AIエージェントの開発を外部に頼むと、提案書に「LangGraphで構築します」「CrewAIを採用します」といったフレームワークの名前が出てきます。比較記事を読んでも、10種類以上の名前と機能が並ぶばかりで、開発会社の選定が妥当なのかを、発注する側が判断するのは簡単ではありません。先に結論を書くと、AIエージェントフレームワークは、人気やサンプルの多さではなく、保守の体制、動きを追える仕組み、連携の手段、扱える技術者の確保、ライセンスと費用の5つで比べます。発注する側は、どれが最も優れているかを決める必要はありません。開発会社がなぜそれを選んだのかを聞き、その根拠を要件定義とセットで残すことが役割です。2026年11月に私が確認した検索上位は、開発する人に向けた機能の比較が中心で、発注する側の確かめ方を示した記事は多くありませんでした。この記事では、フレームワークの系統を整理したうえで、発注の前に確かめる項目と、開発会社への質問をまとめます。
この記事のポイント
- AIエージェントフレームワークは、モデルの呼び出しやツールの接続など、共通の部品をまとめた開発用の土台
- 系統は、汎用型・複数エージェント型・提供元のSDK・画面で組み立てる型の4つに分かれる
- 比べる項目は、保守の体制・動きを追える仕組み・連携の手段・技術者の確保・ライセンスと費用の5つ
- 発注する側は、選定の理由を開発会社に聞き、根拠を要件定義とセットで残す
目次
AIエージェントフレームワークの比較と分類
フレームワークとは開発用の土台
AIエージェントを作るには、LLMを呼び出す、ツールを実行する、途中の経過を覚える、手順を進める、記録を残す、といった処理が必要です。これらは、どのAIエージェントでもほぼ共通しています。毎回ゼロから書くのは無駄が多いため、共通の処理をあらかじめまとめた開発用の土台が作られました。これがフレームワークです。
フレームワークを使うと、開発の期間を短くでき、よくある作りを早く形にできます。一方で、そのフレームワークの決まりごとに沿って作ることになるため、決まりごとから外れた作りをしたいときに、かえって手間がかかることがあります。構成要素そのものの役割は、AIエージェントの仕組みと構成要素の記事で整理しています。
よく似た言葉にライブラリがあります。ライブラリは、特定の処理を行う部品の集まりで、必要な部品だけを呼び出して使います。フレームワークは、全体の骨組みを提供し、その中に自分の処理を書き入れていきます。実際には境目があいまいで、同じ製品が両方の呼び方をされることもあります。発注する側は、言葉の違いにこだわる必要はありません。
フレームワークは4つの系統に分かれる
比較記事に並ぶ名前は多いのですが、成り立ちで分けると、4つの系統に整理できます。次の表は、2026年11月の時点で、上位の比較記事や各提供元の公式の文書によく出てくる名前を分けたものです。機能や名称は短い期間で変わるため、検討の時点で公式の情報を確かめてください。
| 系統 | 名前の例 | 特徴 | 向く場面 |
|---|---|---|---|
| 汎用型 | LangChain、LangGraph、LlamaIndex | 利用者と情報が多く、接続できるサービスの種類が多い | 特定の提供元に寄せず、幅広い構成を作りたいとき |
| 複数エージェント型 | CrewAI、AutoGen | 役割を分けたAIエージェントを連携させる作りに重点がある | 調査・作成・確認のように、役割を分けたいとき |
| 提供元のSDK | OpenAI Agents SDK、Microsoft Agent Framework など | モデルやクラウドの提供元が出しており、その環境との相性がよい | 使うモデルやクラウドが決まっているとき |
| 画面で組み立てる型 | Dify、Langflow、Flowise | 部品を画面でつないで作る。プログラムを書く量が少ない | 早く試したいとき、社内で手直ししたいとき |
提案書に知らない名前が出てきたら、まず、この4つのどの系統に当たるのかを開発会社に聞きます。系統が分かれば、何を重視した選定なのかが見えてきます。
Pythonが多い理由と言語の選択
AIエージェントフレームワークの多くは、Pythonというプログラミング言語で使うように作られています。AIの研究や開発でPythonが広く使われてきたため、関連する部品や情報がPythonに集まっているからです。
ただし、Pythonしか選べないわけではありません。Webの開発でよく使われるTypeScriptに対応したものや、業務システムで使われるC#に対応したものもあります。たとえばMicrosoft Agent Frameworkの公式の概要では、C#、Python、Goから言語を選べる形になっています。
発注する側にとって言語が問題になるのは、作ったあとです。自社の情報システム部門や、保守を頼む会社が扱える言語かどうかで、引き継ぎのしやすさが変わります。既存の業務システムと同じ言語にそろえるという考え方もあります。
フレームワークを使わない選択
見落とされがちですが、フレームワークを使わずに作る、という選択もあります。Anthropicは、エージェントの構築についての解説で、まずはLLMのAPIを直接使う単純な作りから始めることを勧め、フレームワークは便利な一方で、中で何が起きているのかを見えにくくすることがあると述べています。詳しくは、Anthropicの解説で確認できます。
