第6章

AI アプリケーションフレームワークの全体像

一枚の図で理解する LangChain、LlamaIndex、LangGraph、AutoGPT、MetaGPT 5つの主要なAIアプリケーションフレームワークのコア機能と Code Map を、各カードをクリックして対応する詳解ページに進んで確認してください。

一目でわかる：4大フレームワークの核心機能と Code Map の全体像

元の概観図（4つの主要フレームワーク）

FRAMEWORK MAP

AI Frameworks

LangChainLlamaIndexLangGraphAutoGPTMetaGPT

以下では、各フレームワークの中核ロジック、コード構造、中核機能、および適したシナリオを1つずつ分解して説明し、比較表と選定ガイドも示します。

核心的洞察：フレームワークは魔法ではなく、分業である

これらのフレームワークが解決するのは、AIアプリケーションのさまざまな層の問題です：LlamaIndex が「知識入力」を管理する，LangChain が「ワークフローのオーケストレーション」を担当，LangGraph は「ステートフルな複雑なフロー」を管理する，AutoGPT は「自律実行」を担当，MetaGPT は「チームコラボレーション」を管理する。どちらがどちらを置き換えるのではなく、それぞれが役割を担い、組み合わせることで初めて完全な AI アプリケーション体系になる。

1. LangChain

· ツールボックス + オーケストレーション層

AI アプリケーション・オーケストレーションフレームワーク

コアロジック

Chain（連鎖呼び出し）+ Agent（ツールを判断して呼び出す）で、LLM、ツール、メモリなどの機能をアプリケーションとしてまとめます。

Code Map（コアモジュール）

chains/

連鎖フローオーケストレーション

agents/

エージェント（意思決定 + ツール呼び出し）

tools/

ツール統合レイヤー

memory/

メモリ管理

prompts/

プロンプトテンプレート

output_parsers/

出力解析

retrievers/

検索インターフェース（ベクトルデータベースに接続）

コア機能

チェーンオーケストレーション

エージェント

ツール呼び出し

メモリ管理

プロンプトテンプレート

適した場面

AIアプリケーション開発ワークフローのオーケストレーションAgent システム構築

見る LangChain 詳細解説

2. AutoGPT

· AIに自分で作業させる

自律実行型AIエージェント

コアロジック

Goal → Plan → Execute → Reflect（ループ）。AI が自律的にタスクを分解し、ツールを呼び出し、継続的に反復します。

コアサイクル

思考Thought

アクションAction

観察Observation

記憶Memory

継続ループ

Code Map（コアモジュール）

autogpt/agent/

コア Agent サイクル

autogpt/memory/

短期記憶と長期記憶

autogpt/workspace/

ファイルシステム（読み書き）

autogpt/tools/

ツールセット（テスター/コード実行など）

autogpt/config/

実行パラメータ

autogpt/loop.py

コアなループの入口（重点）

コア機能

自律的な計画立案

ツールの使用

メモリーストレージ

コード実行

ファイル操作

適した場面

自動タスク実行データ収集パーソナルアシスタントプロトタイプ検証

見る AutoGPT 詳細解説

3. MetaGPT

· AI 会社シミュレーター

マルチエージェント協働フレームワーク

コアロジック

Multi-Agent + SOP（標準プロセス）。複数の AI 役割がプロセスに従って分担協力し、タスクを完了する。

中核プロセス（例：ソフトウェア開発プロセス）

要件分析

Architect

設計案

Engineer

コーディング実装

テスト受け入れ

Deploy

納品とデプロイ

Code Map（コアモジュール）

metagpt/roles/

役割定義（PM/Engineer/QA など）

metagpt/actions/

役割の振る舞いと能力

metagpt/environment/

共有環境とコンテキスト

metagpt/memory/

チームの記憶

metagpt/workflows/

フロー編成

metagpt/team.py

マルチエージェント協調の核心

コア機能

役割分担

コラボレーションコミュニケーション

タスク分解

フロー編成

コード生成

適した場面

プロジェクトの自動生成チームコラボレーションのシミュレーション複雑なタスクのパイプライン

見る MetaGPT 詳細解説

4. LlamaIndex

· AI に知識を与える

データ接続と RAG エンジン

コアロジック

Data → Index → Retrieve → Generate。LLM にあなたの知識を持たせ、Q&A の精度を向上させます。

コアプロセス

データソース

分割 Chunk

ベクトル化 Embedding

Retrieve で検索する

生成 Generate

