LangChain（企業）に関するニュース一覧

GitHubは8月10日、技術ブログで、サーバーサイドのJavaコードからAIエージェントを操作する「GitHub Copilot SDK for Java」の使い方を公開しました。同SDKは特定のフレームワークに依存しない初のJava向けAI連携手段と位置づけられ、Langchain4jやSpring AIといった既存ライブラリを介さずに、エージェントセッションの生成やツール登録を行えます。

名称にCopilotとありますが、用途はGitHubのサービスに限りません。provider/ProviderConfigに独自のbaseUrlとAPIキーを渡すBYOK（自前の鍵を持ち込む方式）に対応しており、OpenAIやAzure、Anthropic、OpenAI互換エンドポイントを直接利用できます。この場合、Copilotの契約は不要とされています。

APIはJava開発者になじむ形で設計されています。メソッドに@CopilotTool注釈を付けるだけでモデルが呼び出せるツールになり、JSONスキーマの生成や引数の解析、呼び出しの振り分けはSDKが担います。session.sendAndWaitの1行で、モデルの推論とツール呼び出しを繰り返すエージェントループが完結し、session.onで一つひとつのツール実行やメッセージをイベントとして受け取れます。

エンタープライズ用途で効いてくるのが、仮想スレッドとの組み合わせです。Jakarta ConcurrencyのManagedThreadFactoryから生成したコンテナ管理の仮想スレッドをExecutorとして渡すと、ツール実行時のコールバックにもCDIやJNDI、トランザクションの文脈が引き継がれます。待機中にプラットフォームスレッドを消費しないため、同時接続の多いサーバーでも負荷を抑えられます。

記事にはJakarta EE 11で組んだ不動産リード管理のサンプルアプリが付属します。Open Liberty 26.0.0.5とPrimeFaces、インメモリのH2データベースで構成され、問い合わせごとに独立したエージェントを仮想スレッド上で起動し、WebSocketで進捗をブラウザへ配信する仕組みです。複数の問い合わせを同時に投入すれば、並行動作の様子をそのまま確認できます。

一方、本番投入では権限設計が課題になります。SessionConfigのToolSetでセッションごとに使えるツールを明示的に指定でき、ファイル操作やシェル実行を含む組み込みツールを無制限に開放しない運用が推奨されています。サンプルが採用する全承認（APPROVE_ALL）はあくまで開発用で、実運用では呼び出し可否を検証する権限ポリシーの実装が求められます。

元Googleのセキュリティ幹部が創業したスタートアップAegisAIは、AIを悪用したスピアフィッシング攻撃を防ぐため、3600万ドル（約54億円）のシリーズAを調達したと発表しました。ラウンドはBattery Venturesが主導し、既存投資家のAccelとFoundation Capitalも参加しています。同社の累計調達額は4900万ドルに達しました。

背景には、攻撃者がAIを使ってメール攻撃を大規模かつ高度化させている現状があります。AIは同僚の情報や進行中のプロジェクト、最近の出張予定といった個人情報を瞬時に集約し、本物と見分けがつかない偽装メールを即座に作り出せます。共同創業者のCy Khormaee氏は、AIを使った攻撃は今や半数以上が既存の防御をすり抜けているとし、従来の約2倍の効果を持つと指摘します。

AegisAIの強みは、AIエージェントが人間のように一通ずつメールを解析する点にあります。両創業者はGmailの安全対策やreCAPTCHAの開発に携わった経歴を持ち、「if-then」型のルールベースの仕組みではAI製の巧妙なメールを捉えきれないと判断しました。同社のAIは、パスワードやCAPTCHAを組み込み一見正規に見える悪意あるPDF添付ファイルなど、従来のフィルターが見逃す脅威も検知できるとしています。

サービス開始から1年足らずで、暗号資産決済のMeshやAIスタートアップのLangChain、プライバシー管理のLokkerなど数十社が導入済みです。市場ではProofpointやMimecastといった既存大手に加え、Lightspeed出資のOceanなど新興勢との競争が激化しています。AegisAIはまずメール領域から始め、将来的にはデータセキュリティなど他分野への拡大も視野に入れています。

AIエージェントの評価手法が、個別の会話を採点する方式から、利用者集団を基準値と比較する方式へと移りつつあります。VB Transform 2026で、LangChainのハリソン・チェイスCEO、ConvivaのCTOフイ・ジャン氏、CoreWeaveのエンジニアリング担当ディレクターのエマニュエル・ターレイ氏が、この変化とより安価で用途を絞った判定モデルへの流れを語りました。単体では完璧に見える会話でも、実は製品の欠陥を示している場合があるためです。

ジャン氏が問題視するのは、多くのチームが50件や全件のトレースを抽出し、それぞれを孤立して採点する点です。氏が対比分析と呼ぶ、利用者集団を基準値と比較する方法でしか見えない信号を見逃すというのです。ランニングシューズを買う客の例では、個別会話は問題なく見えても、購入前の質問回数が基準の3倍、会話外での購入完了が5倍に達し、カテゴリー固有の不具合が浮かび上がりました。

チェイス氏は、出荷前に網羅的な評価スイートを作ろうとする姿勢を戒めます。「最高のチームはまず投入し、そこから改善する」と述べ、評価基準を一度きりのテストではなく生きた仕様書と位置づけました。「評価は新たなPRD（製品要求仕様）だ」との言葉通り、エージェントが何をすべきかを定義する役割を担います。ターレイ氏もテスト網羅率100%を目指しても本番でバグが残った経験を挙げ、広く常時監視する方が実際の失敗を多く捉えると語りました。

判定モデルのコストも焦点です。ターレイ氏はまず最上位モデルで課題が解けると証明し、そこから小型モデルへ下げる手順を推奨します。LangChainはAlibabaのQwenを微調整し、利用者がエージェントの誤りを認識した瞬間を検出するモデルを構築、Claude Sonnet並みの精度を10〜100分の1のコストで実現しました。すべての防護策にモデルが要るわけではなく、Claude Codeの防護策の多くは正規表現だったといいます。

一方で、人間の関与をなくせるかという問いには全員が慎重です。ターレイ氏は自動運転車の開発経験から、最終的な承認と法的責任は人が負う必要があると指摘しました。ジャン氏も難しい事例では人間が守り手であり続けると同意します。チェイス氏はさらに踏み込み、人間の確認は安全網にとどまらず、システムが学習し信頼を築くうえで欠かせないと強調しました。

NVIDIAは7月14日、オープンモデル「Nemotron」を活用し、企業や国家が信頼・制御・カスタマイズできるAIを構築する方法を公開しました。同社は、競争優位はどのモデルを選ぶかよりも、利用可能なモデルをいかに作り込むかで決まると指摘します。クローズドモデルが検査や改良の範囲に上限を設けるのに対し、オープンモデルは完全な所有と制御を提供すると強調しています。

オープンモデルの強みは、業務固有の基準で自由に検証・改良できる点にあります。医療や法務のように誤答のコストが高い分野では、学習過程や性能を可視化し、必要に応じて改善できることが不可欠です。企業は自社データで非公開評価を行い、独自ワークフローに合わせた強化学習環境を構築でき、機密データを第三者に渡す必要もありません。

導入は各業界で進んでいます。法務AIのHarveyは「Nemotron 3 Ultra」を追加学習させ、複雑な法務タスクでクローズドモデルと同等の精度を1回あたり10分の1以下のコストで達成しました。H Companyはコンピューター操作ベンチマークOSWorld-Verifiedで76%超を記録し、AbridgeやGlean、Heidi Health、YTL AI Labsも自社領域向けにNemotronを特化させています。

コスト効率も大きな訴求点です。Arcee AIはNVIDIA Blackwell上での追加学習により、出力100万トークンあたり約90セントと、クローズドの先端モデルの約20分の1の推論コストを実現しました。NVIDIAは「Nemotron Coalition」を通じてデータや評価を共有するエコシステムづくりを進めており、AIの利用から所有への移行が始まっていると位置づけています。

NVIDIAは7月8日、AIエージェント開発基盤大手のLangChainと共同で、開放型モデル「Nemotron 3 Ultra」がLangChainのベンチマーク「Deep Agents」で開放モデル中最高の精度を達成したと発表しました。より多くのタスクを高い処理速度で完了しつつ、主要な閉鎖モデルと比べて1回あたりの推論コストを10分の1に抑えた点が特徴です。企業が自社で所有・運用できる完全な開放スタックを実現する狙いがあります。

注目すべきは、この成果がモデルの再学習を一切伴わずに得られた点です。LangChainはNemotron 3 Ultraを公開ベンチマークで走らせ、実行トレースを分析して失点箇所を特定しました。そのうえでモデル本体ではなく、システムプロンプトやツールの記述、ミドルウェアといった周辺環境（ハーネス）を調整することで性能を引き上げています。

コストを10分の1に抑えられることで、開発チームは評価を継続的に回し、より速く実験し、業務のより広い範囲に専門エージェントを展開できます。LangChainの共同創業者兼CEOのハリソン・チェイス氏は「より良いエージェントを作る方法は、モデルの周囲のシステムを改善し続けることだ」と述べ、開放スタックでも強力な性能を得られると強調しました。

NVIDIAは、この成果を企業向けにまとめた開放リファレンス設計図「NemoClaw for LangChain Deep Agents」も提供します。Nemotron 3 Ultra向けに調整したDeep Agentsのコードと、エージェントの動作を安全に実行する「NVIDIA OpenShell」ランタイムを組み合わせた構成です。開放モデル・開放ハーネス・開放ランタイムがそろい、企業が全体を自社インフラやクラウド上で管理できます。

すでにAbridgeやAmdocs、Boxが自社プラットフォームに専門エージェントを組み込んでおり、大手システムインテグレーターのEYもNemoClawを軸に導入支援を拡大しています。Nemotron 3 UltraはBasetenやFireworks、Together AIなど複数のホスティング基盤経由で利用でき、開発者は調整済みのハーネスを本番環境ですぐに使えます。

中国Alibabaの研究チームは2026年7月2日、AIエージェントのツール選定を効率化する枠組み「SkillWeaver」を発表しました。膨大なツール群から適切なものを選ぶ従来手法に比べ、精度を高めつつトークン消費を99%以上削減できると報告しています。企業のAI活用が複雑な業務フローへ広がる中、ツール選定の非効率が課題となっていました。

SkillWeaverは「分解・検索・構成」の三段階で動きます。まずLLMが複雑な指示を単一スキルで済む小タスクに分け、次に埋め込みモデルで各タスクに合う候補ツールを絞り込みます。最後にプランナーがツール間の入出力の相性を確かめ、依存関係を有向非巡回グラフ(DAG)として実行計画にまとめる仕組みです。

核となる技術が反復型のSkill-Aware Decomposition(SAD)です。LLMが作る手順は抽象的で、実際のツールの専門用語と噛み合わないことが多いという問題があります。SADはまず暫定計画で予備検索を行い、見つかったスキルをヒントとしてLLMに戻すことで、粒度と語彙を実在ツールに合わせて書き直させます。

