本記事は、一見相反する2つのブログ記事（Cognitionチームの「マルチエージェントを構築するな」とAnthropicチームの「マルチエージェント研究システムの構築方法」）を分析し、それらが多くの共通点を持ち、マルチエージェントシステムをいつ、どのように構築するかについての洞察を提供することを示します。重要なポイントは、コンテキストエンジニアリングの重要性、「読む」主体のシステムが「書く」主体のものより容易であること、そして本番環境での信頼性とエンジニアリングの課題です。また、LangGraphやLangSmithなどのツールがこれらの課題にどう対処するかについても触れています。

ReplitがLangSmithの可観測性機能を活用して複雑なエージェントワークフローをデバッグし、トレースパフォーマンスの改善、検索機能、ヒューマンインザループスレッドを実現した方法をご紹介します。

Interrupt 2025は、LangChainが初めて開催した業界カンファレンスで、世界中から800名がサンフランシスコに集まりました。基調講演では、エージェントエンジニアリングの新たな学問としての位置づけ、マルチモデルLLMアプリケーション、信頼性の高いエージェントを構築するためのLangGraph、AI可観測性などがテーマとなりました。製品発表では、LangGraph Platform GA、Open Agent Platform、LangGraph Studio v2、LangGraph Pre-Builts、LangSmithの可観測性アップデート、Open Evals、LLM-as-Judgeのプライベートプレビューなどが行われました。

ペアワイズ評価とは何か、LLMアプリ開発に必要な理由、およびLangChainのLangSmithでの使用例を学びます。

Pinecone Serverless、LangChain、LangServeを使用して、プロダクション対応のRAGアプリを構築するチュートリアル。ベクトルストア管理、迅速なデプロイ、可観測性といった課題に対処します。

OpenEvalsとAgentEvalsは、LLM-as-judge、構造化データ、エージェント軌跡評価のためのビルド済み評価器を提供します。これらのオープンソースパッケージにより、開発者は評価ワークフローを迅速に構築し、LLMアプリケーションの信頼性を確保できます。

本記事では、信頼性の高いエージェントシステムを構築する上での核心的な課題、すなわち各ステップでLLMに適切なコンテキストを提供することについて深く考察しています。著者はワークフローとエージェント、宣言的アプローチと命令的アプローチを比較し、LangGraphフレームワークの設計思想を紹介しています。また、OpenAIのエージェントガイドを批判し、Anthropicの定義を称賛し、フレームワークの「フロア」と「シーリング」の概念について議論しています。

LangSmithは、人間による修正を数ショット例として保存し、プロンプトエンジニアリングなしで評価を人間の嗜好に合わせる自己改善型LLM評価器を導入。

Promptim は、データセットと評価器を用いてプロンプトを反復的に改善することにより、プロンプトエンジニアリングを自動化し、時間を節約しAIシステムのパフォーマンスを向上させる実験的ライブラリです。

New ComputerはLangSmithを活用してAIメモリ検索システムを改善し、再現率50%向上、精度40%向上を達成しました。

ディープエージェントを評価する5つのパターン：カスタムテスト、単一ステップ検証、完全ターン、マルチターンシミュレーション、環境設定。

Eva は完全オフラインで動作する Android 向け AI アシスタントです。言語モデル、音声認識、文書検索、地図、音楽、Wikipedia など全ての機能が端末上で実行され、アカウントやクラウドは不要です。チャット、オフラインマップ、音楽プレイヤー、ドキュメントリーダー、画像管理などを提供します。

Spanlyは、MCP（モデルコンテキストプロトコル）サーバー内部でAIエージェントがどのように動作しているかをリアルタイムで観察できるツールです。

Recursive社は、自動化AI研究システムの初期成果を発表し、固定予算言語モデル学習、小規模モデル学習速度、GPUカーネル最適化の3つのベンチマークで最先端の性能を達成しました。システムは研究ループ（アイデア提案、実装、実験、検証、反復）を自動化し、NanoChatでは0.9109 BPBを達成してコミュニティの成果を上回り、NanoGPT Speedrunでは学習時間を77.5秒に短縮、SOL-ExecBenchでは0.754のSOLスコアを達成しました。ハッシュテーブルnグラム埋め込みやバイトレベル特徴量などの革新を発見しました。

