LabHub

ブログ

2026年のAIエージェントフレームワーク — LangGraph / AutoGen / CrewAI / OpenAI Agents SDK / Anthropic Agent SDK 徹底比較ガイド

2026-05-15 · 27 分で読めます · #ai-agent#langgraph#autogen#crewai#smolagents#mastra#pydantic-ai#openai-agents-sdk#claude-code-sdk#mcp#agent-frameworks#deep-dive#japanese

한국어English日本語

プロローグ — 2026年、エージェントフレームワークのカンブリア爆発

2023年の春、LangChainのReActノートブックが初めて流行ったとき、「エージェントフレームワーク」という言葉はほぼLangChainの同義語だった。2024年にはAutoGenとCrewAIが現れ、マルチエージェントというキーワードが定着した。2025年にはOpenAIが実験的だったSwarmを正式SDKに昇格させたAgents SDKを発表し、AnthropicはClaude Code SDKという形で自社のエージェントループを外部に開放した。そして2026年、この市場はカンブリア爆発そのものだ。

同じ「AIエージェントを書くための道具」というカテゴリの中に — モデルベンダー公式SDK、グラフベースのステートマシン、ロールベースのクルー、ミニマルなコード実行エージェント、フルスタックTypeScriptバックエンドフレームワーク、構造化出力ファーストのライブラリ、UI統合SDKがすべて入っている。本記事はその地図を描く。

エージェントフレームワークはライブラリではなく意見(opinion)である。 あるフレームワークを選ぶということは、そのフレームワークが下した「エージェントとはこう書くべきだ」という意見に同意するということだ。だからあなたは道具を選んでいるのではなく、意見を選んでいる。

本記事の構成:

  1. 2026年のフレームワーク地図 — 誰が作り、誰が使うか
  2. エージェントとは何か — Andrew Ngの4パターン
  3. ReAct / Plan-and-Execute / Tree-of-Thought
  4. OpenAI Agents SDK (2025年3月)
  5. Anthropic Agent SDK / Claude Code SDK (2025年9月)
  6. LangGraph — ステートマシン・グラフ
  7. AutoGen 0.4 — マルチエージェント対話
  8. CrewAI — ロールベースのクルー
  9. smolagents・Mastra・Pydantic AI — ミニマル系
  10. MCP (2024年11月) — ツール統合の標準
  11. A2A — エージェント間通信の標準
  12. どのフレームワークを選ぶか
  13. 韓国・日本企業の導入状況
  14. 参考文献

1章 · 2026年のAIエージェントフレームワーク地図

まず大局。フレームワークの作り手で分類するとこうなる。

モデルベンダー公式SDK陣営

オーケストレーションフレームワーク陣営

ミニマル・コードファースト陣営

標準陣営 — フレームワークではなくプロトコル

この地図の含意はシンプルだ。「唯一の正解フレームワーク」は存在しない。 どんな問題か、どんなチームか、どのモデルを使うかで答えが変わる。

2章 · エージェントとは何か — Andrew Ngの4パターン

Andrew Ngは2024年春の講演でエージェントの4つのコアデザインパターンを整理した。2年が経った今でも、最もきれいな分類だ。

パターン1: Reflection (自己批判) モデルが自分の出力を批判して改善する。コードレビューのように「初稿 → 批判 → 修正」のループ。追加モデルなしで品質が大きく上がる。

パターン2: Tool Use (ツール使用) モデルが外部ツールを呼び出す。検索・電卓・コード実行・API呼び出し。これがLLMを「エージェント」に変える最初の段階。

パターン3: Planning (計画) モデルが多段階タスクをあらかじめ計画してから実行する。Plan-and-Executeパターン。複雑なタスクではアドホックなReActよりも効率的。

パターン4: Multi-Agent (多重エージェント) 複数のエージェントが役割を分担して協力する。マネージャー・ワーカー、討論、ライター・エディター構造。単一エージェントのコンテキスト膨張問題を分散で解く。

各フレームワークがどのパターンをファーストクラスで扱うかで見ると、整理しやすい。

フレームワークReflectionTool UsePlanningMulti-Agent
OpenAI Agents SDK自前1級補助1級 (handoff)
Anthropic Agent SDK自前1級補助1級 (subagent)
LangGraphノードで表現1級1級 (graph)1級
AutoGen1級 (critic)1級1級1級 (conversation)
CrewAI自前1級1級 (Process)1級 (Crew)
smolagents補助1級 (CodeAgent)補助補助
Pydantic AI補助1級補助補助
LlamaIndex Agents補助1級1級補助
Mastra補助1級1級 (workflow)1級
Vercel AI SDK補助1級補助補助