評価では独自ベンチマーク「CompSkillBench」を使い、公開MCPエコシステムから集めた2209種の実ツールで300問の多段クエリを検証しました。7B軽量モデルでの分解精度は通常51.0%でしたが、SADを有効化すると67.7%まで上昇し、大型のQwen-Maxでは92%に達しています。難易度の高い4〜5スキルを要するタスクでは精度が50%改善しました。

興味深いのは、大型モデルほど無誘導だと精度が下がる傾向です。14Bモデルはタスクを細かく分解しすぎて7Bを下回りましたが、SADのヒントで現実に引き戻され精度が回復しました。全ツールを一括投入する方式は文脈を圧迫し、正しいカテゴリの取得率が21.1%にとどまる一方、SkillWeaverは88万トークンを約1160トークンへ削減しています。

課題も残ります。研究チームはソースコードを未公開ですが、SADはプロンプト設計と検索ループの組み合わせで、LangChainなど既存ツールで再現可能だとしています。一方でエラー回復機能がなく、途中のAPI呼び出しが失敗すると連鎖全体が壊れるため、本番導入には再試行や代替処理を各自で実装する必要があります。

AIエージェント開発で広く使われる3つの主要フレームワークに、深刻な脆弱性が相次いで見つかりました。Check Point ResearchはLangGraphのSQLインジェクションを遠隔コード実行(RCE)へ連鎖させ、TenableとVulnCheckはLangflowのパストラバーサルが実際に悪用されていると報告。CyeraはLangChain-coreの不備でAPI鍵が読み取られる危険を指摘しました。いずれも目新しい欠陥ではなく、古典的なバグが新しい基盤に潜んでいた形です。

最も差し迫っているのがLangflowです。ファイルアップロード用エンドポイントのパストラバーサル(CVE-2026-5027)を突くと、攻撃者は任意の場所にファイルを書き込めます。標準設定で自動ログインが有効なため、認証なしの1リクエストだけでシェルを奪取できてしまいます。Censysの調査では約7000台が公開されており、その多くが北米に集中しています。

VulnCheckは6月9日に実際の攻撃を確認しました。修正版1.9.0は4月15日に公開済みでしたが、攻撃開始までの約2カ月間、未更新のインスタンスは無防備にさらされていたことになります。教訓は、米政府のカタログ登録ではなく脆弱性公開の時点でパッチ適用を始めるべきだという点です。

LangGraphはエージェントに記憶を与える永続化層が狙われました。月5000万件超ダウンロードされる同基盤では、SQLインジェクション(CVE-2025-67644)で偽の行を書き込み、msgpackデコーダの欠陥(CVE-2026-28277)と連鎖させてコード実行に至ります。実環境での悪用は未確認ですが、実証コードはすでに公開されています。

LangChain-coreではプロンプト読み込みAPIの不備(CVE-2026-34070)により、.envファイル内のAPIキーなど任意のファイルが読み取られます。さらに環境変数の秘密情報を解決するデシリアライズ欠陥(CVE-2025-68664、CVSS9.3)も併発し、修正バージョンが異なる点に注意が必要です。両方を確実に更新しないと、より深刻な欠陥が残ります。

専門家は、これらが「AIリスク」とは見えない点を警告します。元AWS副CISOのMerritt Baer氏は、WAFは深層で動くデコーダを検知できず、EDRもエージェントサーバの通常動作として見逃すと指摘。輸入したフレームワーク自体を境界として守る発想が欠けていたことが、今回の盲点を生みました。利用企業は速やかなパッチ適用と公開資産の点検を急ぐべきです。

Microsoftは2026年6月2日のBuild 2026で、AIエージェントをOS階層から制御する2つの基盤技術を発表しました。1つ目はWindows OSカーネルに組み込まれた実行コンテナ「MXC（Microsoft Execution Containers）」、2つ目はエージェントの行動ポリシーを標準化するオープンソース仕様「ACS（Agent Control Specification）」です。両技術は、自律性が高まるAIエージェントの安全な企業導入という業界共通課題に対し、プラットフォーム側から包括的な回答を示すものです。

MXCはポリシー駆動型のサンドボックスで、開発者やIT管理者がエージェントのファイル・ネットワーク・画面アクセス権限を事前に宣言し、OSが実行時に強制します。軽量なプロセス分離から完全なmicroVMまで「composable sandbox spectrum」を提供し、リスクに応じた動的な分離レベルの切り替えが可能です。すべてのエージェント操作はEntra IDと紐付けられ、人間の操作とエージェントの操作を監査証跡で区別できます。

ACSはエージェントの行動規範をポリシーファイルとして記述する仕様です。入力受信前・ツール呼び出し前後・最終応答前など複数のインターセプトポイントで準拠チェックを実行し、違反時には操作のブロックや機密情報の秘匿、人間への承認要求を自動で行います。SDKとして提供され、LangChain、OpenAI Agents SDK、Anthropic Agents SDK、AutoGen、CrewAI、Semantic Kernelなどの主要フレームワークにプラグインで対応します。

エコシステム面ではOpenAIがCodexの実行環境としてMXCの統合を進め、NvidiaはOpenShellフレームワークをWindows上のMXC基盤で展開します。中国発のエージェント企業ManusやNous Researchも早期パートナーに名を連ねています。企業向けには7月に「Agent 365」のプレビューが開始され、Microsoft Defender・Entra・Intune・Purviewと統合した一元的なエージェント管理基盤となります。

今回の発表は、AIエージェントのセキュリティをアプリケーション層ではなくOS層に位置づけるという戦略的判断を示しています。Appleのウォールドガーデン型やGoogleのクラウド集中型とは異なり、どのエージェントでも受け入れつつOSポリシーで制御するというアプローチは、多様なAIプロバイダーを併用する企業環境に適合する可能性があります。既存のIntuneで管理される数億台のWindowsデバイスがソフトウェア更新でエージェント対応できる点も、大きな競争優位となります。

データ統合プラットフォームのDataHubは、AIエージェントのSQL精度を改善する新機能「Context Intelligence」を発表しました。過去のSQLクエリ履歴を解析し、業務上の意味を構造化した「セマンティックアンカー」を生成することで、エージェントがテーブル結合やルーティングで誤る問題に対処します。MCP、LangChain、GoogleのAgent Development Kit、CrewAIの4つのフレームワークに対応しています。

導入事例として注目されるのが、デジタルコラボレーションツールのMiroです。同社がSnowflake環境にAIエージェントを直接接続したところ、1万超のテーブルに対して正答率は35%未満でした。スキーマ情報だけではどのテーブルがどの業務上の質問に対応するか判別できず、エージェントが誤ったJOINを生成していたのです。

Miroはデータを明確に定義された「データプロダクト」に整理し、DataHubの文脈レイヤーを介してエージェントがアクセスする構成に変更しました。ユーザーのリクエストはまずDataHubのMCPで適切なデータ資産にマッピングされ、その後SnowflakeのMCPでSQL生成が行われます。メタデータ、エンティティ関係、クエリ履歴、業務意図といった意味的シグナルにより、スキーマだけに頼らない正確なルーティングが可能になりました。

DataHubはLinkedInで約6年間の社内開発を経て2020年にオープンソース化されたプロジェクトで、現在は1万5000人以上のコントリビューターと3000以上の本番環境での導入実績があります。今回の機能は新規開発ではなく、長年のリネージ追跡で培われたクエリログ解析基盤の上に構築されています。

業界アナリストのConstellation Research・Michael Ni氏は、文脈の制御権を握る者がデータ・エージェント・意思決定の全レイヤーを支配すると指摘し、文脈管理を次の主要プラットフォーム戦争と位置づけています。DataHubはベンダー中立を掲げ、SnowflakeのセマンティックビューやMicrosoft Fabric IQなど既存のエンドポイントに文脈を供給する戦略を採っています。

LangChainの監視・評価プラットフォームLangSmithが、新機能「LangSmith Engine」をパブリックベータとして公開しました。AIエージェントの本番環境で発生した障害を検出し、根本原因の診断からコード修正の起案、回帰テストの提案までを一連の自動パスで実行します。従来のエージェント開発サイクルでは、トレース確認で不良パターンを見落としたり、エラーの繰り返しを把握しきれない問題がありました。

LangSmith Engineは本番トレースを常時監視し、明示的エラー、オンライン評価の失敗、トレースの異常、ユーザーからの否定的フィードバックなど複数のシグナルを横断的に捕捉します。問題を検出するとライブコードベースを読み込み、原因箇所を特定してプルリクエストを作成します。さらに同種の障害を再発防止するためのカスタム評価器も提案し、人間が関与するのは最終承認のみです。

一方、Anthropic、OpenAI、Googleの大手3社はいずれも観測・評価機能を自社プラットフォームに統合する動きを加速させています。AnthropicのClaude Managed AgentsやOpenAIのFrontierがエージェントの構築から評価までを一気通貫で提供しており、LangSmith Engineにとっては競争環境が厳しさを増しています。

しかし実務の現場では、複数のモデルプロバイダーを併用する「マルチモデル」運用がすでに標準になっているとの指摘があります。あるファンドではClaudeとGPTを別々のワークフローで運用しており、各プロバイダーの観測ツールが分断されると統一的な監査証跡を作成できません。コンプライアンスやガバナンスの観点から、プロバイダー横断で機能する中立的な観測レイヤーの需要は根強いとされています。

LangSmith Engineが市場で存在感を示すには、短期的なデバッグ支援にとどまらず、モデル横断の品質・信頼性を担保する運用基盤としての地位を確立できるかが問われます。エージェントの本番運用が拡大する中、障害対応の自動化と中立的な第三者評価という二つの価値をどこまで訴求できるかが今後の焦点です。

IBMは2026年5月14日、オープンソースの多言語埋め込みモデル「Granite Embedding Multilingual R2」を発表しました。97Mパラメータのコンパクトモデルと311Mパラメータのフルサイズモデルの2種類で、いずれもApache 2.0ライセンスのもと、200以上の言語と9種類のプログラミング言語に対応します。

最大の注目点は97Mパラメータモデルの検索性能です。MTEB多言語検索ベンチマークで60.3を記録し、100M未満のオープンな多言語埋め込みモデルとしては最高スコアとなりました。同規模で次点のmultilingual-e5-smallの50.9を9.4ポイント上回っています。前世代のR1モデルからはアーキテクチャの刷新やトレーニング手法の改良により、12.2ポイントの大幅な改善を実現しています。

技術面では、エンコーダをXLM-RoBERTAからModernBERTに刷新し、コンテキスト長を512トークンから32,768トークンへ64倍に拡大しました。これにより長文文書の検索精度が劇的に向上し、LongEmbedベンチマークでは31.3ポイントの改善を記録しています。法務文書や技術マニュアルなど、実務で扱う長い文書の検索において大きな恩恵をもたらします。

311MモデルはMatryoshka表現学習に対応しており、768次元の埋め込みを256次元に削減してもMTEB多言語検索で0.5ポイント低下にとどまります。ストレージや計算コストを3分の1に抑えつつ高い検索品質を維持できるため、大規模な本番環境への導入に適しています。