Degen & Co. は、FOMOトレーダー、配当重視の保守派、悲観的なクマなど、個性的なAI投資家を作成できるプラットフォームです。各AIトレーダーは独自の意見を形成し、取引を行い、ジャーナルでその決定を擁護します。アーキタイプの選択、性格の調整、ハードルールの設定、ポートフォリオの初期化が可能。ペーパーマネーですが、確固たる信念を持っています。

IBMとノルウェー政府系ファンドのCEOがAIがバブルかどうかを議論するYouTube動画のページ情報。

著者は、GoAWKのバグを素早く診断したものの、7つの異なる修正オプションを25回以上も行ったり来たりしたAIコーディングエージェント（Claude Opus 4.6とGitHub Copilot）の体験を語り、AIモデルの優柔不断さを浮き彫りにしている。

新しい調査によると、AIはデジタルワーカーの週約11時間を節約するが、同時にAIの出力確認、誤りの修正、プロンプトの再実行に週6時間以上を費やしている。個人の生産性は向上するが、企業の13%しか顕著なビジネス利益を報告していない。

Edgee Turbo モデルは、Claude Code、Kimi K2.7 Code、MiniMax M2.7 などのコードモデルと連携します。

Cotypistは、Macのあらゆるアプリ（メール、Slack、メモなど）で動作するローカルAIオートコンプリートツールです。リアルタイムで提案を表示し、Tabキーで受け入れ可能。すべてローカル処理でプライバシーを保護します。

コーネル大学の研究により、RedditやWikipediaなどのUGCサイト上のわずか13語のテキスト断片で、ChatGPTやGoogle AI検索のAIエージェントを操作できることが明らかになった。ブランドはAEO（AIエンジン最適化）を利用してプロモーションコンテンツを埋め込み、ボランティアモデレーターによる防御は困難である。

AGIRAILS は、AIエージェントが非カストディアル型のオンチェーンエスクローを通じて、Base上で互いに雇用し支払いを行うことを可能にするプラットフォームです。創設者は、電子メールを介してAIエージェント同士が交渉、資金ロック、デリバリー、承認後の支払いを完了するデモを行いました。すべての取引は公開されており、検証可能です。

著者は、ベンダーに依存しないコーディングエージェントであるOpenCode（Web UIとGit統合を備える）を使用して、ホームラボ向けのAI開発プラットフォームを構築した方法を説明しています。このセットアップは、OpenCodeがブランチをプッシュし、著者がPRをレビューしてマージし、GitOpsが変更をデプロイするという制御されたワークフローを通じて、コンテナ更新やヘルスチェックなどのメンテナンスタスクを自動化します。

LangChainはLangSmith LLM Gatewayを内部で活用し、コーディングエージェントのAI支出をリアルタイムで追跡・予算管理することで、コスト暴走を防いでいます。

Axiosの記事によると、Anthropicと米国政府の間の性格の衝突が、輸出規制によりAIモデル（MythosとFable）の停止を引き起こした。関係者によると、解決策はモデルを脱獄不可能にするか、態度を改善することだという。

Cohere は、Apache 2.0 ライセンスの初のオープンウェイトコーディングモデル North Mini Code をリリース。AI インフラを所有・管理したい開発者を対象とし、30B MoE モデルは H100 GPU 1枚で動作し、エージェンティックコーディングタスクで Mistral、Qwen、Gemma と競合する。

Tecton Forge AI は FLUX AI を搭載した生成デザインツールで、建築ビジョンを数秒でフォトリアリスティックなデザイン画像に変換します。インテリア、エクステリア、間取り図、立面図の4種類をサポートし、AI駆動のVastu Shastra準拠間取りプランナーを内蔵。サインアップ不要で無料利用可能、有料サブスクリプションも提供。

米国政府はAnthropicに対し、サイバーセキュリティAIモデル「Mythos 5」および「Fable 5」への非米国市民のアクセスを禁止するよう命令し、EUは技術的自立の必要性を再確認した。欧州委員会の当局者は、この出来事は米国技術への依存を減らす重要性を浮き彫りにし、既存のEUのAI・サイバーセキュリティ法がリスク管理のツールとなると述べた。この動きは技術主権と依存リスクに関する幅広い議論を引き起こしている。

Pantheon は、Claude Code スキルのペアで、計画、N 個の並列実装、敵対的検証、審査員からなるマルチエージェントハーネスを介してコーディングタスクを実行します。単一のパスでは見逃されるバグを、独立したレビュアーがビルドを破壊することでキャッチします。

AIモデルの所有とクラウドベースのAIサービスの利用におけるトレードオフを、コスト、制御、プライバシー、拡張性の観点から分析。