本記事では、近年注目されているAIエージェント基盤とその構成要素について、LangChainを中心に体系的に整理する。LangChainを起点に、派生的に発展したツール群や周辺技術、マルチエージェント設計に関する設計パターンを含め、開発者が実務で選定・実装する上で必要な知識を明確化することを目的とする。
1. LangChainおよび周辺拡張モジュール
1.1 LangChain
LangChainは、大規模言語モデル（LLM: Large Language Model）を利用したアプリケーション開発を支援するオープンソースフレームワークである。プロンプトの管理、メモリの永続化、外部ツールとの連携、エージェントによる制御など、LLMを活用する上で不可欠な機能を統合的に提供する。
1.2 LangGraph
LangGraphは、LangChainと統合可能な状態遷移型ワークフロー構築ライブラリである。グラフベースでエージェント間の制御フローを定義でき、ループ、分岐、再帰的な処理を扱う高度なマルチエージェント構成が可能である。LangChainと併用することで、研究補助や業務フローの自動化を目的とした複雑なタスク設計に適する。
1.3 LangSmith
LangSmithは、LangChainアプリケーションの開発・テスト・運用を支援する統合プラットフォームである。主にプロンプトの評価、チェーンのデバッグ、実行ログの可視化などに対応しており、LLMアプリケーションの品質保証および監視に利用される。
2. リサーチ支援型エージェントの実装とアーキテクチャ
2.1 DeepResearch（OpenAI）
OpenAIが提供するChatGPTの機能の一部で、ウェブ検索、文献読解、要約、出典明示などの一連のリサーチ業務をAIが自動で実行する機能群である。タスク分割や段階的推論が設計に組み込まれている。
2.2 Open Deep Research
LangChainとLangGraphを活用して構築されたオープンソースのリサーチ支援エージェント。Jina ReaderやTavilyなどの外部ツールと統合されており、分割された計画的検索・推論・文書生成プロセスを持つ。OpenAI製DeepResearchと類似する構造をオープン環境で再現している点に特徴がある。
2.3 node-DeepResearch
Node.js環境に対応したリサーチ支援エージェントの実装例。Gemini APIやJina Readerとの連携を特徴とし、TypeScript/JavaScript開発者を対象とした設計になっている。
3. 軽量エージェントライブラリと補助ツール
3.1 smolagents
Hugging Faceが提供する軽量なPythonベースのエージェント実装ライブラリ。単一目的のエージェント構築やToolの呼び出し、コード生成とその実行などを簡素な構文で記述可能であり、検証や教育用途に適している。
3.2 Jina Reader
ウェブページのテキスト情報を抽出し、Markdown形式に変換する変換器。構造化された入力が必要なRAG（Retrieval-Augmented Generation）やリサーチタスクにおける前処理として重要な役割を果たす。
4. Microsoft系スタック
4.1 Semantic Kernel
Semantic KernelはMicrosoftが提供する、マルチエージェント構成や外部サービス連携を視野に入れたLLM活用SDKである。C#、Python、Javaなど複数言語で利用可能であり、プラグイン（関数）構造、メモリ、プランナー、ツール呼び出し機能を内包する。Copilot Studioとの連携も可能で、業務システムへの実装にも適している。
5. エージェント設計におけるデザインパターン
5.1 Agentパターン
Agentパターンは、環境からの入力に応じて自律的に行動するエージェント単位でアプリケーションを設計するアプローチである。エージェントは目標志向的にタスクを遂行し、内部状態や外部との通信によって動作が変化する。
5.2 マルチエージェント設計パターン
- Mediatorパターン：エージェント間の通信を仲介する役割を持つ中心コンポーネントを設け、依存関係を排除する。
- Blackboardパターン：共有情報基盤を通じて非同期に知識や情報を交換し、タスクを分散処理する。
- Contract Net Protocol：タスクに対する募集・応答型の割当てメカニズムを採用し、柔軟なエージェント間協調を実現する。
6. 開発支援フレームワークとクラウド連携
6.1 KaibanJS
KaibanJSは、JavaScript/TypeScript環境でマルチエージェントワークフローを構築するためのフレームワークである。タスク管理の視覚的インターフェースとしてKanban UIを備えており、React/Next.jsとの統合にも対応している。Zodによる構造化バリデーションやLangChainとの親和性も高い。
6.2 Azure Cosmos DB
Azure Cosmos DBは、Microsoft Azure上で提供されるグローバル分散型のNoSQLデータベースサービスである。マルチモデル、マルチAPIに対応しており、AIエージェントのメモリ保存、ログ管理、ユーザーセッションの永続化などに活用可能である。変更フィード機能を活用することで、リアクティブなデータ処理も実現できる。