企業利用を強く意識した設計も特徴です。MS-MARCOデータセットや非商用ライセンスのデータを使用せず、IBMが独自にキュレーションしたデータで学習しています。sentence-transformersやLangChain、LlamaIndex、Haystack、Milvusといった主要フレームワークにモデル名を1行変更するだけで導入できるため、既存のRAGパイプラインへの組み込みも容易です。ONNX・OpenVINO形式のウェイトも同梱されており、GPUなしでのCPU推論にも対応しています。

AMDの開発者ハッカソンで、CNC加工の製造可否を自動判定するマルチエージェントシステム「MachinaCheck」が発表されました。従来、町工場の管理者が図面を手作業で読み、工具の在庫を確認し、公差を満たせるか検討する作業には1件あたり30〜60分かかっていました。MachinaCheckはこの工程を30秒程度に短縮します。

システムはSTEPファイル（標準的な3D CADフォーマット）をアップロードするだけで利用できます。Python製のパーサーがOpenCASCADEベースで穴径・表面積・面取りなどの形状特徴を数学的に正確に抽出し、その結果をもとにQwen 2.5 7Bが必要な加工工程と工具を分類します。工具の在庫照合はLLMを使わず純粋なデータベースクエリで処理し、速度と正確性を両立させています。

最終的にLLMが総合的な製造可否を判定し、不足工具の購入提案やリスク要因を含む構造化レポートを生成します。全パイプラインはAMD Instinct MI300X（192GB HBM3）上でvLLMを介して稼働しており、推論レイテンシは1回あたり3秒未満です。

オンプレミス運用へのこだわりは単なる技術的選択ではなく、ビジネス上の必須要件です。製造業の顧客はNDAのもとでSTEPファイルを提供しており、その形状データには数百万ドル規模のR&D;投資が反映されています。外部APIへのデータ送信は機密保持違反にあたるため、すべての処理をローカルで完結させる設計が採用されました。

開発チームは、LLMを推論が必要な箇所だけに限定し、データベース検索のような確定的処理には従来のプログラミングを使うという設計原則が有効だったと報告しています。MI300Xの192GB VRAMがあれば、より大規模なQwen 2.5 72Bも搭載可能であり、本番環境での推論品質向上も視野に入っています。

Sakana AIは、わずか70億パラメータの小型言語モデルを強化学習で訓練し、GPT-5・Claude Sonnet 4・Gemini 2.5 Proなど複数の大規模LLMを自律的に指揮する「RL Conductor」を発表しました。LangChainなど従来のハードコードされたパイプラインが、ユーザー需要の多様化に対応できない課題を解決する技術です。

RL Conductorは各タスクに対し、自然言語で作業指示を生成し、最適なモデルへ割り当て、エージェント間の情報共有範囲まで自動設計します。逐次チェーン、並列ツリー、再帰ループなど柔軟なワークフローを構築でき、人手による設計を一切必要としません。強化学習の試行錯誤を通じて、プロンプト最適化や反復改善といった高度な戦略を自発的に獲得しています。

ベンチマーク評価では、数学（AIME25: 93.3%）、科学推論（GPQA-Diamond: 87.5%）、コーディング（LiveCodeBench: 83.93%）の各領域で最高水準を記録しました。平均精度77.27%は、個別のフロンティアモデルや既存のマルチエージェント手法を上回ります。さらに1問あたり平均1,820トークン・3ステップで処理を完了し、従来手法（MoA: 11,203トークン）と比べ大幅に効率的です。

実験では、Conductorがタスク難度を自動判定する能力も確認されました。単純な事実確認は1ステップで処理する一方、複雑なコーディング問題では最大4エージェントを動員し、設計・実装・検証の各フェーズを分担させます。モデルごとの得意領域も学習しており、コーディングではGemini 2.5 ProとClaude Sonnet 4に上流設計を任せ、GPT-5に最終コード生成を担当させるといった役割分担を自律的に行います。

Sakana AIはこの技術を商用サービス「Fugu」として製品化し、ベータ版を提供開始しています。OpenAI互換APIとして既存アプリケーションに統合でき、低遅延向けのFugu Miniと高性能向けのFugu Ultraの2種を展開します。共同著者のYujin Tang氏は、金融や防衛など既存パイプラインの汎化性能が限界に達している分野が主要ターゲットだと述べ、将来的にはテキスト・コード領域を超えたクロスモーダルな自律協調システムへの発展も示唆しました。

AIエージェントをアプリ内にネイティブ統合するためのオープンソースプロトコルAG-UIを開発するCopilotKitが、シリーズAラウンドで2,700万ドル（約27億円）を調達しました。Glilot Capital、NFX、SignalFireが共同でリードしています。同社はシアトルを拠点とし、従業員数は約25名です。

AG-UIは、AIエージェントがWebブラウザやアプリなどのユーザーインターフェースと通信する方法を標準化するプロトコルです。ストリーミングチャット、フロントエンドツールコール、状態共有といった機能を提供し、人間がループに入る形でのエージェント活用を可能にします。AnthropicのMCPやGoogleのA2Aプロトコルと補完的に機能する設計です。

すでにGoogle、Microsoft、Amazon、Oracleといった主要クラウドプラットフォームが同プロトコルを採用しています。LangChain、Mastra、PydanticAI、Agnoなどの主要AIフレームワークにも統合済みです。企業顧客にはDeutsche Telekom、Docusign、Cisco、S&P; Globalが名を連ね、Fortune 500企業の多くが本番環境で利用しています。

今回の資金調達に合わせ、セルフホスト可能なCopilotKit Enterprise Intelligenceも発表されました。エージェントをアプリ内に完全展開するためのインフラ機能をバンドルした製品です。CEOのAtai Barkai氏は、エージェントがテキストの塊ではなく、企業独自のデザインによるインタラクティブなUIで応答できる点を強調しています。

競合にはVercelのAI SDKやassistant-ui、OpenAIのApps SDKなどが存在します。CopilotKitは特定のスタックに依存しない水平型アプローチで差別化を図っています。企業が求める「選択肢の確保」と「セルフホスト」の両方を提供できる点が、垂直統合型の競合にはない強みだと同社は主張しています。

スタートアップBANDが1700万ドルのシード資金を調達し、ステルスモードから正式に登場しました。同社はAIエージェント間の通信インフラを提供し、異なるフレームワークやクラウド上で動作する複数のエージェントを統合的に連携させることを目指しています。共同創業者兼CEOのArick Goomanovsky氏は、エージェントが経済活動に参加するには人間と同様のコミュニケーション手段が必要だと述べています。

BANDの中核技術はエージェンティックメッシュと呼ばれる2層アーキテクチャです。インタラクション層ではエージェント同士がクラウドやフレームワークの違いを超えて相互に発見・タスク委任を行えます。メッセージルーティングにはLLMを使わず、特許出願中の決定的ルーティングを採用することで、非決定的なエラーの発生を防いでいます。WhatsAppやDiscordと同じ技術基盤を用いており、数十億メッセージ規模へのスケーリングに対応します。

もう一つの層であるコントロールプレーンは、企業が求めるガバナンス機能を担います。どのエージェントが相互通信できるかの権限境界の設定や、人間の許可情報がエージェント間で安全に引き継がれる資格情報トラバーサル機能を備えています。これにより、あるエージェントが別のエージェントにタスクを委任しても、元の人間のアクセス権限を超えたデータへのアクセスは発生しません。

BANDはOpenAIのワークスペースエージェントやAnthropicのManaged Agentsといったモデルプロバイダー独自のソリューションとは異なり、ベンダーロックインを回避する独立プラットフォームとして位置づけています。現在最も人気のあるユースケースはコーディングエージェントの連携で、計画に強いClaudeとレビューに優れたCodexを同時に動作させるといった使い方が広がっています。

資金調達はSierra Ventures、Hetz Ventures、Team8が主導しました。Gartnerは2029年までに複数エージェントを導入する企業の90%がユニバーサルオーケストレーターを必要とすると予測しており、BANDはその新興市場を狙っています。調達資金はエンジニアリングチームの拡大と、北米の通信大手や欧州のデジタル決済企業を含むデザインパートナーのエコシステム構築に充てられる予定です。

LangChainの共同創業者Harrison Chase氏は2026年4月11日、ブログ記事「Your harness, your memory」を公開し、エージェントハーネス(エージェント実行基盤)とメモリが本質的に不可分であると主張しました。クローズドなハーネスを使うことは、メモリの制御権を第三者に委ねることであり、開発者にとって深刻なリスクになると警鐘を鳴らしています。

Chase氏はLetta CTOのSarah Wooders氏の論考を引用し、メモリはハーネスに後付けする「プラグイン」ではなく、コンテキスト管理そのものがメモリの基盤だと述べています。会話履歴の保持、コンパクション時の情報取捨選択、長期記憶の更新と参照など、すべてハーネスが担う責務だという考えです。

記事ではクローズド基盤のリスクを3段階で整理しています。最も軽度なケースは、OpenAIやAnthropicのステートフルAPIにセッション状態を保存すること。モデル切替時にスレッドの継続ができなくなります。最悪のケースでは、長期メモリを含むハーネス全体がAPI背後に隠され、開発者がメモリの所有権も可視性も失うとしています。

Chase氏は、モデルプロバイダーがメモリによるロックインを意図的に推進していると指摘します。AnthropicのManaged AgentsやOpenAIのCodexが生成する暗号化コンパクション要約など、エコシステム外で利用できない仕組みが具体例として挙げられています。

この問題への解決策として、LangChainはオープンソースのエージェントハーネスDeep Agentsを提案しています。モデル非依存で、agents.mdやskillsといったオープン標準を採用し、MongoDB・PostgreSQL・Redisなど任意のデータベースをメモリストアとして接続できます。開発者が自らのメモリを所有し、ベンダーに依存しないエージェント開発を可能にする設計です。

LangChainは2026年4月9日、AIエージェントを継続的に改善するための人間判断の組み込み方を解説する技術ガイドを公開しました。社内に眠る暗黙知をどう吸い上げ、ワークフロー設計やツール定義、コンテキスト構築に反映するかを、金融トレーダー向けコパイロットを架空の題材として段階的に示した内容です。エージェントの実装前後で専門家をどう巻き込むかに焦点を当てています。

記事はまず、エージェントが優れた成果を出すには、文書化された知識だけでなく従業員の頭の中にあるタシットナレッジが不可欠だと指摘します。架空のトレーダー向けコパイロットでは、「本日のエクスポージャー」など業界独自の言い回しや、どのテーブルが正となるかといった実務知識を把握しなければ、SQL生成の自動化は成立しないといいます。こうした暗黙知を引き出すには、関連する業務部門との対話を避けて通れないとしています。

