直に比較すると、ノートPCでモデルと会話するだけならOllamaの方が簡単で、1モデルのスループットを追い込むなら素のvLLMの方が身軽です。そしてWindowsのネイティブ版はなく、コンテナかWSLに限られます。

Mastraフレームワーク

エージェントは指示文とモデルを与えて宣言し、ツールは入力と出力の両方をスキーマで検証します。ワークフローはステップを繋いで組み立て、実行状態をストレージに書き出すため、途中で中断して後から再開できます。検索・メモリ・評価・トレースが別々の部品の寄せ集めではなく同じパッケージに入っている点が魅力ですが、その広さは覚える対象の広さでもあります。またApache-2.0の範囲は、別の商用ライセンスで留保されたいくつかのディレクトリの手前で止まります。

MCP Inspectorプロトコル

開発中のMCPサーバーにInspectorを接続し、ツールの呼び出し・リソースの読み出し・プロンプトの展開を1つずつ試して、返ってくる応答を確かめるデバッグツールです。インストール不要でnpxから起動でき、画面で操作するWeb UIのほか、CIに組み込めるCLI、ターミナルで完結するTUIを同じコマンドで切り替えられます。あくまで開発時の確認ツールであり、本番運用での監視や評価はこのツールの範囲外です。

MCP Reference Serversプロトコル

Model Context Protocolを理解する最も確実な方法は、正しく実装されたサーバーを読むことであり、この集合がそれにあたります。実用的なコネクタとしても、自作する際に写経する雛形としても機能します。

mcp-agentフレームワーク

mcp-agentは、エージェントが使うツールがすべてMCP経由で来るなら、フレームワーク自体は小さくできるという考え方に賭けています。面倒な部分であるMCPサーバーへの接続の開始・維持・終了はこちらが引き受け、そのうえでAnthropicの「Building Effective Agents」で知られる構成を、入れ子にできる部品として提供します。得意分野のエージェントを選ぶルーター、計画を立てて割り振るオーケストレーター、出来を見て差し戻す評価役などです。作ったエージェント自体をMCPサーバーとして公開することもできます。障害をまたいで実行を続けたい場合はTemporal上で動かせますが、その分、運用するサービスが1つ増えます。

mcp-useプロトコル

多くのMCPサーバーは文字列を返し、見せ方はクライアント任せです。mcp-useはその逆を前提にしています。ツールにReactの画面を持たせられるため、ChatGPTやClaudeの中で利用者が目にするのは文章ではなく操作できる画面になります。ツールの入出力はZodのスキーマで宣言し、その型が画面の受け取る値まで通るので、片方を変えるともう片方が型エラーとして知らせてきます。雛形から作った構成には、作業しながらツールを呼んだり画面を確かめたりできる検査画面がローカルに用意され、実際のクライアントから試すためのトンネル機能も付いています。バージョン2はこのサーバーと画面の組み合わせを軸にした作り直しで、以前のPython製クライアントライブラリは主眼から外れています。

Mem0メモリ / コンテキスト

会話から永続的な事実を抽出し、次回以降の実行で関連するものだけを取り出します。肥大化する会話履歴をそのままコンテキストに流し込む方式を避けられるのが利点です。セッションをまたいでユーザーを記憶させたい用途に向きます。何を保存するかはモデルの判断に委ねられるため、自分のデータで抽出品質を検証してから本番投入することを勧めます。

MemPalaceメモリ / コンテキスト

多くの記憶の仕組みは、何を覚える価値があるかをエージェントに判断させ、その要約を保存します。つまり、重要だと思われなかった細部は、必要になったときにはもう残っていません。MemPalaceは逆の道を選びます。会話は一言一句そのまま保存し、構造は内容ではなく索引の側に持たせます。人やプロジェクトが棟に、話題が部屋になり、元の文章は引き出しに収まります。そのため検索を全体に平らにかけるのではなく、書庫の一部に向けて絞り込めます。動作は手元のマシンで完結し、MCPとして公開できるためコーディングエージェントから直接検索できます。保存先はChroma、SQLite、Milvus、Qdrant、Postgresから選べます。取り込みは自動で起こるものではなく、自分で実行する作業です。

MetaGPTマルチエージェント制御

`metagpt "Create a 2048 game"`と一行打つだけで、要件定義書・設計書・ソースコードが`workspace/`以下に書き出されます。ただし働く顔ぶれは入手経路で変わります。PyPIで配布されている0.8.2は製品担当・設計担当・進行担当・エンジニアの4役ですが、READMEが案内するgit cloneのmainではチームリーダーとデータアナリストが加わり、進行担当は外れています。デモの下にあるのは汎用のフレームワークで、RoleとActionを継承し、どのActionの結果に反応するかを宣言すれば、共有のEnvironmentがメッセージを配って作業順を決めます。データ分析だけならData Interpreter単体で完結します。限界もはっきりしていて、公式FAQは生成コードが500行を超えると未実装の関数が残ると認めています。

