AI エージェントフレームワークの⽐較検証

2026/3/24に、データ推進室イベントで発表した勝俣の資料になります。

Transcript

1. © Recruit Co., Ltd. All Rights Reserved AI エージェントフレームワークの ⽐較検証 株式会社リクルート データ推進室 データプラットフォーム部 横断クラウド アーキ1グループ 勝俣 翔太 2026/03/24
2. © Recruit Co., Ltd. All Rights Reserved データ推進室 データプラットフォーム部 横断クラウドアーキ1グループ  クラウドインフラのエンジニアとしてリクルート内の様々なサービスの 構築‧運⽤‧保守に携わっている。 2020  リクルートに新卒⼊社 2020- クラウドエンジニアとして Lierco 等のシステムの保守を担当 2022- 社内 BQ リソース管理システム「BQ ホーダイ」の管理を担当 2025- ⽣成 AI を活⽤した開発効率の運⽤業務の⾃動化や 開発業務の効率化検討を実施 勝俣 翔太 Katsumata Shota 写真 Profile 経歴  所属 2
3. © Recruit Co., Ltd. All Rights Reserved Agenda 1. AI エージェントフレームワークとは 2. ⽐較検証の背景 3. 各エージェントフレームワークの⽐較 4. 結論‧まとめ 3
4. © Recruit Co., Ltd. All Rights Reserved AI エージェントフレームワークとは session 1
5. © Recruit Co., Ltd. All Rights Reserved 5 AI エージェントとは(従来の⽣成 AI ) 最もシンプルには LLM にプロンプトを与え、レスポンスを 得るのが⽣成 AI の利⽤⽅法となる 複雑なタスクや調査には向かない
6. © Recruit Co., Ltd. All Rights Reserved 6 AI エージェントとは 外部とのやり取りを含む⾏動をあらかじめ定義された 振る舞いに基づき実施し、⾼精度な回答を⽣成することができる
7. © Recruit Co., Ltd. All Rights Reserved 7 AI エージェントフレームワークとは AI エージェントの振る舞いを定義‧実⾏するための基盤 LLM を含む⾃律的なループをコードで記述することで ⽬的のタスクを実現するための独⾃の AI エージェントを 作成できる
8. © Recruit Co., Ltd. All Rights Reserved ⽐較検証の背景 session 2
9. © Recruit Co., Ltd. All Rights Reserved 9 不動産マッチングプラットフォーム 『SUUMO』 とは
10. © Recruit Co., Ltd. All Rights Reserved 10 AI エージェントを⽤いた業務⽀援ツール
11. © Recruit Co., Ltd. All Rights Reserved 11 AI エージェントを⽤いた業務⽀援ツール ⼤量かつ構造化されていないデータの要約や、業務の進め⽅に ついてのアドバイスを⽣成するツール ADK(Agent Development Kit)で作成 デリバリー最優先のため構造やフレームワークの⽐較検討を⾏えなかった
12. © Recruit Co., Ltd. All Rights Reserved 12 業務⽀援ツールの課題 不要なマルチクラウド ツールの稼働場所は AWS だが、 エージェントは Google Cloud で 稼働している。 基盤の依存が多くなってしまって いる • ADK の標準仕様に従わずに利⽤している ◦ FastAPI との親和性が本ツールでは 裏⽬に出てしまった ◦ 標準機能のアクセスログも不要 Agent フレームワークの調査不⾜
13. © Recruit Co., Ltd. All Rights Reserved 各エージェントフレームワークの⽐較 session 3
14. © Recruit Co., Ltd. All Rights Reserved フレームワークの本案件での⽐較観点 機能性 保守性 • 主要な LLM モデルに出来る だけ多く対応しているか • Langfuse, LangSmith に対応 しているか • ある程度フレームワークが 成熟しているか • AWS, Google Cloud のどちらでも 稼働が可能か 可⽤性 その他 • ⽔平スケールが可能か • マスタデータを事前に読み込み 可能であるか • セッション機能は不要 • ⾼カスタマイズ性も不要
15. © Recruit Co., Ltd. All Rights Reserved マスタデータの読み込みとは ADK ではリクエストに応じて動的にエージェントの設定等が 読み込まれる仕様になっている エージェントの読み込みに負荷がかかる構成だった場合、 レスポンスまでの時間が⻑くなり、要件を満たせない 業務⽀援ツールではサーバー起動後、リクエストが来る前に ファイルを読み込んでおきたい要件があった
16. © Recruit Co., Ltd. All Rights Reserved 16 ⽐較対象のエージェントフレームワーク 今回は下記4つのフレームワーク、および AWS, Google Cloud から提供されているインフラ基盤も合わせて⽐較 (ex. ECS, Cloud Run, AgentCore Runtime, Agent Engine)
17. © Recruit Co., Ltd. All Rights Reserved 17 ⽐較結果の早⾒表 機能性 保守性 可⽤性 その他 機能性 保守性 可⽤性 その他
