LangGraph × Bedrock による複数の Agentic Workflow を利用した Supervisor 型のマルチエージェントの実現/langgraph-bedrock-supervisor-agent

Slide 1

Slide 1 text

Slide 2

Slide 2 text

© 2025 NTT DATA Japan Corporation 2 自己紹介鯨田連也 (Renya Kujirada) • 職種: Data Scientist / MLOps Engineer • 業務: PoC, R&D（Computer Vision, LLMOps） • 好きなAWSサービス: Bedrock, SageMaker • X : @recat_125 株式会社NTTデータテクノロジーコンサルティング事業本部

Slide 3

Slide 3 text

Slide 4

Slide 4 text

© 2025 NTT DATA Japan Corporation 4 はじめに LangGraph と Bedrock を利用し，広告の「キャッチコピー文」と「画像」を生成する Supervisor 型のマルチエージェントを構築しました．実装の考え方や，LangGraph で利用した機能を紹介します．画像生成 SubAgent • 英語のプロンプト生成 • 画像生成コピー文生成 SubAgent • コピー文生成 • コピー文の改善

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

© 2025 NTT DATA Japan Corporation 7 Agent (ReAct) とは状況に応じて LLM が実行すべき Tool を自律的に決定し，Tool の実行結果に応じて次の行動（他の Tool 実行など）を思考することを繰り返す仕組み．実行タスクを動的に決定できるため，ユーザーの要望に対し，柔軟に対応できる． LLM Call Tool 1 Human Tool 2 (1) reasoning (2) acting (3) observation

Slide 8

Slide 8 text

© 2025 NTT DATA Japan Corporation 8 Agentic Workflow vs Agent Agentic Workflowは制御しやすいが柔軟性に欠ける一方，Agentは柔軟性が高いが制御しづらくチューニングが必要． Agentic Workflow Agent 回答の一貫性 ○ タスクの実行順序は決定的で制御しやすい △ 想定通りのタスクの実行順序になるとは限らない全体的なレイテンシー ○ タスクを直列に実行するのみ △ タスク (Tool) 実行の度に LLM の思考がある柔軟性 △ 一部のタスクのみを実行することはできない ○ LLM が実行すべきタスクや実行順序を動的に決定する機能追加の容易性 △ フローが複雑になるほど，実装コストが高い（タスク間の依存関係の管理など） ○ Tool を追加するのみで，改修範囲は狭い

Slide 9

Slide 9 text

Slide 10

Slide 10 text

© 2025 NTT DATA Japan Corporation 10 SubAgent 2 Supervisor 型の Multi Agent とは Supervisor と呼ばれる Agent が，状況に応じて実行すべき Agent (SubAgent) を決定し，SubAgent に制御を渡す仕組み．Supervisor は，SubAgent の実行結果に応じて次の行動（他の SubAgent の実行など）を思考する． Supervisor SubAgent 1 Human routing LLM Call Tool 1 Tool 2 SubAgent をオーケストレーション専門分野毎に， SubAgent を複数定義

Slide 11

Slide 11 text

© 2025 NTT DATA Japan Corporation 11 Workflow を Multi Agent で利用するアイデア SubAgent として Agentic Workflow を利用することで，ユーザーの要望を基に実行すべき Workflow を柔軟に選択しつつ，決定的な実行順序で正確にタスクを実行できると考えた． Supervisor SubAgent 1 Human SubAgent 2 LLM Call 1 LLM Call 2 In Out routing SubAgent として Agentic Workflow を利用

Slide 12

Slide 12 text

Slide 13

Slide 13 text

© 2025 NTT DATA Japan Corporation 13 LangGraph で利用した機能グラフをノードとして利用する SubGraph，Agent の制御を他の Agent に譲渡する handoff (Command) という機能を利用している． Supervisor SubAgent 1 Human SubAgent 2 LLM Call 1 LLM Call 2 In Out routing SubGraph handoff (Command)

Slide 14

Slide 14 text

© 2025 NTT DATA Japan Corporation 14 LangGraph とはノードやエッジを利用して有向グラフを定義することで，Agentic Workflow や Agent を構築できるフレームワーク．各ノード間のデータ (Agent の状態) の連携はステートを介して行う．ノードエッジ { ”messages”: ... , ”artifacts”: ... , } ステート (イメージ)

Slide 15

Slide 15 text

Slide 16

Slide 16 text

© 2025 NTT DATA Japan Corporation 16 handoff (Command) ある Agent が別の Agent に制御を渡す考え方のことで，LangGraph の Command という機能を利用して実現する． Command とは，ノード内で Agent のステートの更新と，次に実行するノードの指定を同時に行う機能である． goto：次に実行するノード（サブグラフなど）を指定 update：ステートの更新ノード内で動的に次に実行するAgentを指定可能

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

© 2025 NTT DATA Japan Corporation 20 まとめ • Agentic Workflow, Agent 共に一長一短ある． • Agentic Workflow：タスクの実行順序は決定的で制御しやすいが，柔軟性に欠ける • Agent：柔軟性は高いが，制御しづらくチューニングが必要 • LangGraph と Bedrock を利用し，Supervisor 型の Multi Agent を実装した． • SubAgent として Agentic Workflow を利用することが可能 • SubGraph, handoff (Command) を利用することで実現可能より詳細な解説記事や実装例は，近日公開予定です！

Slide 21

Slide 21 text

© 2025 NTT DATA Japan Corporation 21 参考資料本内容は，弊社での AWS Japan 生成 AI 実用化推進プログラムでの取り組みの一環です．プログラムにおける取り組み内容や Agent に関するナレッジを外部発信しています！是非ご覧下さい！ https://note.com/digitalsuccess/n/n958487f4d1cf https://qiita.com/yamato0811/items/02688690a85a670b773f

Slide 22

Slide 22 text

© 2025 NTT DATA Japan Corporation 22 参考文献 ◼ Agent • https://www.anthropic.com/research/building-effective-agents • https://langchain-ai.github.io/langgraph/tutorials/workflows/ • https://langchain-ai.github.io/langgraph/concepts/multi_agent/ ◼ LangGraph • https://langchain-ai.github.io/langgraph/how-tos/subgraph/ • https://langchain-ai.github.io/langgraph/how-tos/agent-handoffs/ • https://langchain-ai.github.io/langgraph/how-tos/pass-run-time-values-to-tools/

Slide 23

Slide 23 text

No content