Midscene.jsコンピュータ操作

UIテストは、製品と関係のない理由で壊れます。クラス名が変わった、要素が1階層深くなった、コンポーネントが移動した、といった理由です。Midsceneはセレクタそのものを無くします。手順は文章で書き、要素の位置はモデルが画面の画像から特定し、検証も「その行が強調されている」「レイアウトが崩れていない」のように人が見て分かる内容で書けます。DOMからは届かない場所にも手が届きます。canvasの描画、アイコンだけのボタン、モバイルのネイティブアプリ、別ドメインのフレームなどです。引き換えになるのは1手順あたりの費用と再現性です。各手順が参照ではなくモデルの呼び出しになるため、セレクタなら数秒で終わる一式が同じ時間では終わりません。

MilvusベクトルDB

ストレージと計算を分離し、インデックス構築とクエリを独立にスケールさせる設計です。数十億ベクトル規模で必要になるアーキテクチャがここにあります。その能力は運用負荷と引き換えであり、数百万ベクトル未満の規模ではより単純な選択肢のほうが適しています。

MLflow可観測性

MLflowがエージェント向けに効いてくるのは、すでにそこにあるからです。モデルの学習管理として動かしている組織が多く、GenAI向けの機能はエージェントの実行記録、評価の実行、プロンプトの版を、その同じ実験画面に並べます。計測は多数のエージェント関連ライブラリに対して自動で行われ、1行足すだけでプロンプト、検索、ツール呼び出し、応答が記録されます。形式はOpenTelemetryのGenAI規約に沿うため、他の道具からも読めます。記録された実行はそのまま評価用のデータになり、既製の判定役や自作の判定役で採点できます。難点は、MLflowがライブラリではなく基盤である点です。実行記録だけが目的でも、データベースと成果物置き場を伴う管理サーバーを動かすことになります。

Model Context Protocolプロトコル

MCPのクライアントとサーバーが準拠を測られる対象で、TypeScriptで定義したスキーマとそのJSON Schema版、そして適合実装が満たすべき要件を記した文章から成ります。2025年12月にAnthropicがLinux Foundation傘下のAgentic AI Foundationへ寄贈しており、ライセンスは移行の途中です。新規のコードと仕様本文はApache-2.0、ドキュメントはCC-BY-4.0、再ライセンスに同意していない寄稿分はMITのまま残っています。SDKの挙動が腑に落ちないときに読む場所であって、これ自体は依存関係ではなく文書のため、実装には各言語のSDKが別途必要です。

n8nワークフロー

数百のサービスをつなぐ処理をワークフローとして画面上で組み立てる自動化ツールです。流れの中の1つ1つの処理はノードと呼ばれ、近年はAIエージェントをノードとしてワークフローに組み込む使い方が増えています。最初に確認すべきはライセンスです。OSI承認のオープンソースではなく、Sustainable Use Licenseによるソース公開型にあたります。社内利用やセルフホストは可能ですが、ホスティングサービスとして再販することは認められていません。

NeMo Guardrailsガードレール

多くのガードレール製品は1か所で1つのことを検査します。こちらは介入点を5つ定義します。モデルが要求を見る前、検索が取り込んだ内容、会話の流れ、ツール呼び出しの周囲、そして応答が利用者に届く前です。アプリケーションとモデルの間に位置するため、既に稼働中のシステムに、どちら側も変えずに後付けできます。代償はレイテンシと語彙です。強力な制御のいくつかはそれ自体がモデル呼び出しであり、対話の規則はColangという専用言語で記述します。

numbatガードレール

デスクトップ・CLI・IDE・ゲートウェイの各エージェントの動きをhookやplugin、OTLP/HTTPのログエクスポータ経由で取り込み、単一のイベントモデルへ正規化したうえでローカルのCELルールで評価し、events・findings・enforcement決定をバージョン付きNDJSONとして書き出します。`numbat scan`はディスク上のセッション成果物を読むため、事前に計装していなかった過去の作業も後から再構成できます。一方で遮断は保守的な設計で、enforceモードは既定で無効、同梱ルールはすべて監視専用なので、実際に止めるにはルールYAMLを運用側のディレクトリへ複製し、idを保ったままenforce: trueを追加してversionを上げる手順が必要です。観測できる範囲はエージェントとサーフェスごとにcoverage matrixで決まり、永続化されなかった活動は後から復元できず、findingsは実行された事実の証明ではなくルールの一致にすぎません。網羅的な記録や確定的な事実認定を期待する用途には向きません。

Ollamaモデルサービング

量子化済みのモデル、つまり少ないメモリで動くよう圧縮された形式のモデルを取得し、呼び出し用のローカルHTTP APIまで起動して、コマンド1つで使える状態にします。手元のハードウェアでモデルを動かして開発を始めるなら妥当な選択です。ただし多人数へ同時に配信する用途では、処理量を稼ぐことに特化したサーバーのほうが明確に有利です。

OnyxRAG / 検索拡張

旧Danswerで、企業が個別に組み上げがちな範囲を丸ごと備えています。チャット画面、50を超える情報源からの索引付け、独自の指示と操作を持つエージェント、レポートを返す多段の調査モード、Web検索、コード実行、成果物の生成までが対象で、1コマンドで配備でき、自己ホストでも商用でも任意のモデルプロバイダに向けられます。判断材料は2つです。完全構成は索引・ワーカー・推論サーバー・キャッシュ・オブジェクトストアからなるスタックであること、そしてeeという名前のディレクトリはMITではなく別の商用ライセンスであることです。