エージェント構築では、ワークフロー設計・ツール設計・コンテキスト設計の3要素それぞれに人間の判断が必要だと整理します。リスクやコンプライアンスが関わる処理はコードで厳格に制御し、ツールは汎用SQL実行と定型クエリを使い分けて柔軟性と安全性を両立させます。さらに、ドキュメントや事例を事前に整えて実行時に取得させる「コンテキストエンジニアリング」が、最近の主流だと位置付けています。

改善サイクルで鍵になるのが、人手レビューに頼らず自動評価と人間判断を整合させる考え方です。LangChainは自社のLangSmithが備えるAlign Evaluator機能を使えば、専門家のフィードバックをもとにLLM-as-a-judge型の評価器を調整できると説明します。開発段階では少数のデータセットから出発し、手動テストで得た興味深い事例を継続的に追加することで、評価スイートを自然に拡充できるとしています。

本番稼働後は、トレースを全て収集した上でオンライン評価とアラート、アノテーションキューを組み合わせる運用が推奨されています。負のスコアが出た会話は自動で専門家に回し、評価器自体の調整にもつなげます。さらに、トレースデータから会話パターンを自動抽出する「Insights Agent」を活用すれば、想定外の利用シーンを発見しやすくなるといいます。

最終段階では、本番データを精選して次世代テストスイートとゴールデンデータセットを整備し、次バージョンの品質基準とします。LangChainは「ヒトの専門性が『良い』の定義を与え、自動評価がそれを大規模に適用する」と総括し、この反復こそがビジネス価値を生むエージェントを育てる唯一の道だと結んでいます。

LangChainは2026年4月9日、モデル非依存の開放型エージェント運用基盤「Deep Agents Deploy」のベータ提供を開始しました。Anthropicが先行投入した「Claude Managed Agents」への直接的な対抗策と位置づけ、ベンダーロックインを避けたい企業の本番導入を単一コマンドで実現するのが狙いです。

最大の特徴はdeepagents deployコマンド一発で、オーケストレーション、サンドボックス起動、エンドポイント整備までを一括で済ませられる点です。内部的にはLangSmith Deployment上にマルチテナント構成のサーバーを立ち上げ、MCPやA2A、Agent Protocol、Human-in-the-loop、メモリAPIなど30を超える端点を自動で提供します。

モデル選定も開放的で、OpenAI、Google、Anthropic、Azure、Bedrock、Fireworks、Baseten、OpenRouter、Ollamaに対応し、オープンモデルの採用も可能です。指示書はAGENTS.md、専門知識はAgent Skillsという公開規格を採用し、ツール接続はMCP経由に統一することで、将来的な基盤乗り換えコストを抑えています。

LangChainが強調するのは「ハーネス＝記憶」という構造的論点です。クローズドAPIに短期・長期記憶が閉じ込められると、モデルを差し替えるだけで蓄積した顧客データが失われかねず、データフライホイールが崩れると警鐘を鳴らします。Deep Agents Deployは記憶を標準フォーマットでファイル保存し、APIで直接参照できる点を差別化の核に据えました。

Claude Managed Agentsとアーキテクチャ自体はハーネス、エージェントサーバー、サンドボックスの三層で共通しますが、LangChainは後者をウォールドガーデンと批判します。自己ホスト運用によって記憶を自社データベース内に保持できる柔軟性は、規制産業や大企業の要件にも合致します。エージェント運用基盤の主戦場は、モデル性能からハーネスと記憶の主権争いへと移りつつあります。

LangChainは2026年4月8日、AIエージェントの「ハーネス」（プロンプトやツール構成）を評価データに基づいて自律的に改善するフレームワーク「Better-Harness」を公開しました。機械学習における訓練データがモデルの重みを更新するように、評価ケースがハーネスの改善方向を示すという考え方に基づいています。

評価データの収集は3つの経路で行います。チームが手動で作成する高品質な例、本番環境のエージェントトレースから抽出する失敗ケース、そして外部データセットの活用です。各評価には「ツール選択」「多段推論」などの行動カテゴリタグを付与し、必要なサブセットだけを実行できるようにしています。社内でのドッグフーディングとSlackでのフィードバック共有も重要な情報源となっています。

過学習への対策として、評価データを最適化用とホールドアウト用に分割する設計を採用しています。最適化ループでは1回につき1つの変更に絞り、トレースから失敗原因を診断したうえで、既存の合格ケースに退行が起きていないかを確認します。さらに人間によるレビューを加え、トークンの無駄遣いや過学習的な指示を排除しています。

実験ではClaude Sonnet 4.6とZ.aiのGLM-5を対象に、ツール選択とフォローアップ品質の2カテゴリで検証しました。両モデルともホールドアウト集合でほぼ完全な汎化を達成しています。発見された改善例としては、「合理的なデフォルト値を使用する」「ユーザーが既に提供した情報を再度尋ねない」といった汎用的な指示の追加があります。

今後の方向性として、本番トレースからの自動的なエラー検出と評価ケース生成を目指しています。利用が増えるほどトレースが蓄積され、評価が充実し、ハーネスが改善されるというフライホイール効果を狙っています。研究版のコードはGitHubでオープンソースとして公開されており、開発者が自らのエージェントで実験できるようになっています。

LangChainは2026年4月8日、AIエージェントの「ハーネス」（プロンプトやツール設定などの制御層）を評価データで自律的に改善するフレームワーク「Better-Harness」を公開しました。評価を機械学習における訓練データと同等に位置づけ、エージェントの振る舞いを体系的に最適化するアプローチです。

Better-Harnessの核心は、評価データの収集・分割・最適化・レビューという4段階のループにあります。手動で作成した評価、本番トレースから抽出した失敗事例、外部データセットを組み合わせて評価セットを構築します。さらにホールドアウトセットを設けることで、改善が未知のケースにも汎化するかを検証し、過学習を防いでいます。

実験ではClaude Sonnet 4.6とZ.aiのGLM-5を対象にツール選択とフォローアップ品質の2カテゴリで検証しました。両モデルとも最適化セットでの改善がホールドアウトセットにも波及し、ほぼ満点に近い性能を達成しています。具体的には「合理的なデフォルト値の使用」「ユーザーが既に提示した条件の再質問防止」などの指示追加が効果的でした。

同社はこの手法をオープンソースとして公開しており、開発者が自身のエージェントに適用できるようにしています。今後は複数モデルへの横展開や、本番トレースからの自動エラー検出・評価生成など、さらなる自動化を目指すとしています。エージェント開発においてトレーシングと評価設計への早期投資が重要だと強調しています。

LangChainは2026年4月7日、AIエージェントフレームワーク「Deep Agents」のバージョン0.5をPython版・JavaScript版の両方でリリースしました。最大の新機能は非同期サブエージェントで、メインエージェントがバックグラウンドでリモートエージェントにタスクを委任し、並行して他の作業やユーザーとの対話を続けられるようになります。

従来のインラインサブエージェントは、実行中にスーパーバイザーの処理ループをブロックする制約がありました。短時間のタスクでは問題になりませんでしたが、深いリサーチや大規模コード分析など数分単位の作業ではボトルネックとなっていました。非同期サブエージェントはタスクIDを即座に返し、独立したリモートサーバー上で実行されるため、この制約を解消します。

通信プロトコルにはLangChain独自のAgent Protocolが採用されました。スレッドとランを軸とした設計が非同期タスクモデルと自然に適合し、サブエージェントはやり取りを跨いで状態を保持できます。GoogleのA2AやACPも検討されましたが、非同期モデルとの適合性や反復速度の観点からAgent Protocolが選ばれています。

マルチモーダル対応も拡充され、従来の画像に加えてPDF、音声、動画などのファイル形式が読み取り可能になりました。既存のread_fileツールをそのまま使い、拡張子からファイル種別を自動判別する仕組みです。対応するモダリティは使用する基盤モデルに依存し、モデルプロファイルを通じてプログラム的に確認できます。

AIエージェントが急速に実用段階へ移行しています。VentureBeatの分析記事では、OpenClawやClaude Cowork、Google Antigravityといった主要エージェントが比較され、LangChainのブログではエージェントの継続学習に関する新たなフレームワークが提示されました。自律的に行動するAIが日常業務に浸透する一方、リスク管理と学習の仕組みが重要な論点となっています。

OpenClawはオープンソースでGitHub星15万超を短期間で達成し、ローカル環境での深いシステムアクセスを特徴とします。一方、AnthropicのClaude Coworkは法務や財務など特定ドメインに強みを持ち、契約書レビューやNDAの自動処理を実現しています。Google Antigravityはコーディングに特化し、プロンプトから本番環境までを一貫して支援します。

エージェントの能力を最大化するには、より大きな権限の付与が必要ですが、それは誤動作やデータ漏洩のリスクも拡大させます。オープンソースのOpenClawには中央管理者が存在せず、ガバナンスの課題が顕著です。責任あるAIの原則に基づくログ記録や人間による確認が不可欠だと指摘されています。

LangChainのHarrison Chase氏は、エージェントの継続学習をモデル層・ハーネス層・コンテキスト層の3階層で整理する枠組みを提唱しました。モデル層ではSFTや強化学習による重み更新が行われますが、壊滅的忘却という課題があります。ハーネス層ではエージェント駆動コードの最適化が進み、Meta-Harnessのようなエンドツーエンドの改善手法も登場しています。

コンテキスト層の学習は最も実用的で、ユーザーやチーム単位での記憶の蓄積と更新が可能です。OpenClawの「dreaming」機能やClaude CodeのCLAUDE.mdファイルがその具体例です。これら3層すべてにおいて、エージェントの実行トレースがデータ基盤となっており、トレースの収集と活用が今後の学習改善の鍵を握ります。

LangChainのソフトウェアエンジニアVishnu Suresh氏が、同社のGTMエージェント向けに自己修復型デプロイパイプラインを構築したことをブログで公開しました。デプロイ後の回帰検出から修正PRの作成まで自動化しています。

パイプラインはデプロイ直後にGitHub Actionが起動し、Dockerビルドの失敗を即座に検出します。ビルドエラーが発生した場合、エラーログと直近のコミット差分をコーディングエージェントOpen SWEに自動送信します。

サーバー側の回帰検出では、過去7日間のエラーログを基準値として収集し、デプロイ後60分間のエラーと比較します。エラーメッセージはUUIDやタイムスタンプを除去して正規化し、同一パターンをグループ化しています。

統計的な判定にはポアソン分布を採用しています。基準期間から1時間あたりの期待エラー率を算出し、観測値が予測を有意に超過した場合（p値0.05未満）に回帰の可能性ありと判定します。新規エラーは複数回発生で検出対象とします。

統計検定だけでは第三者APIの障害など外部要因を区別できないため、トリアージエージェントが変更ファイルを分類し、ランタイムコードの差分とエラーの因果関係を検証します。非ランタイム変更のみの場合は誤検知を防止します。

トリアージで原因特定された問題はOpen SWEに引き渡され、自動でPRを作成します。サイレント障害や連鎖的な回帰の発見に有効だと報告されています。今後はエラーのベクトル化や重大度に応じたロールバック判断の導入を検討しています。

