ワークフロー / ローコード

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。