OpenAI Agents SDKフレームワーク

エージェント、ハンドオフ、ガードレール、トレーシングという少数のプリミティブのみで構成されています。この表面積の小ささが利点で、学習することも、抗うことも少なくて済みます。OpenAI自身のモデルを第一に想定した設計のため、複数プロバイダ間の可搬性が重要な場合はその点を考慮してください。

openclawツール連携

`openclaw onboard --install-daemon`で手元のマシンにGatewayを常駐させると、セッション、ツール、イベント、チャネル接続がそこへ集約され、Control UI、CLI、TUI、接続済みのメッセージングチャネルが同じアシスタントを共有します。モデルはホスト型でもローカルでも構成でき、機能追加は本体の改造ではなくplugin SDKで作るプラグインを前提としています。一方で想定利用者は単独のオペレーターで、メインセッションのツールはサンドボックスを明示的に設定しない限りホスト上でそのまま実行され、DM可能なチャネルでは受信メッセージを未信頼の入力として扱う前提になっています。他のユーザーを参加させたりGatewayを外部へ公開したりする構成は、README自体がsecurityとsandboxingのガイドを先に読むよう促している領域であり、チームでの共有運用を第一に考えるなら選択肢から外れます。

opencodeコーディングエージェント

特徴は、何もかもが埋め込みではなく宣言である点です。名前付きのエージェントをJSONかMarkdownで定義し、それぞれに使うモデルと、ツールごとの権限を与えます。読み取り・編集・コマンド実行のそれぞれについて、許可・確認・拒否のいずれかを選べます。切り替えはキー1つです。標準でも、全権限を持つものと、編集や実行の前に必ず確認するものの2種類が同じ仕組みで用意されています。MITでプロバイダにも依存しませんが、変化が速いうえ最近リポジトリの所有者が変わったため、古いリンクや固定したバージョンはすぐ古びます。

OpenHandsコーディングエージェント

隔離されたコンテナ内でファイル編集・テスト実行・ドキュメント参照を行うため、実行が失敗してもホスト環境を壊しません。SWE-bench系のベンチマークでは上位の成績を出していますが、実際のリポジトリに向ける前にコスト試算を勧めます。長時間の自律実行はトークン消費が大きく、生成結果はマージ前に人間のレビューが前提になります。

openinterpreterコーディングエージェント

プロジェクトのディレクトリで`i`と打つと、ファイルを読み、コードを編集し、設定したサンドボックスの中でコマンドを実行します。特徴は`/harness`で、システムプロンプト、ツール定義、メッセージの変換方法を丸ごと、そのモデルの提供元が想定する作法に入れ替えられます。DeepSeekやKimiのような安価なモデルから実用的な仕事を引き出すための設計です。ただし中身はOpenAIのCodex CLIをRustで作り直したフォークで、リリースは2026年6月に始まった0.0.x系のままです。多くの人が知るPython製のOpen Interpreterとは、名前とリポジトリを共有しているだけの別物だと考えてください。

OpenLLMetry可観測性

同分類の他の選択肢は専用バックエンドを持つ製品であり、導入すると運用対象が増え、テレメトリの半分が他と切り離された場所に置かれます。こちらは計装の層です。モデル呼び出しとベクトルデータベース呼び出しを標準的なOpenTelemetryのスパンとして出力し、Datadog、Grafana、New Relic、Splunk、Honeycombなど、既存のトレースの送り先へそのまま流します。引き換えに、汎用のバックエンドで見えるのはスパンとレイテンシであって、専用プラットフォームが中心に据えるプロンプトの版管理や評価の画面ではありません。

Opik可観測性

関数にデコレータを付けるか、クライアントを包むだけでトレースの記録が始まります。同じデータがそのまま実験機能に流れ、幻覚・回答の関連性・文脈の再現率といった指標で、手作業ではなく自動的に応答を採点します。30を超える連携が主要なフレームワークとプロバイダを覆い、ホスト型サービスとしてだけでなく、ローカルやKubernetes上でも全体を動かせます。難点は機能ではなく重複です。本カタログに既に載る2つのプラットフォームと真正面から競合するため、選択の分かれ目は不足している機能ではなく、連携先と運用形態になります。

OSWorldベンチマーク

コンピュータ操作系のプロジェクトが揃って引用する共通尺度であり、重みを持つ理由は環境が本物である点にあります。仮想マシン上のUbuntuまたはWindowsで実際のアプリケーションが動き、VMware、VirtualBox、KVM付きのDocker、並列実行用のAWS・Azure・Modalから利用できます。その現実性は同時に費用でもあり、導入にはハイパーバイザ、仮想マシンイメージ、中断した実行の後始末が伴います。結果は版にも敏感です。Verifiedへの更新で課題と評価信号が変わっており、プロジェクトは再実行後の数値と比較するよう求めています。

