編集者注： AI技術は急速に発展しており、マルチエージェントフレームワークが雨後の筍のように次々と登場しています。AutoGen、LangGraph、CrewAIなど、数多くのフレームワークの中から、ニーズに真に適したものを見つけるにはどうすればよいでしょうか？

この記事の著者は、5 つのマルチエージェント AI フレームワークを比較することで、重要なポイントを提案しています。それは、さまざまな AI フレームワークがさまざまなシナリオやニーズに適していること、そして選択の鍵はプロジェクトの特性と技術的なルートを正確に一致させることにあるということです。

著者 | メフル・グプタ

編纂者：岳陽

生成AIの分野では、マルチAIエージェントの話題がますます注目を集めています。多くの大手テクノロジー企業が関連フレームワークを立ち上げており、需要への対応が困難になっています。

しかし、多数のマルチ AI エージェント フレームワークから選択するのは、実に難しい作業です。

市場には選択肢が多すぎて、決めるのが難しいです。

この分野は、OpenAIがSwarmを、MicrosoftがMagentic-Oneをリリースして以来、特に競争が激化しています。皆様の思考を深めるため、これらのフレームワークのコア機能、利点、そして潜在的な欠点を詳細に分析し、ニーズに基づいた最適な選択を支援します。以下では、これらのフレームワークを一つずつ解説していきます。

AutoGen（マイクロソフト）

LangGraph（LangChain）

クルーAI

OpenAI スウォーム (OpenAI)

Magentic-One（マイクロソフト）

01 オートジェン

AutoGen フレームワークはこの分野の先駆者であり、Microsoft によって開始され、ソフトウェア開発で広く使用されています。

主な特徴は次のとおりです。

• AutoGen は、ユーザー エージェントとアシスタント エージェントという 2 つの主要な役割で構成されます。
• ユーザーエージェントはプログラミング要件を提案したりプロンプトを書いたりする役割を担い、アシスタントエージェントはコードを生成して実行する役割を担います。
• アシスタント エージェントは、コード生成だけでなくコード実行プロセスも担当し、その結果をユーザー エージェントまたは他のエージェントにフィードバックします。
• このフレームワークは、コードタスクのマルチエージェントオーケストレーションに優れており、他の種類のタスクを処理する機能も備えています。
• インテリジェントエージェント間の対話中は人間による誘導が許可されます。
• Microsoft からの強力かつ堅実なコミュニティ サポート。

ただし、AutoGen には次のような制限もあります。

• プログラミングの経験がないユーザーにとって、操作は直感的ではありません。
• 大規模言語モデル (LLM) をローカルに展開するのは面倒な場合があり、追加のプロキシ サーバー構成が必要になります。
• ソフトウェア開発以外の分野では、そのパフォーマンスはプロフェッショナル向けツールほど優れていない可能性があります。

02 クルーAI

CrewAI は、操作が直感的で設定が非常に簡単なため、通常、マルチ AI エージェント タスクのデモンストレーションを迅速に構築するための推奨ツールです。

特徴：

• ユーザー インターフェイスは直感的で、主にプロンプ​​トの記述に依存しています。
• 新しいインテリジェント エージェントを作成してシステムに統合するのは非常に簡単で、数分で数百のインテリジェント エージェントを生成できます。
• 技術的な知識のないユーザーでも簡単に始めることができます。
• LangChain との統合により、ほとんどの LLM サービス プロバイダーおよびオンプレミス LLM で使用できます。

欠点:

• 柔軟性とカスタマイズの点で制限があります。
• 基本的なシナリオの処理には適していますが、複雑なプログラミングタスクには適していません。
• インテリジェントエージェント間のやりとりは、時々誤動作することがあります。
• テクノロジーコミュニティからのサポートは比較的弱いです。

03 ラングラフ

個人的にはLangGraphを強くお勧めします。このツールは、様々なマルチAIエージェントタスクに適用でき、非常に高い柔軟性を備えています。

特徴：

• LangGraph は LangChain をベースに開発されており、その中核となるアイデアは「有向巡回グラフ」です。
• これは単なるマルチ AI エージェント フレームワークではなく、その機能はそれをはるかに超えています。
• 非常に柔軟でカスタマイズ性に優れており、ほぼすべてのマルチエージェント共同アプリケーションのニーズを満たすことができます。
• LangChain の拡張機能として、テクノロジー コミュニティから強力なサポートを受けています。
• オープンソースの LLM (Large Language Models) やさまざまな API とシームレスに連携できます。

欠点:

• ドキュメントが十分に詳細ではありません。プログラミング経験の少ないユーザーにとっては、使い始めるのがかなり難しいです。
• これを使用するには、特にグラフや論理フローを理解する上で、一定レベルのプログラミング能力が必要です。

04 OpenAI スウォーム

OpenAI は最近 Swarm をリリースしましたが、マルチ AI エージェント フレームワークを始めようとしている初心者にとって、これはおそらく現時点で最も使いやすいオプションだと言わざるを得ません。

特徴：

• マルチ AI エージェント分野の初心者に最適です。
• 主な焦点は、「エージェント作成」プロセスとエージェント間のコンテキスト切り替え操作 (ハンドオフと呼びます) を簡素化することにあります。
• 短いデモ アプリケーションの作成は非常に簡単です。

欠点:

• OpenAI API のみをサポートし、他の LLM はサポートしません。
• 実稼働環境での展開には適していません。
• システムの柔軟性を向上させる必要があります。
• 技術コミュニティのサポートは弱く、GitHub で問題やフィードバックを送信することさえ不可能です。

05 マグエンティックワン

最も新しく発表されたのは、既存の AutoGen フレームワークを簡素化することを目的とした Microsoft の Magnetic-One (Microsoft の 2 番目のフレームワーク) です。

特徴：

• Swarm と同様に、Magnetic-One もプログラミング経験の少ないユーザーに適しており、操作が簡単で迅速です。
• システムは、1 つの管理エージェントと 4 つの専用エージェントを含む 5 つのエージェントを事前構成します。WebSurfer はブラウザーでの Web ページの閲覧と操作を担当し、FileSurfer はローカル ファイルの管理とナビゲーションを担当し、Coder はコードの記述と分析に重点を置いており、ComputerTerminal はコンソール アクセス、プログラムの実行、およびライブラリ ファイルのインストールを提供します。
• このフレームワークは AutoGen 上に構築された汎用フレームワークです。
• エージェントのパフォーマンスを評価するために特別に設計された AutoGenBench ツールが付属しています。

欠点:

• オープンソース LLM のサポートは複雑で、実装が困難です。
• 柔軟性には改善の余地があり、ある意味ではフレームワークというよりもアプリケーションに近いです。
• 現在のドキュメントと技術コミュニティのサポートはほとんど存在せず、強化する必要があります。

06 では、どのマルチ AI エージェント フレームワークが最適ですか?

以下は私の個人的な見解です (私はこれらのエージェント フレームワークを個人的に経験しました)。

• ソフトウェア開発において：AutoGen（Microsoft がリリース）は、コード生成や複雑なマルチエージェント コーディング ワークフロー タスクの処理に最適です。
• 初心者向け: OpenAI Swarm と CrewAI は、複雑な構成を必要としないマルチエージェント AI の初心者に最適な、使いやすいフレームワークです。
• 複雑なタスクを処理するための最良の選択肢：LangGraph — このフレームワークは非常に高い柔軟性を提供し、上級ユーザー向けに設計されており、カスタム ロジックとエージェント オーケストレーションをサポートします。
• オープンソースLLMとの互換性について：LangGraphはオープンソースLLMとの優れた互換性を誇り、複数のAPIインターフェースをサポートしています。これは他のフレームワークには見られない特徴です。CrewAIもこの点で優れたパフォーマンスを発揮します。
• 一流の技術コミュニティ サポート: AutoGen は優れた技術コミュニティ サポートを誇り、ユーザーが問題を解決するのに役立ちます。
• すぐに使える選択肢：CrewAI – 素早い設定と直感的な操作性により、デモンストレーションや迅速なエージェント作成が必要なタスクに最適です。SwarmとMagentic-Oneも非常に優れたパフォーマンスを発揮しますが、コミュニティのサポートは比較的弱いです。
• コスト効率の王者：Magentic-One – 汎用的なフレームワーク設計アプローチを用いた事前構成済みのソリューションを提供しており、初期コストを削減できる可能性があります。SwarmとCrewAIもコスト効率の点で注目に値します。

読んでくれてありがとう！

このブログを楽しんで、新しいことを学んでいただければ幸いです。

著者について

メフル・グプタ

GenAIコースとプロジェクト

https://datasciencepocket.gumroad.com/

終わり

今週のインタラクティブコンテンツ🍻

あなたのニーズに最も適したフレームワークはどれだと思いますか？その理由も教えてください。

オリジナルリンク:

https://medium.com/data-science-in-your-pocket/magentic-one-autogen-langgraph-crewai-or-openai-swarm-which-multi-ai-agent-framework-is-best-6629d8bd9509