0Pricing
AI Agents · レッスン

LangGraphとCrewAIとAutoGen

グラフ型、役割ベース型、会話ベース型のオーケストレーション — マルチステップエージェントに対する3つの考え方です。

「LangGraphとCrewAIとAutoGen」はCoddyKit上の無料AI Agentsレッスンです。 これはレッスン1/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはAI Agents学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 AI Agentsコースには全4レッスンが含まれています。

主要な3つのフレームワーク

複数ステップ・マルチエージェントシステムでは、次の3つのフレームワークが主流です。

  • LangGraph — ノードとエッジによる明示的なグラフ
  • CrewAI — 役割ベースのエージェントチーム
  • AutoGen — エージェント間の自由形式の会話

LangGraphのスタイル

ステートマシンです。ノード、エッジ、型付きの状態オブジェクトを定義します。制御フローが明示的な場合に最適です。

from langgraph.graph import StateGraph, END

g = StateGraph(State)
g.add_node('plan', plan_fn)
g.add_node('act', act_fn)
g.add_edge('plan', 'act')
g.add_conditional_edges('act', router, {'continue': 'plan', 'done': END})
app = g.compile()

CrewAIのスタイル

エージェント（役割、目標、背景設定を持つ）とタスクを定義します。タスクをエージェントに割り当て、エージェントは「クルー」として実行します。

from crewai import Agent, Task, Crew

researcher = Agent(role='Researcher', goal='Find facts', backstory='...', tools=[search_tool])
writer = Agent(role='Writer', goal='Compose answers', backstory='...')

tasks = [
    Task(description='Research X', agent=researcher),
    Task(description='Write summary', agent=writer)
]
crew = Crew(agents=[researcher, writer], tasks=tasks)
result = crew.kickoff()

AutoGenのスタイル

会話主導型です。エージェント同士がメッセージを送り合い、マネージャーが次に発言するエージェントを決定します。

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent('coder', llm_config={'model': 'gpt-4o-mini'})
user = UserProxyAgent('user', code_execution_config={'work_dir': './work'})

user.initiate_chat(assistant, message='Write a fibonacci function')

LangGraphを使う場合

  • 明示的なステートマシンが必要な場合
  • ループ、分岐、人間参加型の処理が必要な場合
  • 耐障害性のためのチェックポイントが必要な場合
  • 本番環境での信頼性を優先する場合

CrewAIを使う場合

  • 役割ベースの考え方がチームに合う場合
  • 順次型または階層型のタスクリストを使う場合
  • 高レベルの抽象化を求める場合
  • 一般的なユースケースでコード量を減らしたい場合

AutoGenを使う場合

  • 研究的で会話主導型のタスク
  • 実行エージェントを使ったコード生成
  • マルチエージェントによる議論・批評

成熟度の比較

LangGraphCrewAIAutoGen
メンテナーLangChainCrewAI IncMicrosoft
安定性高中中
可観測性LangSmith基本機能を内蔵カスタム

パフォーマンス

フレームワークはオーバーヘッドを追加します。低レイテンシーのエージェント（チャットUI）では、最小限の手書きコードのほうがフレームワークより高速なことがよくあります。複雑なマルチステップエージェントでは、フレームワークのオーバーヘッドよりも開発時間の短縮効果のほうが大きくなります。

LangGraphは本番運用の実績が最も豊富

チェックポインター（Postgres、Sqlite）、人間参加型の処理、リトライ、ストリーミング、タイムトラベルなど、本番運用に必要な機能が第一級の機能として提供されています。他のフレームワークでは、より多くの部分をユーザーコードに頼ります。

CrewAIはシンプルなケースで最も優れたDXを提供

3～5体のエージェントによるクルーでは、複数のエージェントとタスクを定義するほうが、LangGraphよりも実際に短く、宣言的に記述できます。

AutoGenはコードエージェントに強い

Microsoftは、コード実行エージェント（GitHub Copilot Workspaceに類似）にAutoGenを社内で使用しています。コード実行ループはクラス最高水準です。

組み合わせて使える

どちらか一方しか選べないわけではありません。たとえば、外側のステートマシンにLangGraphを使い、内側のコード生成サブエージェントにAutoGenを使うことができます。

フレームワーク選びに凝りすぎない

多くのチームは、エージェントが100～200行のコードで十分に手作りできるほどシンプルなのに、フレームワークの選択に過剰な投資をしています。まずは最もシンプルな方法から始め、本当に必要になったときにフレームワークを導入してください。

フレームワークの強み

本番運用の実績が最も豊富なフレームワークはどれでしょうか。

まとめ

明示的なステートマシンと本番運用にはLangGraph、宣言的な役割ベースのクルーにはCrewAI、会話主導型のエージェントにはAutoGenを使います。制御フローのスタイルに応じて選択してください。

よくある質問

「LangGraphとCrewAIとAutoGen」レッスンは無料ですか？

はい。「LangGraphとCrewAIとAutoGen」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、AI Agentsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 AI Agentsコースには全4レッスンが含まれています。

「LangGraphとCrewAIとAutoGen」で何を学びますか？

グラフ型、役割ベース型、会話ベース型のオーケストレーション — マルチステップエージェントに対する3つの考え方です。 ブラウザで直接実行するハンズオンコードでAI Agentsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

AI Agentsを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのAI Agentsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン1/4です。

「LangGraphとCrewAIとAutoGen」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このAI Agentsレッスンでコードを書いて実行できますか？

はい。すべてのAI Agentsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

  1. LangGraphとCrewAIとAutoGen
  2. 長期稼働エージェント向けのLetta（旧MemGPT）
  3. OpenAI Assistants APIとThreads
  4. ユースケースに合ったフレームワークの選択
← AI Agentsに戻る