PaddleOCRデータ取込

自社の文書を対象にした検索は、モデルにたどり着く前に失敗していることがほとんどです。表のスキャンや2段組のPDFが、意味の読めない文字の塊になる地点で止まります。PaddleOCRはそこを支える層です。100を超える言語の文字を認識し、文書向けの処理はレイアウトが持っていた意味を保ちます。見出しは見出しのまま、表はセルの位置を伴う表として出力され、数式や印影も扱えます。出力形式はMarkdownまたはJSONです。モデルはCPUや端末側でも動く大きさに抑えられており、大量の文書をまとめて処理する費用が現実的になります。難点は土台となるフレームワークです。これはPaddlePaddleのプロジェクトであり、導入するとはそれを導入することを意味します。

PageIndexRAG / 検索拡張

ベクトル検索が見つけるのは質問に似た文章ですが、似ていることと関係があることは別です。長い規制文書では、答えにあたる段落が質問とほとんど語彙を共有していないことがよくあります。PageIndexはベクトルの保存先を使いません。文書の実際の構造を節ごとに木として組み立て、人が目次を使うのと同じ手順でモデルにそこをたどらせます。範囲を絞り、答えがありそうな箇所を開き、読む、という流れです。文章を機械的に分割することはなく、答えは必ずどの節から来たかを示します。引き換えは1問あたりの費用です。検索が参照ではなく推論になるためで、想定されているのは短い文書を大量に持つ状況ではなく、長い個別の文書です。

pgvectorベクトルDB

ベクトルが列の型になり、そこから先はPostgresがすでにできることがそのまま使えます。近傍検索はORDER BYとLIMIT、絞り込みは同じプランナが評価するWHERE句、埋め込みとその元になる行は1つのトランザクションで書かれ、既存のバックアップ・レプリカ・ロールがベクトルにも適用されます。引き換えに手放すのは、専用エンジンが備える運用機構です。コレクションのシャーディングやテナント分離はここにはなく、索引の構築は同じマシン上で他の処理と資源を奪い合います。

Phoenix可観測性

OpenTelemetryベースのため、トレースが特定ベンダーに固定されず可搬です。デバッグ中のコードの隣でローカル実行できます。ライセンスはElastic 2.0で、社内利用には問題ありませんが、マネージドサービスとして提供する場合には制約があります。

Pipecat音声エージェント

音声から音声までのループ——文字起こし、モデル、音声合成、割り込み処理——を、差し替え可能なサービスのパイプラインとして組み立てます。正しく作ろうとすると面倒になるのがまさにこの部分です。音声用途ではレイテンシがすべてであり、ターンテイキングと割り込み（バージイン）を後付けではなく一級の要素として扱っています。実運用ではモデル選定以上に、トランスポートとネットワーク構成への配慮が必要になります。

Planning with Filesメモリ / コンテキスト

長い作業には特有の壊れ方があります。エージェントは計画を持っていたのに、文脈が消去または圧縮され、戻ってきたエージェントが自信満々に別の仕事を仕上げてしまう、という壊れ方です。このスキルは計画を会話から外し、ディスク上に移します。計画のファイル、分かったことのファイル、済んだことのファイルの3つで、毎ターンそれらをエージェントの目の前に戻します。計画がファイルである以上、消去や異常終了、圧縮を越えて残り、実行中に人が自分で読むこともできます。任意で有効にできる関門は、計画がそう示すまでエージェントに完了を宣言させません。開発元は盲検のA/B比較結果を公開しており、これは多くのスキルにはない点です。

playwright-mcpコンピュータ操作

MCPクライアントから実ブラウザを操作させるサーバです。ページは要素の役割と名前、そして`e5`のような参照IDを並べたアクセシビリティスナップショットとして返り、エージェントは座標ではなく参照IDを指定して押したり入力したりするため、視覚モデルは要りません。ブラウザはChrome、Firefox、WebKit、Edgeから選べ、既定では画面を出して起動します。通信のモック、Cookieやストレージの読み書き、検証とロケーター生成、トレースと録画は必要な分だけ後から足す設計です。難点は文脈の消費で、README自身がコーディングエージェントにはPlaywright CLIとスキルの併用を勧めています。それでも、探索的な自動化や自己修復するテストのようにブラウザの状態を保ったまま何度も往復する用途では、トークンの消費より文脈を持ち続けられる利点が上回るとしています。

PocketFlowフレームワーク

PocketFlowは、中身を最後まで見通せないフレームワークへの反動として作られています。全体は依存関係のない約100行です。ノードは、必要なものを集める・処理する・次を決める、という3段階で1つの仕事をこなし、ノードが返した文字列がどのエッジをたどるかを決めます。ノード同士はただの辞書を1つ共有します。フレームワークと呼べるのはここまでです。モデルを呼ぶクライアントも、提供元ごとのエラーに対する再試行の方針も、実行記録の仕組みもありません。それらは自分で書くことになり、参考資料の役割は動く例を集めたクックブックが担います。他人の大きな設定を読むより、小さなコードを自分で持つほうがよいと考える人に向いています。

