エージェントフレームワークの考え方

人工知能の分野では、エージェントフレームワークの選択と設計が常に注目のトピックです。最近、LangChainのHarrison氏が、エージェントフレームワークのコアコンセプトと比較軸を明確にするための詳細なブログを公開しました。彼は、信頼性の高いエージェントシステムを構築する真の難しさはモデル自体にあるのではなく、各ステップでLLMに適切なコンテキストを確実に渡すことにあると指摘しています。これには、入力内容を正確に制御すること、および関連するコンテキストを生成するための適切なステップを実行することが含まれます。

まず、記事では「エージェント」の定義を明確にしています。Harrison氏は、OpenAIがあまりに曖昧な「エージェントとは、あなたに代わってタスクを独立して完了するシステムである」という定義を批判し、実用性に欠けると述べています。それに対し、Anthropicの定義、すなわち「ワークフロー」は事前定義されたコードパスを通じてLLMとツールを編成するシステムであり、「エージェント」はLLMが自身のプロセスとツールの使用を動的に制御するシステムである、という定義を高く評価しています。彼は、本番環境のエージェントシステムのほとんどはワークフローとエージェントのハイブリッドであるため、フレームワークは両方をサポートする必要があると強調しています。

次に、著者はエージェントシステムにおける予測可能性と自律性のトレードオフについて議論しています。システムの自律性が高まるにつれて、予測可能性は低下する傾向があり、信頼性は予測可能性と密接に関連することが多いです。LangGraphは、宣言的APIと命令的APIの両方を提供する低レベルのオーケストレーションフレームワークとして位置づけられ、その上にエージェント抽象化を構築しています。その核となる強みは、ノードとエッジ（Nodes and Edges）のグラフ表現を使用してシステムを構築し、永続化レイヤー、人間参加パターン、ストリーミング出力をサポートしている点です。

記事では特に、ワークフローフレームワークとエージェントフレームワークの「フロア」と「シーリング」を比較しています。ワークフローフレームワークは通常「高フロア、高シーリング」、つまり入門障壁は高いが機能は強力です。一方、純粋なエージェントフレームワークは「低フロア、低シーリング」であり、簡単に始められるが限界があります。LangGraphは、低障壁のエージェント抽象化と高柔軟性の低レベルオーケストレーションの両方を提供しようとしています。

最後に、Harrison氏はOpenAIのエージェントガイドの論争点に応答し、信頼性のあるシステム構築におけるコンテキスト制御の中心的な役割を再確認しています。彼は、LLMへの入力を制御しにくくするフレームワークは逆効果であると述べています。この記事は、開発者がエージェントフレームワークを選択・使用する際の貴重な思考枠組みを提供しています。