3章 · ReAct / Plan-and-Execute / Tree-of-Thought — コアパターン比較

各フレームワークの底には必ず「ランタイムアルゴリズム」がある。代表的な3つを見る。

3.1 ReAct (Reasoning + Acting)

原典はYaoら(2022年)。モデルがThought・Action・Observationを交互に出す。コードでは単純なwhileループ。

while not done and step < max_steps:
    response = model.complete(messages)
    if response.is_final_answer:
        break
    tool_result = execute(response.tool_call)
    messages.append(response)
    messages.append(tool_result)
    step += 1

LangGraphのprebuilt ReAct agent、OpenAI Agents SDKのデフォルトエージェント、CrewAIのデフォルトtask実行はすべてこのパターン。

3.2 Plan-and-Execute

まず全体計画を立てて、それから実行する。Wangら(2023年)の「Plan-and-Solve」。計画段階ではモデルを一度だけ呼び、実行段階では小さいモデルや決定論的コードに任せることもできる。

Stage 1 (Planner):  目標 → ステップ1, ステップ2, ..., ステップN
Stage 2 (Executor): 各ステップを順次/並列に実行、必要なら再計画

LangGraphのPlan-and-Executeサンプル、CrewAIのhierarchical Processがこのパターンを支える。

3.3 Tree-of-Thought

複数の推論経路をツリーに展開し、最も有望な枝を選ぶ。Yaoら(2023年)。コストは高いが難しい推論・計画問題に強い。

        目標
       /  |  \
   思考A  思考B  思考C
     |    |    |
   ... 評価して最良の枝を選ぶ ...

純粋なToTをファーストクラスで支えるフレームワークは少ない。LangGraphなら自前のグラフで書ける。AutoGenのGroupChatを応用して近いことはできる。

4章 · OpenAI Agents SDK (2025年3月) — Swarmの後継

2025年3月、OpenAIは実験プロジェクトだったSwarmを正式製品に昇格したAgents SDKを公開した。Python(公式)とTypeScript(2025年後半)の両対応。

コアな抽象

コード例

from agents import Agent, Runner, handoff

triage = Agent(
    name="triage",
    instructions="顧客の質問を分類して適切な専門家に渡す。",
    handoffs=[refund_agent, support_agent],
)

result = Runner.run_sync(triage, "返金してほしい")
print(result.final_output)

handoffはLangGraphのエッジやAutoGenの次話者選択に似ているが、エージェントが他エージェントを関数のように直接呼ぶ点が違う。思考が命令型(imperative)になる。

強み

弱み

5章 · Anthropic Agent SDK / Claude Code SDK (2025年9月)

Anthropicは2024年から自社のコーディングエージェントClaude Codeを運用してきた。2025年9月、その内部エンジンをClaude Agent SDKとして外部公開した。

コアコンセプト

コード例

import { ClaudeAgent } from '@anthropic-ai/claude-agent-sdk'

const agent = new ClaudeAgent({
  model: 'claude-sonnet-4',
  systemPrompt: 'You are a careful research assistant.',
  tools: [webSearchTool, fileTool],
  hooks: {
    beforeToolUse: async (call) => {
      console.log('about to call', call.name)
    },
  },
})

const result = await agent.run('Explain MCP in 5 bullets.')

強み

弱み

6章 · LangGraph — ステートマシン・グラフ

LangGraphはLangChainチームが作った「エージェントをグラフとして書く」フレームワーク。LangChainの自由なchain構成がデバッグ地獄を生んだので、明示的なノード・エッジ・状態を導入した。

コアモデル

コード例

from langgraph.graph import StateGraph, END

graph = StateGraph(State)
graph.add_node("planner", planner_node)
graph.add_node("executor", executor_node)
graph.add_node("verifier", verifier_node)

graph.set_entry_point("planner")
graph.add_edge("planner", "executor")
graph.add_conditional_edges(
    "verifier",
    lambda s: "retry" if s.needs_retry else "done",
    {"retry": "executor", "done": END},
)

app = graph.compile()
result = app.invoke({"goal": "deploy app"})