Ponytailコーディングエージェント

日付の入力欄を頼んだだけで、依存パッケージが入り、ラッパーのコンポーネントができ、スタイルシートが増え、タイムゾーンの議論が始まることがあります。ブラウザには何年も前から専用の入力欄があるのにです。Ponytailはその癖に狙いを定めた1つのスキルで、動く範囲で最も小さい実装へ、そして環境が既に備えているものは書かない方向へエージェントを押します。冗談で終わらないのは、開発元が実際に測っている点です。実在のリポジトリで12件の作業を、スキルの有無で比較し、数値と一緒に測定方法も公開しています。以前のより見栄えのする数値は平均ではなく最良の場合だった、という訂正まで書かれています。

エージェントはチャットアプリよりはるかに多くモデルを呼ぶため、提供元のたまの流量制限が日常的な停止に変わります。Portkeyのゲートウェイは、自分のコードと提供元の間に入ってそれを吸収します。失敗した呼び出しは再試行し、制限に達した鍵は別の鍵に譲り、使えないモデルは次の候補に切り替わります。同じプロンプトはキャッシュから返せるため、二重に支払わずに済みます。振り分けの規則を書けば、分類には安いモデル、難しい処理には高いモデルというように送り先を変えられ、その判断がコード全体に散らばりません。遅延の増加は1ミリ秒未満、大きさは約122KBだとプロジェクトは述べています。機能を前提に設計する前に確認したい点が1つあります。資料はオープンなゲートウェイと同社のホスティング型製品をまとめて説明しています。

promptfoo可観測性

テストケースはYAMLです。プロンプト、いくつかの入力、そして出力に対する表明を書きます。それだけで、同じ入力に対して複数のプロンプトやモデルを並べた比較表が得られ、変更で品質が下がったときにビルドを失敗させられます。同じツールがアプリケーションへの攻撃も行い、敵対的な入力を生成して脆弱性やコンプライアンス上のリスクを洗い出します。ただし外側から、プロンプトを入れて回答を見る形で動きます。稼働中のエージェントのどの段階で問題が起きたかを知りたい場合、この道具は向きません。

Pydantic AIフレームワーク

Python開発者が既に信頼しているバリデーションモデルをエージェントの出力に適用します。不正な形式のレスポンスは、3層下流ではなく目に見える場所で失敗します。オールインワン型のフレームワークより意図的にスコープを絞っており、それ自体が設計思想です。コードベース全体を型付けしている場合に特によく噛み合います。

QdrantベクトルDB

Rust製で、メタデータによる絞り込みを検索後ではなく検索中に適用する設計です。大規模なコレクションのうち狭い範囲だけをエージェントが検索する場面で、結果の正しさを保てるかどうかがこの違いに現れます。ローカル開発用の単一コンテナから分散クラスタまで、同じ構成で拡張できます。

Ragas可観測性

検索を使う仕組みで最も多い失敗は、外から見えません。答えは読みやすいのに、引いてきた文書のどこにも根拠がない、という状態です。Ragasはそれを直接測ります。処理を2つに分け、必要な内容を含む文書を引けていたか、生成された答えがその範囲に収まっているかを別々に採点します。手持ちの文書から試験用のデータを作ることもできるため、最初の評価のために質問を100件手書きするところから始めずに済みます。ほとんどの指標自体がモデルの呼び出しである点は、あらかじめ織り込んでおくべきです。一通り走らせれば費用がかかり、同じデータで2回実行しても数値は完全には一致しません。

ragflowRAG / 検索拡張

文書をデータセットに取り込むと、どこで区切られたかがチャンク単位で画面に並び、おかしな箇所はその場で書き換えられます。回答には根拠となったチャンクが出典として付き、エージェントを組むキャンバスや取り込み処理を組み替えるパイプラインも同じ製品に含まれます。ただし文字認識・表構造認識・レイアウト解析のモデルが働くのはPDFと画像だけで、Word、Excel、PowerPointは構造をそのまま読む方式のため、公式ドキュメントもDOCXに同じ解析をかけたいならPDFへ変換するよう案内しています。動かすにはElasticsearch、MySQL、MinIO、Redisを含むDocker Compose構成を運用することになり、必要環境は4コア・16GB以上、解析の遅さは公式FAQ自身がLangChainと比べて認めています。すでに整ったテキストしか扱わず、自分のPythonアプリに検索処理を組み込みたいだけなら、LlamaIndexやHaystackのほうが軽く済みます。

Rigフレームワーク

Rigは、本体がすでにRustで書かれていて、モデルを呼ぶためだけにPythonのプロセスを別に立てたくない場合の選択肢です。ツールはRustの関数そのもので、引数の定義は型から生成されるため、食い違いは本番で見つかる不正な呼び出しではなくコンパイルエラーになります。出力も同じで、エクストラクタにモデルへ値を求めさせると、普通のRustの構造体として返ってきます。モデルの提供元もベクトルストアもトレイトの背後にあるため、差し替えは設定の変更で済みます。引き換えになるのは周辺の充実度です。評価や記録、エージェント向けの道具はPythonなら何種類もありますが、Rustでは相当するものがないことが多く、周辺の仕組みは自分で書くことになります。

