なぜマルチエージェントか
国内企業の業務フローは「役割分担と承認」が中核にある。マルチエージェント設計はこの構造に自然に重なるため、AutoGen のような枠組みは導入の理屈付けが容易である。本稿では稟議自動化を例に AutoGen でマルチエージェントを組んだ実装を共有する。
エージェント構成
- Proposer: 既存案件・予算枠から稟議草案を作成
- Reviewer-Finance: 予算整合性をチェック
- Reviewer-Legal: 規約・契約観点のチェック
- HumanApprover: 部門長による最終承認（人）
- Executor: 承認後にチケット起票・通知配信
```python from autogen import AssistantAgent, UserProxyAgent, GroupChat
proposer = AssistantAgent("Proposer", llm_config={"model": "claude-opus-4-7"}) finance = AssistantAgent("Reviewer-Finance", llm_config={"model": "deepseek-chat"}) legal = AssistantAgent("Reviewer-Legal", llm_config={"model": "claude-opus-4-7"}) human = UserProxyAgent("HumanApprover", human_input_mode="ALWAYS") executor = AssistantAgent("Executor", llm_config={"model": "deepseek-chat"})
group = GroupChat(agents=[proposer, finance, legal, human, executor], messages=[], max_round=12) ```
ガバナンス
各エージェントの発言・ツール呼び出しはすべてログ化し、稟議番号で紐付ける。HumanApprover の承認・差戻しは法的責任を担うので、必ず人が押す UI を介在させる。Executor のツール呼び出しは ITSM 経由でのみ実行を許可する。
失敗時のフォールバック
- Reviewer が判定不能な場合 → 法務部宛の Slack エスカレーション
- Executor 実行失敗 → 自動ロールバック + 関係者通知
- 規定ターン数超過 → 事務局への引き継ぎ
評価
社内 R&D での 50 件の稟議シミュレーションでは、所要時間が平均 4.3 日 → 0.9 日に短縮、HumanApprover の最終差戻し率は 14% → 11% に微減（精緻化が進んだ結果）。
まとめ
AutoGen は役割分担モデルが自然な国内業務に適合しやすい。導入時のキモは「人が承認する箇所を明確化する」「ログとロールバック経路を設計する」の 2 点。