強み

弱み

7章 · AutoGen 0.4 (Microsoft) — マルチエージェント対話

Microsoft Researchが作ったAutoGenは2023年からマルチエージェントの代表格だった。2024年末から2025年初頭に0.4でほぼ書き直しが行われ、コアは非同期アクターモデルに移行した。

コアコンセプト

コード例 (0.4の新API)

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient

model = OpenAIChatCompletionClient(model="gpt-4o")
coder = AssistantAgent("coder", model_client=model)
reviewer = AssistantAgent("reviewer", model_client=model)

team = RoundRobinGroupChat([coder, reviewer], termination_condition=...)
result = await team.run(task="Implement quicksort in Python")

強み

弱み

8章 · CrewAI — ロールベースのクルー

CrewAIは2024年に登場し、「最速プロトタイピングのマルチエージェントフレームワーク」の座を素早く確保した。メタファーが直感的だ。エージェントは役割(role)を持ち、クルー(crew)がタスク(task)を処理する。

コアコンセプト

コード例

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="Senior Researcher",
    goal="Find the latest trends in AI agents.",
    backstory="You are a tireless researcher with 10 years of experience.",
    tools=[search_tool],
)
writer = Agent(
    role="Tech Writer",
    goal="Turn research into a clear blog post.",
    backstory="You write for developers who want signal, not hype.",
)

research_task = Task(description="Research the top 5 trends.", agent=researcher)
write_task = Task(description="Write a 1000-word post.", agent=writer)

crew = Crew(agents=[researcher, writer], tasks=[research_task, write_task], process=Process.sequential)
result = crew.kickoff()

強み

弱み

9章 · smolagents / Mastra / Pydantic AI — 新しいミニマル系

重いフレームワークに疲れた人たちのために、2024〜2025年にミニマル系が登場した。

9.1 smolagents (Hugging Face, 2024)

Hugging Faceが作った意図的に小さなエージェントライブラリ。一行要約: 「コードは新しい関数呼び出しだ」。

from smolagents import CodeAgent, HfApiModel

agent = CodeAgent(tools=[search_tool], model=HfApiModel())
agent.run("What is the GDP per capita of Korea in 2025?")

9.2 Mastra (TypeScript, 2025年に勢いが付いた)

MastraはTypeScriptのフルスタック・バックエンド・フレームワーク。Vercel AI SDKがReact/Next.jsのフロント統合に強いとすれば、Mastraはバックエンド側のワークフロー・メモリ・エージェント・RAGを一つの箱に入れる。

import { Agent } from '@mastra/core'

const agent = new Agent({
  name: 'support',
  instructions: 'You answer support questions.',
  model: { provider: 'OPEN_AI', name: 'gpt-4o' },
  tools: { lookupOrder, refund },
})

const result = await agent.generate('Where is my order?')

9.3 Pydantic AI (Pydanticチーム, 2024年後半)

Pydanticチームが作ったライブラリ。一行要約: 「FastAPIがWebにしたことを、LLMにする」。

from pydantic import BaseModel
from pydantic_ai import Agent

class Order(BaseModel):
    id: str
    status: str

agent = Agent('openai:gpt-4o', result_type=Order)
result = await agent.run('Look up order 12345.')
print(result.data.status)  # 型安全

10章 · MCP (2024年11月) — ツール統合の標準

2024年11月、AnthropicはModel Context Protocol (MCP)を公開した。一行要約: エージェントとツールの間のUSB-C。

問題意識

それまで各フレームワークは独自のツール定義フォーマットを持っていた。LangChain Tool・OpenAI function・Anthropic tool_useが全部少しずつ違った。新しいツールを作ると、Nフレームワークにつき N 回書く羽目になった。MCPはこれを解こうとする。

コアコンセプト

どこで使われているか

意義

MCPは「どのフレームワークを選ぶか」と独立にツールを標準化する。フレームワークは乗り換えられても、よく書かれたMCPツールは次のフレームワークでも使える。ロックインの大きな緩和装置だ。

11章 · A2A (Agent-to-Agent) — エージェント間通信の標準

MCPが「エージェント ↔ ツール」の標準だとすれば、A2Aは「エージェント ↔ エージェント」の標準候補だ。2025年春にGoogleが初公開を主導し、複数ベンダーが参加している。

なぜ必要か

異なる会社のエージェントが協力する時代が来ようとしている。例: 自社の営業エージェントが、提携先の価格エージェントに見積もりを依頼する。両者は異なるフレームワーク・異なるモデル・異なるホストで動いている。