Scientific Agent Skillsツール連携

エージェントはもともと任意のPythonライブラリを呼べますが、専門的なバイオインフォマティクスのパッケージを使わせると、初めて資料を読んだ人と同じ振る舞いをします。それらしく、しかし肝心なところで間違えます。これが補うのはその欠けた半分です。特定の科学ツールについて整理された使い方と実例を持つ160件超のスキルと、100種類ほどの公開データベースへの経路が、ゲノミクス、化学、創薬、プロテオミクス、臨床研究、医用画像、物理、地理空間の各分野にわたって用意されています。導入は1つのプラグインとしてでも、スキル単位でも行えます。ただし前提にする前に適用範囲の注記を読んでください。臨床・医療系のスキルは研究と事後的な検証のために書かれており、個々の患者に関する判断のためのものではないと明記されています。

Scraplingデータ取込

仕事ごとにフェッチャーを選びます。速度重視ならTLSフィンガープリントを偽装する素のHTTP、JavaScriptが要るページならPlaywright駆動のブラウザ、検出対策が要る相手ならヘッドレスの痕跡を消しCloudflare Turnstileも突破する強化ブラウザです。要素の選択はCSS・XPath・テキスト・構造的類似など6通りで、適応モードを有効にすると一致した要素の特徴を記録し、改修後のサイトでも同じ呼び出しで再発見します。0.4で加わったスパイダーは、重複排除・ドメイン別の同時実行制限・中断と再開・JSONやCSVへの出力を備えたクロールを担います。MCPサーバー経由ならコーディングエージェントが対話的にスクレイピングでき、ページはセレクタで絞ってからモデルに渡るのでトークンも節約されます。位置づけは1台で動く構造化抽出のライブラリです。サイト全体をMarkdown化するコーパス作りはCrawl4AIの領分で、Turnstile突破の機能とREADME自身の「教育・研究目的」という但し書きは緊張関係にあります。

SearXNGデータ取込

自前の索引を持たず、1つの問い合わせを最大269の検索サービスへ投げて結果を統合します。商用の検索APIを背後に置かずにエージェントへWeb検索を与えられるのはこの仕組みによります。JSON形式のエンドポイントがあるため、ブラウザからだけでなくコードからも利用できます。索引を持たないことの帰結は2つあります。結果の質と可用性が上流の検索エンジンに依存すること、そしてそのどれかが自分のインスタンスを遮断し始めたとき、対処するのは自分だということです。

semantic-kernelフレームワーク

手元のクラスのメソッドにカーネル関数の目印を付け、プラグインとしてまとめてカーネルに登録する——この流れが中心にあり、カーネルにはモデルへの接続も一緒に入るので、OpenAIからAzure OpenAIやOllamaへ移すときに書き換えるのは登録部分だけで済みます。OpenAPIの定義があれば社内の既存APIをそのまま道具にでき、フィルターという仕組みで呼び出しの前後に記録や伏せ字を挟むこともできます。弱点は品質ではなく方向性で、Microsoftは新機能の大半を後継のAgent Frameworkで作ると明言しているため、これから新規に始める案件よりも、すでにこのSDKで書かれた資産を保守し育てていく現場に向いています。

Sembleツール連携

コーディングエージェントの費用がかさむ癖は、grepして一致した8ファイルを読み、そこに答えがなくてさらに3ファイル読む、という流れです。Sembleはこれを、平易な言葉での問い1つと、返ってくる少数の該当箇所に置き換えます。grepして読む場合と比べたトークンの削減はおよそ99%だと開発元は述べています。動作は完全に手元のマシンのCPU上で完結し、APIの鍵も呼び出す先のサービスも要りません。リポジトリ全体の索引作成は1秒未満で終わるため、エージェントがそのとき触っている対象に対して気軽に向けられます。導入時には手元のエージェントを検出し、MCPのツール、エージェントの指示書への追記、検索専用のサブエージェントという3つの入口を提示します。

SGLangモデルサービング

プレフィックスキャッシュは、長く同一のシステムプロンプトを多数の呼び出しが共有するエージェント用途でこそ効きます。レスポンスをスキーマに一致させる制約付きデコーディングにも強みがあります。この領域の主な比較対象はvLLMです。自分のトラフィック特性で双方を計測することを勧めます。

Skill Seekersツール連携

馴染みのないライブラリを扱うエージェントは、同じドキュメントサイトを毎回ページ単位で読み直し、その分の費用を実行のたびに払います。Skill Seekersはその素材を一度だけ変換します。ドキュメントサイト、リポジトリ、PDF、Wiki、動画などを指定すると構造化された知識の資産を作り、そこからエージェント用のスキルや検索の仕組み向けに書き出せます。入力は18種類、出力先は20を超えるため、同じ変換結果をコーディング支援にも検索索引にも使えます。競合の検出も行います。同じドキュメントの異なる版が同時に読み込まれる、という形の失敗を防ぐためです。

skillsツール連携

Googleが自ら書いた運用知識を100件超のskillディレクトリに収めたリポジトリで、`npx skills add google/skills`から必要なものだけを選んで導入します。中心は`skills/cloud`で、GKEやBigQuery、Agent Platform、Well-Architected Frameworkの6つの柱までを扱い、`skills/ads`と`skills/analytics`にはGoogle Ads API、Google Mobile Ads SDK、IMA SDK、Google Analyticsの2種類のAPI向けのskillが並びます。厚みは一様ではなく、`skills/cloud/gke-*`だけで29件を占める一方、Cloud RunとFirebaseは各1件にとどまり、README自身がactive developmentの段階だと断っています。Google Cloudも広告・アナリティクス製品も使わない構成には得るものがなく、アプリ開発側の守備範囲もGoogle Mobile Ads SDKまでで、Android・Flutter・Dart・Genkit・ADKのskillはREADMEがリンクを張るだけの別リポジトリにあります。