クリエイティブワークフロー基盤を提供するFLORAは、VercelのAIスタック上に画像生成AIエージェント「FAUNA」を構築したと発表しました。50以上の画像モデルを統合し、ファッションキャンペーンなどの視覚制作を効率化する狙いです。

FAUNAは従来のノードベースのキャンバスとは異なり、ユーザーがアイデアを伝えるだけで参考画像の収集、モデル選択、バリエーション生成を自動で行います。ワークフロー設計の知識がなくても、プロ品質のビジュアル探索が可能になります。

技術面では、画像・動画生成は数分かかり、1回のセッションで多数の並行ジョブが発生します。FAUNAはVercelのAI SDKのエージェントフレームワークとWorkflow SDKの永続化機能を組み合わせ、長時間実行や障害時の再試行に対応しています。

FLORA開発チームは以前LangChainとTemporalを併用していましたが、2つのシステムの保守負担が課題でした。Vercelへの移行により基盤が一本化され、本番投入速度が2倍に向上したと報告しています。インフラの議論が不要になり、プロダクト改善に集中できるようになりました。

FLORAはUI/UX以外の全デザイン業務の支援を最終目標に掲げています。また、Vercelは同時期にダッシュボードからチーム間でDB移行ができる機能も公開しました。Prisma、Neon、Supabaseに対応し、今後対応プロバイダーを拡大する予定です。

LangChainとMongoDBは2026年3月、AIエージェントの開発から本番運用までを単一プラットフォームで完結させる戦略的パートナーシップを発表しました。6万5000社以上が利用するMongoDB Atlas上にエージェント基盤を構築する統合ソリューションです。

統合の中核は、Atlas Vector SearchによるRAG（検索拡張生成）の実装です。セマンティック検索、ハイブリッド検索、GraphRAGを単一のMongoDBデプロイメントから実行でき、ベクトルデータと業務データを同じ基盤で管理するため、同期処理や二重管理の負担がなくなります。

MongoDB Checkpointerはエージェントの状態をMongoDBに永続化する仕組みで、会話履歴の保持、障害からの自動復旧、任意時点への巻き戻しデバッグが可能です。LangSmithのデプロイメント環境で設定するだけで、アプリケーションデータと同じデータベースにエージェントの状態が保存されます。

Text-to-MQL機能では、自然言語をMongoDBクエリ言語に自動変換し、エージェントが業務データに直接アクセスできます。「過去30日間の配送遅延注文を表示」といった質問を、カスタムAPIなしで処理できるため、開発工数を大幅に削減できます。

サイバーセキュリティ企業のKai Securityは、この統合により1日で本番デプロイを達成しました。従来は別途データベース層の構築に1カ月を要していた作業が、既存のMongoDB基盤上で一時停止・再開、障害復旧、監査証跡を即座に実装できたとしています。

LangChain CEOのHarrison Chase氏は「MongoDBの顧客はプロトタイプから本番エージェントまで、既存インフラを離れずに完結できる」と述べています。全統合機能は即日利用可能で、AWS・Azure・GCPのマルチクラウドに対応し、主要コンポーネントはオープンソースとして公開されています。

LangChainのエンジニアVictor Moreira氏が、AIエージェント評価の実践的なチェックリストをブログで公開しました。エージェント評価は従来のソフトウェアテストとは異なるアプローチが必要であり、段階的に構築していく手順を体系的にまとめています。

評価構築の前段階として、まず20〜50件の実トレースを手動で確認し、障害パターンを把握することが最重要とされています。成功基準は専門家2人が合否判定で一致できる水準まで明確化し、能力評価と回帰評価を分離して管理することで、改善と品質保護を両立させる方針です。

評価レベルはシングルステップ・フルターン・マルチターンの3段階に分類されます。多くのチームはフルターン評価から着手すべきとし、最終出力の正確性だけでなく、実際の状態変更（DBの更新やファイル生成）の検証が不可欠であると強調しています。

グレーダー設計では、客観的な検証にはコードベースの判定器、主観的な評価にはLLM-as-Judge、曖昧なケースには人間を使い分けることを推奨しています。また数値スケールよりも二値の合否判定が明確なシグナルを得やすく、エージェントが取った経路ではなく最終成果物で評価すべきとしています。

本番運用に向けては、高い合格率を維持する能力評価を回帰テストに昇格させ、CI/CDパイプラインに統合する流れを提示しています。ユーザーフィードバックの収集と本番トレースの定期的な手動探索を組み合わせることで、自動評価では発見できない障害モードを継続的にデータセットへ還元する仕組みの構築を推奨しています。

LangChainは、AIエージェントの中核ループをカスタマイズできる「AgentMiddleware」機構を公開しました。モデル呼び出しの前後やツール実行時にフックを挿入し、業務固有のロジックを組み込めます。

ミドルウェアはコンポーザブル設計で、PII検出・動的ツール選択・コンテキスト要約・リトライ制御など主要パターンが標準搭載されています。開発者はAgentMiddlewareクラスを継承し、独自のビジネスロジックも追加できます。

同社のDeep Agentsはこのミドルウェア基盤上に構築されたオープンソースのエージェントハーネスです。ファイルシステム管理・サブエージェント・要約・スキル開示など複数のミドルウェアを組み合わせ、本番運用に耐える構成を実現しています。

Deep Agentsの品質管理では、大量のベンチマークを闇雲に追加するのではなく、本番で重要な行動を特定し、それを検証可能な形で計測する標的型evalを設計しています。正確性に加え、ステップ比率・ツール呼び出し比率・遅延比率・解決速度の多軸で効率性も評価します。

評価データは自社のドッグフーディングやTerminal Bench・BFCLなど外部ベンチマークから厳選し、各evalにカテゴリタグと目的を明記しています。全実行トレースをLangSmithに記録することで、チーム全体での障害分析と継続的改善を可能にしています。

NVIDIAは2026年3月のGTCカンファレンスにおいて、オープンなフロンティアAI基盤モデルの開発を推進する国際連合「Nemotron Coalition」の設立を発表しました。Mistral AIをはじめとする主要AI研究機関が参画し、データや計算資源を共有します。

CEOのジェンスン・フアン氏は「独自かオープンかではなく、独自もオープンも」と述べ、両方のアプローチの共存が不可欠であるとの見解を示しました。NVIDIAは現在Hugging Faceで最大の組織となり、約4,000人のチームメンバーを擁しています。

連合の最初のプロジェクトとして、Mistral AIとNVIDIAが基盤モデルを共同開発します。連合メンバーがデータ提供や評価、ドメイン専門知識で貢献し、オープンエコシステムに公開される予定です。Nemotronモデルはすでに4,500万回以上ダウンロードされています。

GTCのパネルではCursor、Perplexity、LangChain、Thinking Machines LabなどのAI業界リーダーが登壇しました。AIエージェントが数時間・数日かかるタスクを処理する「同僚」になるとの見通しや、複数モデルの自動オーケストレーションの重要性が議論されました。

パネリストらは、汎用モデルと専門特化モデルの両立が社会に価値をもたらすと強調しました。オープンな基盤の上に各組織が独自データを組み合わせることで差別化が可能になり、学術界を含む幅広い参加者がAIの進歩に貢献できる環境が整うと述べています。

LangChainは2026年3月、AIエージェント開発基盤LangSmith Fleetにおいて、エージェント間で業務知識を共有できる「スキル」機能を正式に公開しました。スキルとは、特定タスクに必要な手順やドメイン知識をまとめた指示セットです。

現在のAIエージェントは推論能力に優れる一方、業務固有の知識がなければ実用性に限界があります。たとえばサポートエージェントがSLAの優先度を知らなければ、すべての問い合わせを同一に扱ってしまいます。スキルはこの課題を解決する仕組みです。

スキルの作成方法は多彩で、AIとのチャットから自動生成する方法、エージェント作成時の自動提案、テンプレートからの選択、手動記述の4通りが用意されています。作成したスキルはワークスペースに共有でき、チーム全員のエージェントが即座に利用可能になります。

特筆すべきはポータビリティの高さです。LangSmith CLIを使えば、Fleet上のスキルをローカル開発環境にダウンロードし、Claude CodeやCursor、Codexなど任意のコーディングエージェントにそのまま連携できます。知識の再記述やコピーは不要です。

今後の機能拡張として、スキルのバージョン固定とロールバック、および複数オーナーによる共同編集権限の追加が予定されています。エージェントが高度な業務を担うほど、指示の質が成果を左右するとLangChainは強調しています。

Modaは、マーケターや創業者などデザイン未経験者向けのAIネイティブデザインプラットフォームです。LangChain Deep Agentsを基盤としたマルチエージェントシステムにより、プレゼン資料やSNS投稿、PDFなどをプロ品質で自動生成する仕組みを本番環境で稼働させています。

システムの中核は、デザインエージェント、リサーチエージェント、ブランドキットエージェントの3つのエージェントで構成されています。リサーチエージェントは外部ソースから構造化コンテンツを取得し、ブランドキットエージェントはロゴやフォント、カラーなどのブランド資産を取り込み、一貫したデザインを実現します。

AIデザインの最大の課題は、PowerPointのXML仕様のようなXY座標ベースの表現がLLMの推論に不向きな点です。Modaは独自のコンテキスト表現レイヤーを開発し、HTMLのFlexboxのようなレイアウト抽象化をLLMに提供することで、トークンコストを削減しつつ出力品質を大幅に向上させました。

各リクエストはまず軽量なトリアージノードで分類され、適切なスキルが動的に注入されます。コアツールは12〜15個に抑え、追加の約30ツールは必要時のみ読み込む設計により、プロンプトキャッシュの効率を最大化しています。LangSmithによるノード単位のコスト追跡が、この最適化を可能にしました。

UX面では、生成と置換の一方通行ではなく、完全に編集可能な2Dベクターキャンバス上でAIが直接操作する設計を採用しています。Cursor風のサイドバーで反復的な対話を行い、ユーザーとAIが協調してデザインを仕上げます。B2B企業の営業チームを中心にプロダクトマーケットフィットを確認しており、今後はメモリ機能の統合やマルチブランド対応の拡張を予定しています。

LangChainは2026年3月にエージェント管理基盤「LangSmith Fleet」を正式リリースし、エージェントが外部ツールを利用する際の認可方式として「Assistant」と「Claw」の2種類を導入しました。

Assistant型はユーザーの代理として動作する方式です。たとえばオンボーディングエージェントがNotionやRipplingにアクセスする場合、操作者本人の資格情報を使用します。これによりAliceはBobの非公開情報にアクセスできず、適切なアクセス制御が実現されます。

一方のClaw型は、OpenClawの登場を契機に生まれた概念です。エージェント作成者が設定した固定の資格情報で動作するため、誰が利用しても同一の権限範囲となります。作成者個人の認証情報を使う代わりに、専用アカウントを作成してアクセス範囲を限定する運用が推奨されています。

実際の活用例として、オンボーディングエージェントはAssistant型でSlackとNotionに連携し、メール応答エージェントはClaw型でカレンダー確認やメール送信を実行します。Claw型では危険な操作に対してHuman-in-the-loopのガードレールを設けることが重要とされています。

