マルチエージェント制御

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。