SkillSpectorガードレール

スキルやMCPサーバーの導入は、ライブラリの追加よりブラウザ拡張の導入に近い行為です。届くのは指示とスクリプトであり、エージェントは自分の認証情報とファイルが手の届く範囲にある状態でそれに従いますが、事前に中身を読む人はほとんどいません。SkillSpectorはそれを読みます。リポジトリや書庫、ディレクトリを対象に、プロンプトインジェクション、データが本来と違う先へ送られる動き、権限の昇格、細工されたツール説明、供給網の危険といった観点の検出パターンで走査し、危険度と推奨対応を添えた指摘を返します。NVIDIAは、調査したスキルの26.1%に脆弱性、5.2%に悪意の疑いがあったとする研究を引いています。パターンによる走査が示すのは証明ではなく疑いなので、指摘を人が確認し、許容したものを記録していく運用が前提になります。

Skyvernコンピュータ操作

画像認識とDOM解析を組み合わせることで、サイトが刷新されてもフローが動き続けます。これは従来のセレクタ依存スクリプトを壊してきた典型的な失敗要因です。ライセンスがAGPLである点に注意してください。ネットワークサービスとして提供する予定がある場合は、実装に着手する前に条項を確認する必要があります。

smolagentsフレームワーク

中心にあるのはCodeAgentで、モデルは構造化されたツール呼び出しを返す代わりに短いPythonコードを書き、ツールを直接呼びます。呼び出しを繰り返しや条件分岐の中に入れる操作は、フレームワークの機能ではなくPython自体から得られます。エージェントのループ全体がおよそ1000行という小ささは利点であると同時に上限でもあり、永続的な状態、ワークフローの記述、保存機構は自分で組むことになります。従来のJSON形式が合う場面向けにToolCallingAgentも同梱されています。

Stagehandコンピュータ操作

手順が分かっている部分は決定論的なPlaywrightで書き、ページの構造が予測できない箇所だけ自然言語に切り替えられます。この混在方式が現実的な中間解です。完全にAI任せの自動化は遅く不安定であり、完全にスクリプト化した自動化は画面刷新のたびに壊れます。

Strands Agentsフレームワーク

Strands Agentsは、処理の流れをグラフとして組み立てる方式とは逆の設計です。システムプロンプトと、ツールとして印を付けた普通の関数を渡せば、どれをどの順で呼び、いつ終えるかはモデルが判断します。最初のエージェントは配線図ではなく数行で書ける一方、想定外の動きをしたときに見比べるグラフがないため、実行の記録をたどって原因を探すことになります。そのループの周りには、長く動かすために必要な部品が揃っています。各ステップで呼ばれるフックでツール実行を記録したり拒否したりでき、会話マネージャは履歴がモデルの上限に達する前に切り詰めや要約を行います。あるエージェントを別のエージェントのツールとして渡すこともできます。

swarmsフレームワーク

Swarmsは、1つのAgentクラスと、複数のエージェントを協働させる既製の型を数多く抱えたフレームワークです。直列につなぐ、同じ課題を全員に配る、監督役が専門家へ割り振る、多数決や討論で決める——こうした15種類をSwarmRouterが名前ひとつで呼び分けますが、型によっては、流れを表す文字列や、賛成役・反対役・審判役という3体の並び順など、名前以外の指定も要ります。依存関係をグラフで書くGraphWorkflowはこの呼び分けには含まれず、直接組み立てます。守備範囲の広さはそのまま設定量でもあり、14.0.0のAgentクラスは名前つきの引数だけで89個あります。しかも公式ドキュメントは、履歴をディスクに残すかどうかの既定値を、実際のコードとは違う形で説明しています。本番に載せる前に、既定値は書かれた説明ではなく実際の挙動で確かめておくことをおすすめします。

SWE-benchベンチマーク

課題はコードベースとIssueを与えてパッチを求めるもので、失敗していたテストが通り、通っていたテストが通ったままである場合にのみ合格とします。判定にプロジェクト自身のテスト群を使うため、採点基準による評価ではなく具体的な意味を持つ結果になります。その分、測っている範囲は限定的です。誰かが既に発見し、起票し、説明した問題に対する修正を書けるかどうかであり、何を作るかの判断、レビュー、Issueという手掛かりなしにコードベースを辿る力は対象外です。