7. 関連用語および補足解説
- Reasoning Model：LLMにおける推論過程を定義する手法群。Chain-of-ThoughtやSelf-Consistencyが代表例。
- Computer Use Agent：ユーザーの代替としてコンピューター操作を実行するエージェント。RPA的応用が想定される。
- Defy：ノーコード／ローコードでLLMアプリケーションを構築可能なオープンソースプラットフォーム。
- Copilot Studio：Microsoftが提供するローコード開発環境で、TeamsやPower Platformと統合可能。
8. 総括
本章で取り上げた技術群は、いずれもLLMの実務応用に不可欠な要素を担う。LangChainを中心としたエージェント基盤の構築は、LangGraphやLangSmithによるオーケストレーション支援、Semantic Kernelによる柔軟なフレームワーク統合、KaibanJSやCosmos DBによる視覚化・永続化支援など、多層的な構成によって実現される。今後は、より高い抽象化と自律性を備えたエージェント設計が求められる中で、本稿で述べた各技術の活用が重要な役割を果たすと考えられる。
Appendix: 用語解説
本章において使用した専門用語のうち、読者の理解を助けるために補足説明が必要と判断されるものを以下に列挙する。
プロンプト（Prompt）
大規模言語モデル（LLM）に対する入力文であり、モデルがどのような出力を返すかを制御する指示文である。適切な設計（プロンプトエンジニアリング）によって、モデルの出力品質を大きく左右する。
チェーン（Chain）
LangChainにおいて、プロンプト、ツール、メモリなどの構成要素を順序立てて実行する処理の流れを意味する。単一のプロンプト呼び出しにとどまらず、複数のステップを構成する高度なユースケースに利用される。
メモリの永続化（Memory Persistence）
エージェントが過去の会話履歴や中間結果を保持する仕組み。LangChainでは一時的なメモリのほか、永続ストレージ（例：Redisやファイルベース）に保存する方式を選択できる。
外部ツールとの連携（Tool Invocation）
LLMからプログラム的に外部の関数、API、あるいはCLIなどを呼び出す仕組み。LangChainやsmolagentsでは、これを「Tool」として定義・利用する。
実行ログの可視化
LangSmithにおける機能の一つで、チェーンやエージェントの各実行ステップ、入力・出力情報、エラー発生箇所などを可視化して表示する。開発時のデバッグやプロンプトチューニングに活用される。
Gemini API
Googleが提供する大規模言語モデル（Gemini）へのアクセスAPI。マルチモーダル対応のモデルであり、自然言語以外の入力（画像、コードなど）にも対応可能。
Markdown形式
構造化された軽量マークアップ形式。Jina Readerなどでは、ウェブ上の非構造データをMarkdownに変換することで、LLMが情報を読み取りやすくする前処理に活用される。
プラグイン（関数）構造（Plugins / Functions）
Semantic Kernelにおいて、AIエージェントが呼び出す再利用可能な関数やAPIエンドポイントを指す。コード定義されたネイティブ関数のほか、OpenAPIやプロンプトベースの関数にも対応する。
プランナー（Planner）
エージェントが与えられたタスクを達成するために、複数のステップを計画・実行するコンポーネント。Semantic Kernelにおいては、目標を入力とし、実行可能なアクション列を自動生成する機能を持つ。
Tool
エージェントやチェーンの一部として使用される、関数呼び出し可能なユーティリティ。ユーザー定義関数、外部API、コード生成器などをToolとして登録し、エージェントが選択的に利用する。
React / Next.js
いずれもJavaScriptベースのフロントエンド開発フレームワーク。KaibanJSではこれらを基盤として、UI上にエージェントのワークフローを構築・操作するためのインターフェースを提供している。
Zod
TypeScriptで使用されるスキーマ定義とバリデーションのためのライブラリ。KaibanJSにおいては、エージェントの出力が期待される構造に合致しているかどうかを検証する目的で用いられる。
Kanban UI
タスクを視覚的に整理・操作するためのユーザーインターフェース。列とカードで構成され、エージェントごとの状態（未実行・実行中・完了など）を可視化する。
RAG（Retrieval-Augmented Generation）
外部知識ベースからの検索結果をLLMの入力に加えることで、文脈に応じたより精度の高い生成を実現する手法。Jina Readerなどはこの文脈で使用される前処理ツールである。
変更フィード機能（Change Feed）
Azure Cosmos DBの機能で、データベースに対する変更（挿入・更新）をリアルタイムに検知し、後続の処理に通知できる。イベント駆動型アーキテクチャの一部として活用される。
自律性（Autonomy）
AIエージェントが、事前に定義されたルールや入力のみに依存せず、自身で目的達成のための行動を選択・実行する能力。近年のエージェントシステム設計では重要な評価指標とされる。