マルチエージェントが必要になる瞬間
単一のLLMプロンプトやシンプルなChain-of-Thoughtで解決できるタスクは多い。しかし、複数の専門領域にまたがる複雑なタスク、反復的な自己改善が必要なタスク、人間のワークフローを模倣する必要があるタスクでは、複数のAIエージェントを協調させるマルチエージェントシステムが有効だ。
KGAでは3つのクライアントプロジェクトでCrewAI、AutoGen、LangGraphをそれぞれ採用した。単純な機能比較ではなく、実際のプロダクション環境での運用経験に基づいた比較を提供する。
CrewAI: 役割ベースのチーム構成
CrewAIの設計思想は「チームのメタファー」だ。Agent（チームメンバー）にRole（役割）、Goal（目標）、Backstory（背景知識）を設定し、Task（仕事）を割り当てる。Crew（チーム）がAgent群を束ね、process（sequential/hierarchical）でワークフローを制御する。
KGAのユースケースは、市場調査レポートの自動生成だった。Researcher Agent（Web検索で情報収集）、Analyst Agent（データ分析と洞察の抽出）、Writer Agent（レポート執筆）の3エージェント構成。hierarchicalプロセスでManager Agent（LLM）がタスクの割り振りと品質レビューを担当。
長所: セットアップが非常に簡単。Pythonで30行程度で基本的なCrewが定義できる。role/goal/backstoryの設計が直感的で、非エンジニアのステークホルダーにも説明しやすい。
短所: デバッグが困難。エージェント間の通信が暗黙的で、どのエージェントがいつ何をしているかの可視性が低い。また、エージェントのtool呼び出しが失敗した際のリトライロジックが単純で、複雑なエラーハンドリングには対応しにくい。
パフォーマンス: 市場調査レポート生成タスク（5セクション、各1,000字）で、平均実行時間12分、LLM API費用$2.50/レポート。成功率は82%（18%はツール呼び出し失敗やハルシネーションで品質基準を満たさず）。
AutoGen: 会話ベースの協調
MicrosoftのAutoGenは、エージェント間のコミュニケーションを「会話」として設計する。各エージェントがメッセージを交換し、ConversableAgentがチャットを通じてタスクを協調的に解決する。GroupChatManagerが会話の進行を管理する。
KGAのユースケースは、コードレビューと改善の自動化だった。Reviewer Agent（コードの問題点を指摘）、Coder Agent（指摘に基づいてコードを修正）、Tester Agent（修正後のコードをテスト）の3エージェント構成。エージェント間でコードと指摘を往復させ、テストが通るまで反復する。
長所: 会話ベースの設計により、エージェント間の自然な対話が可能。人間のコードレビュープロセスを忠実に再現できた。また、UserProxyAgentにより人間がいつでも会話に介入でき、human-in-the-loopパターンが自然に実装できる。
短所: 会話の制御が難しい。エージェントが永遠に議論を続けたり、話題が逸脱したりすることがある。max_consecutive_auto_replyで会話のターン数を制限する必要があるが、最適な値の設定が難しい。また、会話が長くなるとコンテキストウィンドウを圧迫し、初期の指示を忘れる問題が発生する。
パフォーマンス: コードレビュー＋修正タスク（200行のPython関数）で、平均実行時間8分、LLM API費用$1.80/タスク。成功率は75%（会話のループや逸脱による失敗が25%）。
LangGraph: グラフベースのワークフロー
LangChainチームのLangGraphは、ステートマシン（有向グラフ）としてエージェントのワークフローを定義する。ノード（処理ステップ）とエッジ（遷移条件）を明示的に定義し、条件分岐やループを構造的に制御する。
KGAのユースケースは、カスタマーサポートの自動対応パイプラインだった。Intent Classifier（問い合わせの意図分類）、FAQ Search（ナレッジベース検索）、Escalation Handler（人間エスカレーションの判定）、Response Generator（回答生成）、Quality Checker（回答品質の検証）の5ノード構成。
長所: ワークフローが明示的で予測可能。グラフの可視化が容易で、どのパスを通ってどのノードで処理が行われたかの追跡が簡単。条件分岐による柔軟なルーティングと、checkpointerによるステートの永続化が強力。中断・再開が可能で、human-in-the-loopで人間の承認を待つパターンの実装が自然。
短所: 学習コストが高い。StateGraph、Annotation、条件付きエッジの概念の理解に時間がかかる。また、LangChainエコシステムへの依存が大きく、LangChainの抽象化レイヤーの複雑さがデバッグ時に障害になることがある。
パフォーマンス: カスタマーサポート対応タスクで、平均実行時間3.5秒、LLM API費用$0.08/リクエスト。成功率は91%（FAQカバレッジ外の質問をエスカレーションに適切にルーティングする率を含む）。
3フレームワークの総合比較
設計思想: CrewAIは「チーム」、AutoGenは「会話」、LangGraphは「ワークフロー」。開発速度: CrewAI > AutoGen > LangGraph（CrewAIが最速）。デバッグ容易性: LangGraph > CrewAI > AutoGen（LangGraphが最善）。本番安定性: LangGraph > CrewAI > AutoGen。柔軟性: LangGraph > AutoGen > CrewAI。学習コスト: CrewAI < AutoGen < LangGraph（CrewAIが最低）。
KGAの推奨
プロトタイプや概念検証にはCrewAI。最速で動くものを作れる。研究目的やエージェント間の自然な対話が必要な場合はAutoGen。ただし本番投入は慎重に。本番環境で信頼性が求められるならLangGraph。学習コストは高いが、ワークフローの明示性と状態管理の堅牢さが本番運用の安心感を提供する。
最終的にKGAの新規プロジェクトでは、LangGraphを標準として採用している。ただし、LangChainへの依存を懸念し、LangGraphのコア部分だけを使い、LLMの呼び出しはOpenAI互換のAPIクライアントで直接行う構成にしている。フレームワークの抽象化に全面的に依存するのではなく、必要な部分だけを借りるのがKGAの設計方針だ。