Deep Agents、LangSmith、Parallel を用いた企業デューデリジェンスエージェントの構築

金融サービスにおいて、企業デューデリジェンスはあらゆる場面で現れるワークフローです。PEアナリストは案件をスクリーニングし、銀行の与信チームは借り手を評価し、コンプライアンスチームは新しい事業体を審査し、保険引受担当者は商業保険契約者を評価します。調査は一貫したパターンに従います。企業を選択し、複数の側面から調査し、すべての主張に出典を明記した構造化インテリジェンスレポートを作成します。

このクックブックは、LangChain の Deep Agents（オーケストレーション用）と Parallel の Task API（ウェブリサーチ用）を組み合わせて、そのワークフローを自動化するエージェントを構築します。Deep Agents は計画、サブエージェントの委任、コンテキスト管理を担当します。Parallel は実際のリサーチを担当し、フィールドごとの引用、推論のトレース、調整された信頼度スコア（Basis）を含む構造化された調査結果を返します。ある調査結果から新たな疑問が生じた場合、Parallel のインタラクティブリサーチ機能により、エージェントは以前のリサーチスレッドの完全なコンテキストを保持したままフォローアップクエリを連鎖させることができます。

エージェントは5つのリサーチトラックを調整し、それぞれ専用のサブエージェントが処理します。企業プロファイル（法的エンティティ構造、主要役員、設立の歴史、従業員数、オフィス所在地）、財務健全性（資金調達履歴、収益シグナル、評価指標、収益性の兆候）、訴訟と規制（訴訟、SEC提出書類、制裁スクリーニング、規制措置、和解）、ニュースと評判（最近の報道、経営陣の交代、論争フラグ、メディアのセンチメント）、競合状況（上位3社の直接競合他社とターゲットのポジショニングを特定）。競合状況が名前のリストを返すと、オーケストレータは各競合他社に対して個別の競合分析サブエージェントを並行して起動します。これは標準的な Deep Agents のファンアウトパターンで、各インスタンスは独立したコンテキストで実行されます。その後、オーケストレータはすべてのワーキングペーパーを読み、矛盾点や信頼度の低い調査結果を相互参照し、矛盾が見つかった場合は Parallel の検索APIを使用してアドホックなルックアップを行い、リスクフラグと引用トレイルを含む最終レポートを作成します。

デューデリジェンスにはこのマルチステップアーキテクチャが必要です。初期の調査結果によって、次に調査すべき内容が変わるからです。企業プロファイルがターゲットが子会社であることを明らかにした場合、財務分析は親会社をカバーする必要があります。訴訟スキャンでSEC調査が明らかになった場合、リスク評価が変わります。Deep Agents の計画ツールにより、調査結果が研究計画を変えたときにオーケストレータが適応できます。

各リサーチトラックは pro-fast プロセッサの Task API 呼び出しを1回使用します。Rivian Automotive（NASDAQ: RIVN）でエンドツーエンドで検証済み：9回の呼び出しで約23分。現在の料金については Parallel の価格設定を参照してください。

実装手順は以下の通りです：依存関係のインストールと環境変数の設定；Parallel リサーチツールの定義（Task API のラップと Basis 信頼度の処理）；リサーチサブエージェントの定義（それぞれ専用のシステムプロンプトとツールを持ちます）；オーケストレータエージェントの作成（FilesystemBackend を使用してワーキングペーパーと最終メモをディスクに永続化）；エージェントの実行；および実行進捗のストリーミング。

金融サービス業界では、可観測性が極めて重要です。6か月後、規制当局の審査官が、今四半期にチームが作成したAI支援によるデューデリジェンスメモの1つをレビューすることになるかもしれません。彼らは、各結論がどのような情報源に基づき、どの程度の確信度で、エージェントのプロセスが記録されているかを知りたがります。エージェントは非決定性（LLM出力、プロンプト感度、オープンウェブ）を増幅し、実際のウェブリサーチに実費を費やし、最終的には監査対象となる可能性のあるメモを生成します。LangSmith は、エージェントコードを変更することなく、すべての Deep Agents ステップとすべての ParallelTaskRunTool 呼び出しをキャプチャします。サブエージェントが構築したプロンプト、Parallel が返したURL、信頼度を含むBasisペイロード、構造化された調査結果などです。各実行は、すべてのモデル呼び出し、ツール呼び出し、サブエージェントのノードごとのコストに分解されるため、どのステップがトークンと時間のどの部分を消費したかを正確に把握できます。

コンプライアンスレビュー担当者にとって関連するビューは、parallel_task_run 内の Basis ペイロードです。Parallel は各出力にソースURL、信頼度ラベル（高/中/低）、および回答がどのように組み立てられたかを説明する1行の推論トレースを添付します。例えば、Rivian の企業プロファイル呼び出しでは、中程度の信頼度の出力は4つの情報源に基づいています。Rivian の10-Kおよび2026年年次報告書（SEC.gov）、2026年の委任状明細書の第三者による複製、Wikipedia です。この混合情報源パターンは、コンプライアンスレビュー担当者がフラグを立てたいと考える種類のものです。トレースがあれば、主張ごとに根拠が検査可能になり、このような情報源パターンは実行間で修正可能になります。

1つのデューデリジェンスメモのトレースは監査証跡です。四半期全体のメモポートフォリオの場合、パターン発見も必要です。どのサブエージェントが最も多くの低信頼度出力を生成するか？どのターゲットが最も多くの連鎖的な Parallel フォローアップを必要とするか？どの情報源が薄いコンテンツを返し始めているか？LangSmith はトレース基盤の上にクロスラン分析機能を構築しており、大規模なデューデリジェンスを実行する金融サービスチームにとって、この機能は監査証跡を運用規律に変えます。

このアーキテクチャは、企業に関する構造化された研究ワークフローを実行するあらゆるチームに適用できます。ディールスクリーニング、与信引受、KYB/KYCオンボーディング、M&Aターゲット評価、ベンダーリスク評価などです。5つのリサーチトラックは出発点であり、ワークフローに合わせてトラックを交換できます。コンプライアンス重視のデューデリジェンスには経歴調査と受益所有権の追跡を追加し、M&Aスクリーニングには知的財産ポートフォリオ分析を追加し、ベンダー評価にはSOC 2検証を追加します。追加のトラックはそれぞれ、システムプロンプトと同じ research_task ツールを持つ新しいサブエージェント辞書となります。