18. © Recruit Co., Ltd. All Rights Reserved 18 Strands Agents(強み) 機能性 保守性 可⽤性 その他 AWS が開発‧提供しているフレームワーク • AWS との⾼い親和性 • エージェントの作成‧実⾏までが容易に実装できる • AWS 基盤以外でも実⾏は可能で、モデルの選択も LiteLLM を経由することで柔軟に⾏える 機能性 保守性 可⽤性 その他
19. © Recruit Co., Ltd. All Rights Reserved 19 Strands Agents(弱み) 機能性 保守性 可⽤性 その他 AWS が開発‧提供しているフレームワーク • AWS 以外で利⽤しようとする場合ドキュメントやサンプル がそこまで多くはない • 他フレームワークと⽐較すると多少発展途上な部分がある 機能性 保守性 可⽤性 その他
20. © Recruit Co., Ltd. All Rights Reserved 20 LangGraph(強み) 機能性 保守性 可⽤性 その他 LangChain Inc. が開発‧提供しているフレームワーク • ワークフローをグラフとして定義し、独⾃の Agent ループ を構築することが可能 • ⾮常に⾼いカスタマイズ性を持ち、複雑なワークフローを 構築することができる • クラウド依存もなくモデルも柔軟に選択できる 機能性 保守性 可⽤性 その他
21. © Recruit Co., Ltd. All Rights Reserved 21 LangGraph(弱み) 機能性 保守性 可⽤性 その他 LangChain Inc. が開発‧提供しているフレームワーク • ⾮常にカスタマイズ性が⾼い反⾯、学習コストが⾼い • グラフ管理、ステート管理が前提となっており、運⽤⾯ おいてにも若⼲のコストがかかる 機能性 保守性 可⽤性 その他
22. © Recruit Co., Ltd. All Rights Reserved 22 Agent Development Kit(強み) 機能性 保守性 可⽤性 その他 Google Cloud が開発‧提供しているフレームワーク • Google Cloud(Agent Engine)や Google Workspace との ⾼い親和性 • LiteLLM を介して Gemini 以外のモデルも利⽤が可能 機能性 保守性 可⽤性 その他
23. © Recruit Co., Ltd. All Rights Reserved 23 Agent Development Kit(弱み) 機能性 保守性 可⽤性 その他 Google Cloud が開発‧提供しているフレームワーク • FastAPI を使ったデプロイのしやすさが裏⽬に出る場合がある ◦ 事前に⼤きなファイル読み込みをしたい場合 ◦ リクエストの形式やパスをカスタマイズしたい場合 機能性 保守性 可⽤性 その他
24. © Recruit Co., Ltd. All Rights Reserved 24 OpenAI Agents SDK(強み) 機能性 保守性 可⽤性 その他 OpenAI 開発のフレームワーク • ⾮常に軽量で開発難度が低い • OpenAI 製品との親和性が⾼い • LiteLLM に対応しているためモデルの幅も OpenAI に留まらない(Preview 機能) • クラウド依存も特に無い 機能性 保守性 可⽤性 その他
25. © Recruit Co., Ltd. All Rights Reserved 25 OpenAI Agents SDK(弱み) 機能性 保守性 可⽤性 その他 OpenAI 開発のフレームワーク • 複雑なワークフロー構築には不向き • ⼀部機能(trace 等)は OpenAI 依存が存在する ◦ (Langfuse, LangSmith を使う前提だと問題なし) 機能性 保守性 可⽤性 その他
26. © Recruit Co., Ltd. All Rights Reserved 結論‧まとめ session 4
27. © Recruit Co., Ltd. All Rights Reserved 27 ⽐較結果の早⾒表 機能性 保守性 可⽤性 その他 機能性 保守性 可⽤性 その他
28. © Recruit Co., Ltd. All Rights Reserved 結論 本案件においては事前に⼤きなファイルを読み込む要件がある ADK の動的な読み込みや FastAPI との連携が合致せず 本案件ではグラフ構造を必要としておらず、⼀⽅通⾏の処理フローである 複雑な処理を得意とする LangGraph とは合致せず
29. © Recruit Co., Ltd. All Rights Reserved 結論 シンプルに扱うことができ、機能要件的にも問題ない 複雑な構成には不向きだが、本案件では問題にはならない 機能要件的に問題はない AWS との親和性があり、ドキュメントも豊富
30. © Recruit Co., Ltd. All Rights Reserved 30 結論(まとめ) 機能性 保守性 可⽤性 その他
31. © Recruit Co., Ltd. All Rights Reserved 31 結論(構成)
32. © Recruit Co., Ltd. All Rights Reserved 32 まとめ ※1 例: セッション‧メモリー‧マルチエージェント‧マルチクラウド稼働等々 今回の選定結果について 昨今のエージェントフレームワークについて 主要なフレームワークであればメジャーな機能(※1) は殆どの場合 完備されており、カスタマイズ性や思想に差異が出ることが多い もしワークフローが複雑であったら、呼び出しツールが Google Cloud で構築されていたら恐らく結果は変わっていた 出⼒に⼤きな差異は出づらく、特定のフレームワークに固定せず、 ケースやチームに合わせて柔軟に選択する事が重要