今後の展開として、エージェント種別に応じたメモリ権限の細分化が計画されています。現在はアクセス権限ベースで管理していますが、将来的にはユーザー固有のメモリを導入し、Assistant型でAliceの機密情報がBobとの会話に漏洩しない仕組みを構築する方針です。

ByteDanceは2026年2月、AIエージェント・オーケストレーション基盤「DeerFlow 2.0」をMITライセンスでオープンソース公開しました。複数のAIサブエージェントを統合し、数時間に及ぶ複雑なタスクを自律的に実行できる「SuperAgent」フレームワークです。

DeerFlow 2.0はDockerベースのサンドボックス環境を採用し、エージェントの実行をホストシステムから完全に分離しています。ブラウザ、シェル、永続ファイルシステムを備えた独立環境で、bashコマンドの実行やファイル操作を安全に行えます。

技術的にはLangGraph 1.0とLangChainで全面的に書き直された新設計です。OpenAI、Anthropic、DeepSeek、Ollamaなどモデル非依存で動作し、Kubernetes上での分散実行やSlack・Telegram連携にも対応しています。

公開後わずか数週間でGitHub上で3万9千スターを獲得し、ML研究者やインフルエンサーの間で急速に注目が高まっています。SaaS型エージェントサービスの価格破壊につながるとの見方も広がっています。

一方、企業導入には課題も残ります。セットアップにはDocker・YAML・CLIの知識が必要で、独立したセキュリティ監査は未実施です。またByteDanceが開発元であるため、金融・医療・防衛など規制業種ではソフトウェアの出自に関する審査が求められる可能性があります。

LangChainは、企業向けAIエージェント管理基盤「LangSmith Fleet」を発表しました。複数のエージェントを組織全体で作成・共有・運用するためのワークスペースで、権限管理や認証、監査機能を備えています。

Fleet最大の特徴は、エージェントの共有モデルと権限管理です。個人またはワークスペース全体への共有が可能で、「複製可」「実行可」「編集可」の3段階の権限を設定できます。コアチームには編集権限、一般ユーザーには実行のみといった柔軟な運用が実現します。

エージェントの認証モデルには2種類があります。「Claw」型は共有サービスアカウントで全ユーザーが同一認証情報を使用し、「Assistant」型は各ユーザーがOAuthで個別認証します。用途に応じた使い分けにより、セキュリティと利便性を両立させています。

Slack連携では、各エージェントに専用のSlackボットを割り当てられます。@vendor-intakeや@weekly-sales-numbersのように個別ハンドルで呼び出せるため、チームメンバーはチャンネル上でエージェントにタスクを直接依頼できます。

企業運用に不可欠な監査機能も充実しています。全エージェントの操作を一元管理する「Inbox」で承認・却下が可能なほか、LangSmithのトレース機能により、どのエージェントが誰の代理でどのデータにアクセスしたかを完全に記録・検索できます。

DataRobotとNebiusは、企業向けAIエージェントの開発・運用・ガバナンスを加速する共同ソリューション「AI Factory for Enterprises」を発表しました。従来数カ月かかっていたエージェントの本番化を数日に短縮することを目指します。

NebiusはAI専用設計のGPUクラウド基盤を提供し、H100からGB300 NVL72まで最新のNVIDIA GPUを搭載しています。汎用クラウドで課題となる「ノイジーネイバー問題」を排除し、ベアメタル性能と予測可能なスループットを実現します。

DataRobotのAgent Workforce Platformは、LangChain・CrewAI・LlamaIndexなど主要フレームワークに対応し、MCPやマネージドRAGも標準搭載しています。独自のノードアーキテクチャツール（NAT）により、YAMLベースでエージェントを構造的に定義・テストできます。

ガバナンス面では、OpenTelemetry準拠のトレーシングによりエージェント実行パスの可視化を実現します。PII検出・プロンプトインジェクション防御・毒性検知などのガードレールを標準装備し、監視データから規制対応文書を自動生成する機能も備えています。

両社は2026年3月16〜19日にサンノゼで開催されるNVIDIA GTC 2026で本ソリューションを展示予定です。NebiusのToken Factoryによる従量課金モデルで実験段階のコストを抑え、本番移行時にはNIM専用デプロイへシームレスに切り替えられる点が、企業の段階的AI導入を後押しします。

LangChainは、LLMアプリ開発プラットフォームLangSmithに搭載するAIアシスタント「Polly」の一般提供を開始しました。従来は一部ページに限定されていた機能が、全ページ・全ワークフローで利用可能になっています。

Pollyの最大の特長は、数百ステップに及ぶトレースを自動的に読み解き、障害の原因箇所を特定できる点です。エージェント開発特有の複雑なデバッグ作業において、従来は人手で追跡していた長大なログ解析をAIが代行します。

今回の更新ではページ間のコンテキスト維持が実現しました。トレースの確認から実験の比較、データセットへの追加、プロンプトの修正まで、一連のワークフローを通じてPollyが文脈を保持し続けるため、作業の中断や再説明が不要になります。

さらにPollyは質問への回答だけでなく、プロンプトの更新、失敗した実行からのデータセット作成、評価コードの生成といった実行操作にも対応しました。スレッド全体のユーザー感情分析や、実験結果に基づく最適な構成の推奨も可能です。

利用にはLangSmithアカウントとモデルプロバイダーのAPIキー設定が必要です。Cmd+I（Mac）またはCtrl+I（Windows/Linux）で任意のページから即座に起動でき、エージェント開発チームの生産性向上が期待されます。

LangChainは、AIエージェントが安全にコードを実行できるサンドボックス環境「LangSmith Sandboxes」をプライベートプレビューとして公開しました。エージェントによる任意コード実行のリスクを軽減する目的で開発されています。

従来のコンテナは既知のアプリケーションコード向けに設計されており、エージェントが生成する予測不能なコードの実行には適していませんでした。LangSmith Sandboxesは各サンドボックスをハードウェア仮想化されたmicroVMで隔離し、Linuxの名前空間だけに頼らないカーネルレベルの保護を提供します。

セキュリティ面では認証プロキシを介して外部サービスに接続する仕組みを採用し、認証情報がサンドボックス内に一切残らない設計です。CPU・メモリ・ディスクのリソース制限も組み込まれており、エージェントの暴走を防止します。

実行機能としては、長時間タスクのタイムアウトなし動作、WebSocketによるリアルタイム出力ストリーミング、複数スレッドにまたがる永続的な状態保持に対応します。また、ウォームプールの事前確保とオートスケーリングにより、需要増加時にも待ち時間を最小化します。

今後は共有ボリュームによるエージェント間の状態共有、実行可能バイナリの制御、仮想マシン内の全プロセス・ネットワーク呼び出しの完全トレーシング機能を開発予定です。同社のOpen SWEプロジェクトでも内部利用されており、コーディングエージェント構築の基盤として位置づけられています。

LangChainは、企業が社内向けコーディングエージェントを構築するためのオープンソースフレームワーク「Open SWE」を公開しました。Deep AgentsとLangGraph上に構築され、Stripe・Ramp・Coinbaseなど大手企業が独自開発した社内エージェントの共通設計パターンを再現しています。

Open SWEの中核は隔離されたクラウドサンドボックスです。各タスクは専用のLinux環境で実行され、リポジトリのクローンとフル権限が与えられる一方、エラーの影響範囲はその環境内に封じ込められます。Modal、Daytona、Runloopなど複数のサンドボックスプロバイダーに対応しています。

ツールセットは約15種に厳選されており、シェル実行・Webフェッチ・GitHub PR作成・Linear連携・Slack返信などを備えます。Stripeが約500ツールを運用する中でも「量より品質管理が重要」と指摘しており、Open SWEもこの方針を踏襲しています。

サブエージェントとミドルウェアの二層構造が特徴です。複雑なタスクは専門の子エージェントに分割委譲され、ミドルウェアはPR自動作成やフォローアップメッセージの注入など確実に実行すべき処理を担います。これにより柔軟性と信頼性を両立させています。

呼び出しはSlack・Linear・GitHubの3チャネルに対応し、開発者は既存のワークフロー内でエージェントを起動できます。MITライセンスで公開されており、サンドボックス・モデル・ツール・システムプロンプトなど主要コンポーネントはすべてカスタマイズ可能な設計です。

LangChainは、langgraph-cliパッケージに新たなdeploy CLIコマンド群を追加し、コマンドライン一つでAIエージェントをLangSmith Deploymentへデプロイできる機能を公開しました。

中核となるlanggraph deployコマンドは、ローカルのLangGraphプロジェクトからDockerイメージを自動構築し、本番運用に必要なインフラを一括で構成します。手動でのサーバー設定が不要になり、開発者の負担を大幅に軽減します。

インフラ面では、永続化のためのPostgreSQLとメッセージストリーミング用のRedisが自動的にセットアップされます。これにより、エージェントは追加設定なしに本番環境で安定稼働できます。

GitHub ActionsやGitLab CI、Bitbucket Pipelinesなど既存のCI/CDワークフローとの統合も容易です。デプロイの一覧表示、ログ確認、削除といった管理コマンドも同時に提供されています。

開発者向けにはdeep agentとsimple agentの新テンプレートも公開されており、langgraph newコマンドで雛形を生成できます。uvxを使えばインストール不要で即座に試用が可能です。

LangChainは2026年3月16日、NVIDIAとの包括的な統合を発表し、企業向けエージェントAI開発プラットフォームを提供すると明らかにしました。累計ダウンロード数10億回を超える同社のオープンソースフレームワーク群と、NVIDIAのAIツールキットを組み合わせた構成です。

プラットフォームはLangGraphによるマルチエージェントのオーケストレーション、Deep Agentsによるタスク計画とサブエージェント生成、そしてNVIDIA AI-Q Blueprintによるディープリサーチ機能を備えます。NeMo Agent Toolkitにより既存のLangGraphエージェントを最小限のコード変更で導入できます。

実行面ではNIMマイクロサービスが標準デプロイ比で最大2.6倍のスループットを実現します。Nemotron 3 SuperのMoEアーキテクチャにより単一GPUでのコスト効率の高い展開が可能です。並列実行や投機的実行によるレイテンシ削減も自動的に適用されます。

監視面ではLangSmithが150億トレース・100兆トークンの処理実績を持ち、分散トレーシングやコスト監視を提供します。NeMo Agent Toolkitのテレメトリと統合することで、インフラレベルとアプリケーションレベルの可観測性を一元化できます。

さらにLangChainはNVIDIAのNemotron Coalitionに参画し、オープンなフロンティアモデルの共同開発に取り組みます。将来的にはDeep AgentsがCUDA-Xライブラリを活用したGPUアクセラレーション環境で動作し、金融や医療分野での大規模データ処理を可能にする構想も示されました。

LangChainのVivek Trivedy氏が、AIエージェントの構造を「モデル＋ハーネス」と定義し、モデルを実用的な作業エンジンに変えるためのハーネス設計論を体系的に解説しました。ハーネスとはモデル以外のすべてのコード・設定・実行ロジックを指します。