そのときに必要なもの:

コアアイデア

A2Aは2026年現在まだ「確定」した標準ではないが、組織境界を越えるマルチエージェントには結局こうした標準が必要になる。MCPが1年で事実上の標準になったのと同様に、A2Aも素早く定着する可能性がある。

12章 · どのフレームワークを選ぶか

意思決定ガイド。シナリオ別のおすすめ。

シナリオA — 「Jupyterノートブックで素早く一度動かしたい」

→ OpenAI Agents SDKまたはCrewAI。10分で結果が出る。

シナリオB — 「プロダクションのチャットボット・サポートエージェント」

→ OpenAI Agents SDK (OpenAIモデル中心) または Anthropic Agent SDK (Claude中心)。guardrail・trace・権限ゲートがファーストクラス。

シナリオC — 「ワークフローが複雑で分岐・リトライが多い」

→ LangGraph。明示的なグラフとチェックポイントが活きる。

シナリオD — 「複数のエージェントが議論・協力する」

→ AutoGen 0.4またはCrewAI。マルチエージェント・メタファーが強い。

シナリオE — 「RAG中心 — 自社ドキュメントを上手く検索」

→ LlamaIndex Agents。インデックスと検索がファーストクラス。またはMastraのTSバックエンド。

シナリオF — 「TypeScript / Next.jsのフルスタック」

→ Vercel AI SDK (UI中心) + Mastra (バックエンド・ワークフロー)。

シナリオG — 「型安全と構造化出力が最優先」

→ Pydantic AI (Python) または Vercel AI SDK (TS)。

シナリオH — 「コード実行がコア — データ分析・サイエンス」

→ smolagentsのCodeAgent。またはOpenAI Code Interpreter。

シナリオI — 「エンタープライズ — マルチベンダーモデル・監査・ガバナンス」

→ Bee Agent Framework (IBM) または LangGraph + LangSmith。

シナリオJ — 「将来、他社のエージェントと協力する可能性」

→ MCP対応のあるフレームワークなら何でも。A2Aの発展も注視。

意思決定チェックリスト (10項目)

  1. 第一に使うモデルは何か?(ベンダーロックインのSDKを受け入れられるか)
  2. シングルエージェントかマルチか?
  3. ReActで十分か、Plan-and-Executeが必要か?
  4. グラフ可視化とステートマシンが必要か?
  5. human-in-the-loopが必要か?
  6. チェックポイント・タイムトラベルが必要か?
  7. ツールはMCPで標準化する価値があるか?
  8. traceダッシュボードはどこで見るか?(LangSmith・OpenAI traces・自前)
  9. 言語の好み?PythonかTypeScriptか?
  10. 半年後に他フレームワークへ乗り換える出口はあるか?

13章 · 韓国・日本企業のエージェント導入

最後に東アジアの導入状況を短く。

韓国

日本

共通パターン

14章 · 参考文献 / References

公式ドキュメント優先、主要な学術・公開発表のみ。

フレームワーク公式ドキュメント

プロトコルと標準

コア論文・デザインパターン

さらに読むなら

エピローグ — 意見を選ぶということ

一行要約: エージェントフレームワークは道具ではなく意見だ。OpenAI Agents SDKは「エージェントは関数のように互いにhandoffする」と言う。LangGraphは「エージェントはステートマシンだ」と言う。CrewAIは「エージェントは役割だ」と言う。Anthropic Agent SDKは「エージェントはコンテキスト管理がすべてを決める」と言う。smolagentsは「エージェントはコードを書く」と言う。

同じ問題でも、意見が違えば解法が違う。だから — モデルを選ぶときと同じくらい — フレームワークの意見を意識して選ぼう。

次の記事候補: エージェント評価システムの徹底解剖(Inspect AI、Promptfoo、LangSmith)、MCPサーバーを自分で書く、サブエージェント・オーケストレーションのパターン。

「フレームワークはライブラリではなく意見である。意見を選んでいるという自覚こそ、道具選びの最初の一歩だ」

— 2026年のAIエージェントフレームワーク、おわり。

原文を読む: https://www.youngju.dev/blog/culture/2026-05-15-ai-agent-frameworks-2026-langgraph-autogen-crewai-openai-agents-sdk-anthropic-claude-code-deep-dive.ja

コメント

まだコメントはありません。

ログインするとコメントできます