最近AIエージェントという言葉をよく聞くようになりました。
でも、実際に始めようとすると「どのフレームワークを使えばいいの？」と迷います。
AWS公式ドキュメント「エージェンティックAIフレームワークの比較」では、代表的なフレームワーク（Bedrock Agents、Strands Agents、LangChainなど）をいくつかの観点から整理しています。
ここでは主要な5つの観点を噛み砕き、フレームワークを選ぶコツを紹介します。
結論 （どのフレームワークを選べばいい？）
| 状況 | おすすめ |
|---|---|
| AWS環境中心で動かしたい | Bedrock Agents |
| カスタマイズ性を重視したい | Strands Agents |
| 研究・実験・自由設計したい | LangChain系 |
| まず試してみたい・PoCから | Bedrock Agents、Kiro（IDE） |
フレームワーク比較表
スクロールできます引用元： https://docs.aws.amazon.com/ja_jp/prescriptive-guidance/latest/agentic-ai-frameworks/comparing-agentic-ai-frameworks.html
Framework AWS 統合 自動マルチエージェントサポート 自律ワークフローの複雑さ マルチモーダル機能 基盤モデルの選択 LLM API 統合 本番稼働用デプロイ 学習曲線 Amazon BedrockAgents 最も強い 適切 適切 強力 強力 強力 フルマネージド型 低 AutoGen 弱い 強力 強力 適切 適切 強力 自分で行う (DIY) 急勾配 CrewAI 弱い 強力 適切 弱い 適切 適切 DIY 中 LangChain/LangGraph 適切 強力 最も強い 最も強い 最も強い 最も強い プラットフォームまたは DIY 急勾配 Strands Agents 最も強い 強力 最も強い 強力 強力 最も強い DIY 中
AWSインフラストラクチャとの統合度
意味
AWSのサービス（S3、Lambda、CloudWatch、IAMなど）とどれくらい“そのまま”連携できるか。
なぜ大事？
エージェントは外部システムとデータのやり取りをします。
AWSと自然につながるほど、開発も運用もスムーズになります。
良い状態とは？
- S3のデータを直接読み取れる
- CloudWatchで自動的に動作ログが取れる
- IAMでアクセス権を簡単に制御できる
- Lambdaで自動処理を呼び出せる
イメージ：
統合度が高いほどAWS内で構築できる状態です。
統合度が低いと、自分で作りこむといった難易度が上がります。
| Bedrock Agents | 完全統合（AWS内で完結） |
|---|---|
| LangChain | 接続可能だが設定は手動 |
| AutoGenなど | 外部サービス中心 |
基盤モデルとの連携（LLMとのつながり）
意味
どのAIモデル（GPT、Claude、Novaなど）を使い、どれだけ自由に切り替えられるか。
良い状態とは？
- 複数のモデルを自由に試せる
- APIキーや権限管理が簡単
- AWS Bedrock経由で安全に利用できる
イメージ：
開発フェーズでは安価モデル、本番環境は高性能モデルというように目的に応じてモデルを差し替えられる状態です。
| Bedrock Agents | Bedrock上で複数モデルをワンクリック切替 |
|---|---|
| LangChain | 手動設定で柔軟性は高いが管理は自分持ち |
マルチモーダル対応（テキスト・画像・音声）
意味
AIが「文字だけ」ではなく「画像・音声・動画」なども理解・生成できるかどうか。
良い状態とは？
- 画像から回答を生成できる
- 音声から回答を生成できる
- PDFや動画から回答を生成できる
イメージ：
人間でいえば「目・耳・口が全部使える状態」。
テキストだけのAIは“目だけで理解しようとする人”のようなもの。
| Strands Agents／LangChain | 幅広い形式に対応 |
|---|---|
| Bedrock Agents | 順次拡張中 |
本番運用・監視（Observability）
意味
AIが安定して稼働しているかを“監視する”仕組みがあるかどうか。
良い状態とは？
- CloudWatchなどで稼働状況を監視できる
- APIエラーや遅延を検知できる
- ログが可視化される
イメージ：
AIの“健康状態”を自動で監視できる状態。
もし異常が起きても原因を追える仕組みが整っているのが理想。
| Bedrock AgentCore | ログ／メモリ／セキュリティ監視までカバー |
|---|---|
| Strands Agents | 自作モニタリング可能だが設定は手動 |
学習曲線（使い始めの難易度）
意味
どのくらいのスキルがあれば使い始められるか。
良い状態とは？
- GUI操作で始められる
- サンプルコードや日本語ドキュメントが豊富
- AWS Console上で設定・テストできる
イメージ：
“触って動く”までの時間が短いほど、学習曲線が低いということです。
| Bedrock Agents | マネージド型で最も簡単 |
|---|---|
| Strands Agents | 開発者向け、柔軟だが少し学習必要 |
| LangChain | 高度だが初心者にはやや難しい |
まとめ
AWSを中心にAIエージェントフレームワークを比較しました。
比較表の「統合度」や「運用性」も、要するに「どれだけスムーズに、安全に、長く稼働させられるか」と理解しています。
- Bedrock Agents → AWS公式×運用の安定さ。最初の1歩に最適。
- Strands Agents → カスタマイズ・拡張性重視の開発者向け。
- LangChain系 → 研究会は鵜tや自由度の高い設計に強いが構築力が必要。
それぞれの特徴を理解して、目的に沿ったフレームワークを選びたいですね。