ハーネスの最も基本的な構成要素はファイルシステムです。エージェントに永続的な作業空間を提供し、中間出力の保存やセッション間の状態維持を可能にします。さらにGitによるバージョン管理を加えることで、作業の追跡やロールバック、複数エージェント間の協調作業も実現できます。

汎用ツールとしてのBash実行環境も重要な要素です。事前に設計されたツールに依存せず、モデルが自律的にコードを書いて問題を解決できるようになります。サンドボックスにより安全な実行環境を確保し、ブラウザやテストランナーによる自己検証ループも構築可能です。

コンテキスト腐敗への対策も不可欠です。コンテキストウィンドウが埋まるにつれモデルの推論能力が低下する問題に対し、コンパクション（要約による圧縮）、ツール出力のオフロード、スキルによる段階的開示といったハーネスレベルの戦略が求められます。

長期自律実行では、Ralph Loopパターンによる自動継続や計画ファイルを活用した進捗管理が鍵となります。モデルの訓練とハーネス設計の共進化が進む一方、最適なハーネスは必ずしも訓練時のものとは限らず、タスクに応じた最適化で性能が大幅に向上する事例も報告されています。

LangChainは2026年3月、AIエージェント開発フレームワーク「Deep Agents」のSDKおよびCLIに、モデルが自らのコンテキストウィンドウを適切なタイミングで圧縮する自律コンテキスト圧縮機能を追加しました。

従来のエージェントハーネスでは、コンテキストウィンドウの85%に達した時点で一律に圧縮を実行していました。しかし複雑なリファクタリングの最中など、圧縮すべきでないタイミングで実行されるケースが課題となっていました。

新機能では、タスクの区切りや大量の新コンテキスト読み込み前、計画の実行開始時など、モデル自身が最適なタイミングを判断して圧縮を実行します。これにより、ユーザーが手動で/compactコマンドを発行する必要がなくなります。

圧縮時には直近メッセージの10%をそのまま保持し、それ以前のメッセージを要約に置き換えます。全会話履歴は仮想ファイルシステムに保存されるため、圧縮後も復元が可能です。

LangChainは独自評価スイートやTerminal-bench-2でテストを実施し、エージェントが保守的に圧縮を発動しつつも、ワークフロー改善に明確に寄与するタイミングを選択することを確認しました。この機能は、ハーネスの固定ルールを減らしモデルに作業記憶の制御権を委ねるという、エージェント設計の新たな方向性を示しています。

Googleは2026年3月10日、新しい埋め込みモデル「Gemini Embedding 2」のパブリックプレビューを開始しました。従来のテキスト専用モデルとは異なり、テキスト・画像・動画・音声・文書を単一のベクトル空間にネイティブ統合する初の本格的マルチモーダル埋め込みモデルです。

最大の技術革新は、動画や音声をテキストに変換する中間処理が不要になった点です。従来は動画検索の際にまずテキストへの書き起こしが必要でしたが、本モデルは音声波形や動画の動きを直接理解します。これにより変換時の情報損失がなくなり、クロスモーダル検索が実現しました。

Matryoshka表現学習と呼ばれる技術により、3072次元のフルベクトルから768次元まで柔軟に圧縮でき、精度とストレージコストのバランスを企業が自ら調整できます。法務文書など高精度が求められる用途ではフル次元を、推薦エンジンなどでは圧縮版を使い分けることが可能です。

早期導入パートナーからは顕著な成果が報告されています。クリエイターエコノミー企業Sparkonomyはレイテンシを最大70%削減し、意味的類似度スコアをほぼ倍増させました。法律テック企業Everlawは訴訟証拠開示において、テキスト検索では見逃していた画像・動画内の証拠発見に活用しています。

料金はGemini APIでテキスト・画像・動画が100万トークンあたり0.25ドル、音声は0.50ドルです。入力上限はテキスト8192トークン、動画128秒、音声80秒、PDF6ページとなっています。LangChainやLlamaIndex、Weaviateなど主要フレームワークとの統合も完了しており、既存ワークフローへの組み込みが容易です。

LangChain共同創業者のHarrison Chase氏が、コーディングエージェントがソフトウェア企業のEPD（エンジニアリング・プロダクト・デザイン）組織に与える構造的変化について分析しました。コードの生成コストが劇的に低下したことで、従来のPRD→モック→実装という開発フローが崩壊しつつあると指摘しています。

従来の開発プロセスでは、プロダクトマネージャーがPRD（プロダクト要件文書）を作成し、デザイナーがモックを起こし、エンジニアが実装するというウォーターフォール型の流れが主流でした。しかしコーディングエージェントの登場により、アイデアから直接動作するプロトタイプを生成できるようになり、この従来型フローは終わりを迎えています。

最も大きな変化は、ボトルネックが実装からレビューへ移行した点です。誰でもコードを書ける時代になったことで、生成されるプロトタイプの数が急増しています。エンジニアリング・プロダクト・デザインの各機能は、それぞれの専門性からアーキテクチャの堅牢性、ユーザー課題の適合性、UIの使いやすさを審査する役割へと変化しています。

Chase氏は、今後のEPD人材はビルダーとレビュアーの二類型に収束すると予測しています。ビルダーはプロダクト思考とエージェント活用力を備え、小規模機能をアイデアから本番まで一人で完遂できる人材です。レビュアーは高度なシステム思考力を持ち、大量のプロトタイプを迅速に評価できる専門家を指します。

また、プロダクトセンスの欠如はエージェント時代において致命的だと警告しています。悪いプロダクトアイデアでもプロトタイプが容易に作れるため、レビュー負荷が増大し組織のリソースを浪費します。専門特化の閾値も上がり、ドメインの卓越性に加え高速レビュー力とコミュニケーション力が不可欠になると述べています。

Googleは2026年3月10日、Geminiアーキテクチャを基盤とした初の完全マルチモーダル埋め込みモデル「Gemini Embedding 2」をGemini APIおよびVertex AIでパブリックプレビューとして公開した。

同モデルはテキスト・画像・動画・音声・PDFドキュメントを単一の統一埋め込み空間にマッピングする。テキストは最大8192トークン、画像は1リクエスト最大6枚、動画は最大120秒に対応しており、RAGや意味検索、感情分析、データクラスタリングなど幅広いユースケースを簡素化する。

柔軟な出力次元を実現するMatryoshka Representation Learning（MRL）技術を採用しており、デフォルト3072次元から1536・768次元へと動的に削減できる。これにより開発者はパフォーマンスとストレージコストのバランスを最適化できる。

早期アクセスパートナーからは顕著な成果が報告されている。Paramount Skydanceは動画資産検索のRecall@1を85.3%に向上させ、Sparkonomy社はLLM推論を排除することでレイテンシを最大70%削減、テキスト・画像間の意味的類似度スコアを0.4から0.8へほぼ2倍に改善した。

同モデルはLangChain・LlamaIndex・Haystack・Weaviate・Qdrant・ChromaDB・Vector Searchなど主要なフレームワークおよびベクターデータベースと統合可能であり、既存ワークフローへの最小限の変更での導入が可能だ。

LangChainは2025年12月から2026年3月にかけて、営業チーム向けGTMエージェントを自社開発・運用し、リードから有望商談への転換率を250%向上させ、パイプライン収益を3倍に拡大した成果を公表しました。

このエージェントはSalesforceに新リードが登録されると自動起動し、サポートチケットの有無や直近の接触履歴を確認してから、Gongの通話記録やLinkedInプロフィール、Exaによるウェブ調査を組み合わせてパーソナライズされたメール下書きを生成します。

担当者はSlack上で下書きの内容とエージェントの推論根拠を確認し、送信・編集・キャンセルを選択できる仕組みで、ヒューマン・イン・ザ・ループを徹底することで誤送信リスクを排除しています。

担当者がSlackで下書きを編集すると、LLMが変更差分を解析してスタイル上の傾向を抽出し、PostgreSQLにレップごとに記録します。次回以降の下書きはこの個人メモリを参照して自動改善されます。

GTMエージェントはSDR向けとして始まりましたが、Salesforce・Gong・BigQuery・Gmailへのアクセスを持つ点が口コミで広まり、エンジニアやカスタマーサクセスなど社内各チームが想定外の用途で自発的に活用を始めており、組織横断的なAIエージェント活用の好例となっています。

LangChainの共同創業者兼CEOであるハリソン・チェイス氏は、VentureBeatのポッドキャストで、AIモデルの性能向上だけではエージェントの本番運用に到達できないと主張しました。鍵を握るのは、モデルを包む「ハーネス」の進化です。

チェイス氏が提唱するハーネス工学とは、コンテキスト工学の拡張概念です。従来のハーネスがモデルのループ実行やツール呼び出しを制約していたのに対し、エージェント向けハーネスはLLM自身に文脈の制御権を委ね、より自律的な長時間タスク遂行を可能にします。

かつて最も急成長したGitHubプロジェクトだったAutoGPTを引き合いに、チェイス氏は現在のトップエージェントと同じアーキテクチャでありながらモデル性能不足で衰退した事例を紹介しました。モデルの進化により、ようやくハーネスの継続的改善が意味を持つ段階に入ったと述べています。

LangChainが開発したDeep Agentsは、計画機能・仮想ファイルシステム・コード実行・スキルとメモリ機能を備えた汎用ハーネスです。サブエージェントへのタスク委任とコンテキスト分離により、大規模な作業結果を圧縮してトークン効率を高める設計が特徴です。

チェイス氏は「エージェントが失敗するのは正しい文脈がないとき、成功するのは正しい文脈があるとき」と強調しました。適切な情報を適切なフォーマットで適切なタイミングに届けるコンテキスト工学こそが、実用的なAIエージェント構築の核心であると結論づけています。

LangChainは2026年3月、Claude CodeやCodexなどのコーディングエージェントに与える「スキル」の評価手法とベストプラクティスをブログで公開しました。スキルとは、特定領域でエージェントの性能を高めるための指示・スクリプト・リソースの集合体です。

評価パイプラインの基本は、タスクを定義し、スキルの有無でエージェントの成績を比較する手法です。テスト環境には軽量なDockerコンテナを用い、ディレクトリの初期状態を統一することで再現性を確保しています。

タスク設計では、オープンエンドな課題よりもバグ修正型の制約付きタスクが有効であると報告されています。採点が容易になるだけでなく、エージェントの設計空間を適切に限定できるためです。評価指標には、スキルの呼び出し有無、タスク完了率、ターン数、実行時間などを採用しています。

スキル設計においては、AGENTS.mdやCLAUDE.mdにスキルの使用方法を記載することで呼び出し率が安定しました。スキルを単独でプロンプト任せにした場合の呼び出し率は最大70%にとどまる一方、事前読み込みファイルに案内を記載すると一貫した呼び出しが実現できたと報告されています。

実験の結果、スキルを搭載したClaude Codeのタスク完了率は82%に達した一方、スキルなしでは9%に低下しました。LangSmithのトレース機能でエージェントの全行動を記録・分析し、失敗原因の特定とスキル内容の反復改善を高速に回すワークフローが紹介されています。