処理が単純な業務であれば、フレームワークを入れないほうが、仕組みが見通しやすく、誤りの原因も追いやすくなります。提案にフレームワークが含まれている場合は、使う理由だけでなく、使わない場合と比べてどうなのかも聞いてみると、開発会社の考えの深さが分かります。
発注前に確かめるAIエージェントフレームワーク
人気やサンプル数だけで選ばない
フレームワークの比較で、よく使われる指標が人気です。公開の場での評価の数、紹介記事の数、サンプルの数。確かに、利用者が多いと、困ったときの情報が見つかりやすいという利点があります。しかし、人気があることと、自社の業務に合うこと、長く使えることは、別の話です。
この分野は動きが速く、1年前に人気だったものが、今は別の製品に統合されている、ということが起きています。新しいものほど機能は魅力的ですが、仕様が変わりやすく、作り直しが発生しやすくなります。試作の段階では新しさが利点になり、何年も動かす業務では安定が利点になります。どちらを重く見るかは、業務の性質で決まります。
比較する5つの確認項目
発注する側が確かめるのは、次の5つです。機能の細かい違いは開発会社に任せ、長く使ううえで効いてくる点に絞ります。
- 保守の体制
- 誰が開発を続けているか、更新の頻度はどうか、不具合や脆弱性への対応が公表されているかを見ます。企業が支えているものと、個人や少人数で続けているものとでは、将来の見通しが違います。
- 動きを追える仕組み
- AIエージェントの判断と実行を記録し、あとから確かめられる仕組みがあるかを見ます。標準で備わっているか、別の製品を組み合わせる必要があるかで、費用と手間が変わります。
- 連携の手段
- 自社がつなぎたいシステムに対応する部品があるか、広く使われている接続の規格に対応しているかを見ます。部品がない場合は、個別に作る費用がかかります。
- 技術者の確保
- そのフレームワークを扱える技術者が、開発会社の中に何人いるか、市場で見つけやすいかを見ます。担当者が1人だけだと、その人が抜けたときに保守が止まります。
- ライセンスと費用
- 商用で使える条件か、有料の機能や利用料があるかを見ます。本体は無料でも、記録や運用のための関連サービスが有料であることがあります。
5つの項目は、開発会社に質問として投げ、答えを文書でもらいます。口頭の説明だけでは、あとで比べることも、根拠として残すこともできません。
開発会社の選定理由を確かめる質問
提案を受けたら、フレームワークの名前そのものよりも、選んだ理由を聞きます。私が発注の相談を受けるときに勧めている質問は、次のとおりです。
- そのフレームワークを選んだ理由を、自社の業務の条件に沿って説明してほしい
- ほかに検討した候補と、選ばなかった理由は何か
- そのフレームワークで本番の運用まで行った実績は何件あるか
- 扱える技術者は社内に何人いるか
- フレームワークの仕様が大きく変わった場合、対応の費用は誰が負担するか
「いつも使っているから」「人気があるから」という答えしか返ってこない場合は、業務の条件から選んだのではなく、開発会社の都合で決まっている可能性があります。それ自体が悪いわけではありません。慣れた道具のほうが品質が安定する、という面もあります。ただ、理由を分かったうえで受け入れるのと、知らずに受け入れるのとでは、あとの対応が変わります。
複数の会社から提案を受けている場合は、同じ質問への答えを並べて比べます。そのときに、技術力や保守体制など10カテゴリ100項目を同じ基準で採点するベンダー選定比較表テンプレートを使うと、フレームワークの選定理由や技術者の人数といった答えを点数に直し、提案の見栄えに引っ張られずに候補を並べられます。依頼先を比べる項目の全体は、AIエージェント構築支援の選び方の記事で整理しています。
選定の根拠を要件定義とセットで残す
フレームワークを決めたら、その根拠を文書に残します。残すのは、選んだもの、選んだ理由、検討して選ばなかったもの、前提にした業務の条件の4つです。
なぜ残すのかというと、数年後に見直すときに、当時の判断の前提が分からなくなるからです。担当者が替わり、開発会社も替わっているかもしれません。「なぜこれを使っているのか」に誰も答えられない状態では、変えてよいのかどうかも判断できません。前提にした条件が残っていれば、条件が変わったときに、見直しのきっかけにできます。
残す場所は、要件定義書が向いています。システム構成や非機能要件の章がそろった要件定義書テンプレート(Word形式)のシステム構成の章に、採用するフレームワークと選定の根拠を書き、非機能要件の章に保守と記録の条件を書いておけば、技術の選定が業務の要件とつながった形で残り、開発会社が替わっても引き継げます。
乗り換えに備えて決めておくこと
フレームワークは、いずれ乗り換える可能性があるものとして扱います。提供が終わる、別の製品に統合される、より合うものが出てくる。どれも珍しくありません。乗り換えの負担を小さくするために、作る段階で決めておけることがあります。
- 業務のルールや指示の文章を、フレームワークに固有の書き方から切り離して管理する
- 外部のシステムとの接続を、広く使われている規格に寄せる
- 記録を、フレームワークの外の保管先にも残す
- 成果物のプログラムと設定の権利が、自社に帰属することを契約で確かめる
完全に乗り換えやすい作りにすると、そのぶん開発の費用が増えます。どこまで備えるかは、そのAIエージェントを何年使うつもりかで決めます。基盤の単位での移行のしやすさは、AIエージェント基盤の比較の記事で整理しています。