TEN Framework音声エージェント

音声エージェントのうち、モデルの外側にあって通常は手作業で組み上げる部分を覆います。発話の検出、ターン終了の判定、話者の分離、電話網への接続、口の動きを同期させたアバターの駆動、さらには組み込み機器への到達までが対象です。ただし採用の前にライセンスを読んでください。Apache 2.0にAgoraによる追加条件が付いており、モバイル端末を含むエンドユーザー機器上でのホスティングと、Agora自身の提供物と競合する形での配備が禁じられています。

Terminal-Benchベンチマーク

飽和して差が付かなくなる固定セットではなく、継続的に更新されるベンチマークです。課題は時間とともに追加・修正され、データセットはタグ付きリリースとして公開され、Harborという別の実行基盤から動かします。この設計が強みであり同時に厄介さでもあります。データセットの版を伴わない数字はほとんど意味を持たず、1.0は独立したリポジトリにあって元のURLはそちらへ転送されます。さらに、結果を信頼する前に、まず模範解答を繰り返し実行して自分のサンドボックスが健全かを確かめる手順が案内されています。

UI-TARS Desktopコンピュータ操作

指示を打ち込むと、アプリが画面のスクリーンショットを視覚言語モデルUI-TARSへ渡し、クリック・キー入力・スクロールに変換して実行します。対象がブラウザに限られずデスクトップ全体に及ぶ点が、ブラウザ専用エージェントとの違いです。難点はモデルで、UI-TARSかDoubao系統を配信するエンドポイントを自分で用意する必要があります。公開されている7Bの重みをvLLMで自前配信するのがドキュメント上のローカル手順で、GPTやClaudeのようなモデルではデスクトップアプリを動かせません。プロジェクトの鼓動も判断材料です。デスクトップ版のバイナリは2025年8月から出ておらず、ホスト型のリモートオペレーターは提供終了、2026年のコミットはAgent TARSスタックへの方向転換とともに大きく減っています。

vLLMモデルサービング

処理待ちのリクエストをまとめて捌く工夫により、素朴な実装よりはるかに多くの同時利用をGPU1枚で支えられます。エージェントは呼び出し回数が多くなりがちなので、この差が効いてきます。OpenAIと同じ形式で呼び出せるため、多くのフレームワークは接続先の変更だけで移れます。一方でGPUメモリの見積もりやモデルの読み込み時間など、運用の手間は相応にかかります。

WeaviateベクトルDB

素の索引との違いは3点あります。オブジェクトを属性ごと保存するため絞り込みが検索の一部になり、後段のフィルタではなくなること。ベクトライザーモジュールが書き込み時に埋め込みを生成でき、ずれがちな別パイプラインを持たずに済むこと。そしてマルチテナンシーが正式な構成要素で、テナントごとに専用のシャードを持ち、停止状態やオブジェクトストレージへの退避を選べることです。ただし自分で運用するデータベースではあります。1プロセス内に埋め込む索引が欲しいだけなら、必要以上の機構になります。

Windows Agent Arenaベンチマーク

デスクトップ操作エージェントのベンチマークはほぼLinux上で動く一方、商業的に重要なデスクトップの大半はWindowsです。これはその隙間に対するMicrosoftの答えで、再現可能なWindows環境に、人が実際に使うアプリケーションを対象とした課題を並べ、達成できたかどうかで採点します。有用なのは並列実行です。クラウドのマシンに分散させられるため、数百件の課題が1日以上ではなく数分で終わります。発表時だけでなく開発中にも回せるのはこのためです。ただし前提にする前に最終更新日を確認してください。これは2024年の論文に紐づく研究成果物で、その後の動きは緩やかです。

XAgentマルチエージェント制御

やりたいことを一文で書いて渡すと、外側のループが目標をサブタスクへ分け、内側のループがシェル・Pythonノートブック・ウェブブラウザ・ファイル編集を使って一つずつ片づけていきます。プロジェクト自身はこれを二重ループ機構と呼び、担当エージェントを振り分けるディスパッチャ、計画を立てるプランナー、実際に手を動かすアクターの三つで構成されると説明しています。道具一式は起動時に立ち上がるDockerコンテナ側にあり、作業はその中で進み、できたファイルは実行後に手元へ回収されます。ただし2023年末の実験的な公開物という性格が強く、モデル呼び出しはOpenAIの関数呼び出し形式が前提で、付属の設定ファイルは提供が終了したモデル名を指したままです。実務の道具というより、計画と実行を分ける設計を読み解くための実装例として見るのが妥当で、そのまま動かすには相応の手直しが要ります。

XcodeBuildMCPツール連携

iOSプロジェクトを扱うコーディングエージェントは、Swiftをいくら書いてもそれがビルドできるかを確かめられません。確かめるためのコマンドが長く、細かく、少しずつ間違えやすいからです。これはそれらをきちんと渡します。スキームのビルド、シミュレータの起動、アプリの導入と実行、ログの読み取り、テストの実行ができます。エージェントが行動に移せる結果を受け取れるため、ループが閉じます。差分を渡して人に試させるのではなく、自分が出したエラーを自分で直せるようになります。MCPサーバーとしても通常のコマンドとしても提供され、導入したほうの使い方をエージェントに教えるスキルも任意で付けられます。動作環境はmacOSのみで、Xcodeは新しめの版が必要です。