LangChainは2026年2月、AIコーディングエージェントの専門性を高める「Skills」機能を公開しました。LangChain、LangGraph、Deep Agentsの3カテゴリ計11スキルを提供し、エージェント開発の精度を大幅に向上させます。

Skillsはマークダウンファイルとスクリプトで構成される携帯可能な指示セットです。タスクに関連する場合のみ動的に読み込む「プログレッシブ・ディスクロージャー」方式を採用し、ツール過多による性能劣化の問題を解決しています。

評価セットでは、Skills導入によりClaude CodeのLangChainタスク正答率が29%から95%へ、LangSmithタスクでは17%から92%へと劇的に改善しました。npx skillsコマンドで簡単にインストールでき、プロジェクト単位またはグローバルに設定可能です。

同時にリリースされたLangSmith CLIは、エージェントネイティブな設計思想で構築されています。トレース取得、データセット管理、実験実行をターミナルから完結でき、エージェントによる改善ループの自動化を実現します。

LangSmithプラットフォームでも複数の新機能が追加されました。Agent Builderの統合チャット、ファイルアップロード対応、トレーステーブルの入出力カスタマイズ、Insights Agentによる定期レポートなど、本番運用を見据えた機能強化が進んでいます。

技術ブログでは、コーディングエージェントがモデル変更なしでTerminal Bench 2.0のTop30からTop5へ躍進した事例も紹介されました。自己検証ループやループ検知ミドルウェアなどの「ハーネス工学」が成功の鍵とされています。

LangChainのブログは、AIエージェントが実際に本番環境で動作するまで真の挙動を把握することは不可能であると警告しています。テスト環境では想定外の入力や状況に対応できないケースが多いのが現実です。

エンタープライズがAIエージェントを展開する際、段階的な本番デプロイと強力な監視体制の構築が必須だという実務的な教訓を提示しています。

2026年2月22日、LangChainは三つの重要なブログ記事を通じて、AIエージェントの本番運用に向けた包括的なフレームワークを公開しました。これらの記事は、AIエージェントが単なる実験から本番システムへと移行する際に直面する核心的な課題に答えるものです。

エージェント可観測性の記事では、AIエージェントが実行されるまでその行動を予測できないという根本的な特性を起点に、トレース（実行ログの詳細記録）をエージェント評価の基盤とするアプローチを詳述しています。従来のソフトウェア監視とは異なり、エージェントは開かれたタスクを実行するため、評価基準自体を動的に設計する必要があります。

Agent Builderのメモリシステムに関する記事では、ノーコードツールがどのようにして会話履歴、ユーザー設定、長期記憶を管理するかを技術的に詳説しています。メモリはエージェントの文脈理解と一貫性を確保する上で不可欠ですが、その設計にはプライバシーとストレージのトレードオフがあります。

VentureBeatの記事では、シャドウモード（新エージェントを本番システムと並行稼働させ比較するテスト手法）、ドリフトアラート（AIモデルの更新による挙動変化の自動検知）、監査ログ（コンプライアンス・デバッグ用の完全な実行記録）を組み合わせた「現代の監査ループ」を解説しています。

これら三つの記事が同日に公開されたことは偶然ではありません。AIエージェントを本番環境で安全・適法・信頼できる形で運用するためのエンタープライズMLOpsの成熟が急速に進んでいます。2026年はAIエージェントの「実験から本番」への転換年になるとの見方が強まっています。

monday.comはLangSmith（LangChain社の評価ツール）を用いて、コードファーストのAI評価戦略を構築した事例を公開しました。

この事例では、顧客サポート業務でのAIモデルの精度と信頼性を継続的に測定・改善するためのパイプラインが紹介されています。LLMOpsの実践として参考になる内容です。

LangChainは自社のコーディングエージェントをTerminal Bench 2.0でTop30からTop5に引き上げることに成功しました。驚くべきことに、モデル自体は変更せず、エージェントを動かす「ハーネス」の設計のみを改良した結果です。

自己検証（エージェントが自分のアウトプットを検証するループ）とトレーシングの組み合わせが特に効果的でした。これはモデル性能だけでなく、エージェント設計が重要であることを示す実証例です。

LangChainのエージェントエンジニアリングプラットフォーム「LangSmith」がGoogle Cloud Marketplaceで利用可能になりました。

Google Cloudの既存アカウントで調達できるため、請求の一元化や導入手続きの簡素化が実現します。企業での採用障壁が大幅に下がります。

LangSmithはAIエージェントの評価、トレース、デバッグを行う運用基盤です。LLMアプリケーションの品質管理に不可欠なツールとなっています。

クラウドマーケットプレイスでの提供はエンタープライズ顧客の調達プロセスに合致しており、大企業での導入が加速する見込みです。

LangChainエコシステムの拡大は、AIエージェント開発ツール市場における同社のリーダーポジションを強化するものです。

LangChainがAIエージェントをサンドボックス環境に接続する2つの主要パターンを解説する技術記事を公開しました。

エージェントがコード実行やパッケージインストール、ファイルアクセスを行うワークスペースの必要性が高まっています。安全な実行環境の設計が鍵となります。

E2B、Runloop、Zo Computerなどのプロバイダーからのレビューも含まれており、実装の具体例が示されています。

直接接続型はシンプルで低レイテンシですが、仲介型はセキュリティやリソース管理の面で優位性があるとされています。

エージェント開発におけるインフラ選択は、パフォーマンスとセキュリティのトレードオフを伴う重要な設計判断です。

LangChainの2026年1月ニュースレターでは、フレームワークの重要な改善と新しいインテグレーションが紹介されています。エージェントツールの強化が目立ちます。

LangChainエコシステムは引き続き成長しており、エンタープライズ向けのAIエージェント開発において標準的なフレームワークとしての地位を確立しつつあります。

LangChainは「Deep Agents」フレームワークと「Agent Builder」テンプレートを公開し、マルチエージェントアプリケーションの構築をより簡単にするツールを提供した。エージェント間の協調設計が容易になった。

Agent Builderではユースケース別のテンプレートが用意されており、開発者はゼロから設計することなく即座にエージェントをデプロイできる。開発速度の大幅な向上が期待される。

LangChainはAIエージェント開発の事実上の標準として定着しており、今回の強化でその地位をさらに固める。エンタープライズでのエージェント採用をさらに加速させるだろう。

グローバル人材管理プラットフォームのRemoteは、LangChainとLangGraphを使って顧客のオンボーディングプロセスをAI化し、数千社もの企業を効率的に処理できるようにしました。

従来は複雑な顧客ごとのカスタマイズが必要だったオンボーディング作業を、AIエージェントが自動的に対話しながら情報収集・設定を行うフローに変換しました。

LangGraphを用いたステートフルなグラフ型ワークフローにより、複雑な条件分岐や再試行ロジックを管理できる点が大きな価値を発揮しています。

この事例は「エンタープライズでのAIエージェント実装」の先進的なケーススタディとして、同様の課題を持つ企業の参考になります。

VentureBeatとa16zのブログが相次いでマルチエージェントAI設計のベストプラクティスを取り上げ、エージェントオーケストレーションが企業AIシステムの中核技術として浮上してきました。個々のエージェントの能力よりも、複数エージェントをどう連携させるかが実用システムの成否を分けるという認識が広まっています。

具体的な設計課題として、エージェント間のタスク委任と結果統合のパターン設計、エラー時の再試行・エスカレーション戦略、状態管理の一貫性確保などが挙げられています。

企業がマルチエージェントシステムを本番環境で運用するためには、可観測性・コスト管理・セキュリティを設計段階から組み込む必要があります。LangChain、LlamaIndex、各種クラウドプロバイダーのエージェントフレームワークが競合する市場は急速に成熟しています。

LangChainのエンジニアは「ソフトウェア開発ではコードがアプリを記録するが、AI開発ではトレースが記録する」というテーゼを提示しました。確率的に動作するLLMにおいては、実際の実行ログ（トレース）を見ることが唯一の正確な理解手段です。

特定の入力に対してどのようなプロンプトが送られ、モデルが何を返し、どのツールが呼び出されたかという実行の連鎖をトレースとして記録・可視化することで、初めてシステムの動作を「文書化」できます。

この観点はAIシステムのデバッグ・品質管理・改善のすべてに影響します。LangSmithやWeights & Biases、Arizeなどのトレーシングプラットフォームが、従来のAPIドキュメントやコードコメントに相当する役割を担う時代の到来を示しています。

Orchestralは、LangChainに代わるAIエージェントフレームワークとして、再現可能性と透明性を核心原則に設計されたツールを公開しました。LangChainは多くの企業で採用されていますが、複雑な抽象化レイヤーがデバッグを困難にし、本番環境での動作が不安定になりやすいという批判がありました。

Orcheralはパイプラインのすべてのステップをログ化し、特定の入力に対して毎回同じ結果が得られる決定論的な動作を保証します。OpenAI、Anthropic、Mistralなど複数のAIプロバイダーに対応しており、切り替えが容易です。

LangChainはコミュニティの大きさとエコシステムの豊富さで優位ですが、エンタープライズの本番環境では信頼性と透明性が最重要です。Orchestralはこのニーズを捉えた製品として、エンジニアリングチームから注目を集めています。

Databricksは、従来のRAG（検索拡張生成）の限界を超える「Instructed Retriever」という新しいデータ取得手法を発表しました。従来のベクター類似検索は「質問に意味的に近い文書を探す」ものでしたが、Instructed Retrieverは明示的な指示に従って意図を理解した上で情報を取得します。

複雑なビジネスクエリや、ユーザーが何を求めているか明示的に伝えていないケースでも、文脈と意図を推定して適切なデータを取得できます。Databricksの統合データプラットフォームUnity Catalogと組み合わせることで、企業全体のデータ資産へのRAGアクセスが改善されます。

エンタープライズRAGの精度は、AIエージェントの有用性に直結する根幹技術であり、この改善はDatabricksを使うデータ・エンジニアリングチームにとって即座に価値が生まれる成果です。競合のSnowflake Cortex AIとの差別化にも貢献します。

エージェントAIのエコシステムが爆発的に拡大する中、開発者がどのツールやフレームワークを選べばよいか分からなくなっています。新しい研究が、この「選択麻痺」を解消するための包括的なフレームワークを提案しています。

LangChain、CrewAI、AutoGen、LlamaIndex、そしてカスタムエージェントなど、選択肢の増殖が問題の核心です。各フレームワークは異なる設計哲学を持ち、得意不得意も異なります。まずタスクの複雑性と必要な自律性のレベルを定義することが起点です。

新フレームワークはツール利用・計画・記憶という3軸で既存ソリューションを分類し、具体的なユースケースへの適合性を評価します。シングルエージェントで十分なケースにマルチエージェントを採用する過設計を防ぐ判断基準も提示されています。

この種の整理は実務者にとって価値が高く、2026年のエージェント本格普及に向けてオーケストレーションの標準化が進むことへの期待が高まっています。