Code Map（コアモジュール）

llama_index/readers/

データ読み込み（PDF/ウェブページ/DB など）

llama_index/nodes/

テキスト分割（Node）

llama_index/indices/

インデックス構造（ベクトルインデックスなど）

llama_index/retrievers/

検索機能

llama_index/query_engine/

クエリエンジン

llama_index/embeddings/

ベクトル化モデルインターフェース

コア機能

データ接続

インデックス構築

ベクトル検索

クエリエンジン

RAG強化

適した場面

ナレッジベースQ&A企業検索AIカスタマーサービス文書分析

見る LlamaIndex 詳細解説

5. LangGraph

· ステートフル · マルチノード · 循環実行

グラフベースの Agent オーケストレーションフレームワーク

コアロジック

Graph（グラフ）+ Node（ノード）+ Edge（エッジ）+ State（状態）。グラフ構造で複雑なアプリケーションをオーケストレーションし、条件分岐、ループ、人による介入をサポートします。

図のプレビューを詳しく解説（四合一の概要図は含まれていません。別途追加）

FRAMEWORK MAP

LangGraph

画像または下の「LangGraph 詳細を見る」をクリックして、詳細ページで高解像度の原画像とセクションごとの解説を確認してください。

Code Map（コアモジュール）

langgraph/graph/

グラフ構造のコア（StateGraph など）

langgraph/nodes/

ノード定義（タスク単位）

langgraph/edges/

分岐と条件付きジャンプ

langgraph/state/

グローバル状態と永続化

langgraph/checkpoint/

チェックポイントと復元

langgraph/prebuilt/

事前設定された Agent テンプレート

コア機能

グラフ構造のオーケストレーション

状態管理

ループ / 条件分岐

マルチエージェント

ビジュアルデバッグ

適した場面

複雑な会話システムマルチエージェント協調ワークフロー自動化意思決定と計画

見る LangGraph 詳細解説

5大フレームワーク比較の早見

フレームワーク	コアポジショニング	コアロジック	コア機能	利点	弱点
LangChain	アプリケーションオーケストレーション	チェーン呼び出し + Agent	オーケストレーション、ツール、メモリ	柔軟で強力、エコシステムが豊富	自分でフローを設計する必要がある
AutoGPT	自律実行	目標駆動 + 自己反省による実行	自律的に計画し、実行する	高い自律性	不安定で、制御性が低い
MetaGPT	マルチエージェント協調	役割分担 + SOP	協働、プロセス、生成	標準化、エンジニアリング化	プロセスが固定されており、柔軟性に欠ける
LlamaIndex	データとナレッジ検索	RAG 検索拡張生成	データ、インデックス、検索	データ処理が強い	実行ロジックを担当しない
LangGraph	図式的な Agent オーケストレーション	Graph + State + Edge	状態、ループ、複数 Agent	柔軟なプロセス、内蔵の可視化	LangChain より学習コストが高い

どのように連携して作業しますか？（推奨の組み合わせ）

ユーザー要件

LlamaIndex知識を提供する

LangChainワークフローのオーケストレーション

AutoGPT自律実行

MetaGPTマルチエージェント協調

出力結果

ベストプラクティスの組み合わせ：LangChain + LlamaIndex + AutoGPT + MetaGPT

知識をより正確に

(RAG)

実行はより自動化される

(自律型 Agent)

協力がより効率的になる

(マルチエージェント)

プロセスがより柔軟

(オーケストレーション制御)

選択ガイド

アプリケーションフレームワークをすばやく構築したい

LangChain

状態あり / マルチエージェントの複雑なフローを構築したい

LangGraph

AI にタスクを自動実行させたい

AutoGPT

AIチームに協力してプロジェクトを完成させてほしい

MetaGPT

ローカルのプライベートデータでQ&Aをしたい

LlamaIndex

オールラウンドなAIプラットフォームが欲しい

組み合わせて使用

学習成果

この章を終えると、あなたは：

1LangChain / AutoGPT / MetaGPT / LlamaIndex という 4 つの主要フレームワークの中核的な位置づけの違いを理解する
2各フレームワークの Code Map を読み解き、ソースコードのどのモジュールが最も重要かを理解できる
3RAG、Agent、Multi-Agent、Workflowの4つのパラダイムのエンジニアリング実装アプローチを習得する
4流行のフレームワークを盲目的に追いかけるのではなく、ビジネス要件に基づいて選定できる
54つのフレームワークがどのように組み合わさって完全な AI アプリケーション体系を構成するかを理解する

前章：AI 適応アーキテクチャパラダイム次の章：開発の常識