AIコーディング2026年10月更新

AIエージェントフレームワーク比較13選【2026年10月】LangGraph・CrewAI・OpenAI/Claude SDKの料金と選び方

公開日: 2026/04/03
更新日: 2026/10/15
AIエージェントフレームワーク比較13選【2026年10月】LangGraph・CrewAI・OpenAI/Claude SDKの料金と選び方

この記事のポイント

LangGraph・CrewAI・Microsoft Agent Framework(AutoGen後継)・OpenAI Agents SDK・Claude Agent SDK・Google ADK・Difyなど13の主要フレームワークを2026年10月時点で比較。対応言語・料金・日本語での使いやすさ・MCP対応と、AutoGen保守モード後の選び方を解説します。

AIエージェントフレームワークは、2026年10月時点ではPythonで本番運用するならLangGraph、手早くマルチエージェントを試すならCrewAI、TypeScriptならMastraかVercel AI SDK、コードを書かないならDifyが基本の選択肢です。AutoGenは保守モードに入ったため新規採用はMicrosoft Agent Frameworkへ、OpenAIのAgent Builderは2026年11月30日に提供終了予定と案内されているため、Agents SDKで組むのが現実的です。

この記事でわかること:

  • 主要13フレームワークの最新版・対応言語・ライセンス・GitHub Starsの一覧
  • 料金を「フレームワーク本体」「実行基盤・観測ツール」「LLM API」に分けた比較
  • 人の承認・MCP・A2A・観測など本番運用で役立つ機能の違い
  • 日本語での使いやすさ(日本語UI・情報量)
  • 2026年に保守モード入り・提供終了・メジャー更新があったフレームワークと移行先
  • 言語・クラウド・用途から選ぶ判断フロー

こんな方に向けた記事です:

  • AIエージェント開発のフレームワーク選定で迷っている開発者・技術リーダー
  • AutoGenやOpenAI Assistants APIなど、終了・保守モードになった基盤から乗り換え先を探している方
  • PoCから本番運用への移行を見据えて、費用と安全面も含めて比較したい方

AIエージェントそのものの仕組みから知りたい方は、先に「AIエージェントとは?」で基礎を押さえておくと、比較の意味がつかみやすくなります。自分で作るのではなく完成品のエージェント製品を探している場合は「AIエージェントおすすめ比較」が近い内容です。

AIエージェントフレームワークとは?なぜ必要なのか

LangGraphの公式イメージ

出典: LangGraph 公式サイト(LangChain)

AIエージェントフレームワークとは、LLM(大規模言語モデル)に「ツール呼び出し」「状態(メモリ)管理」「複数ステップの制御」「複数エージェントの連携」「動作の記録(トレース)」を持たせ、自律的に作業させるアプリを作るための開発基盤です。ライブラリ・SDK・ノーコード基盤といった形で提供されています。

LLMのAPIを直接呼び出してもエージェントは作れますが、実務では次の部分を自前で作ることになります。

  • ツール連携: 外部API・データベース・ファイル操作との接続と、引数の検証
  • 状態管理: 途中で止まったタスクを、続きから再開するための保存と復元
  • 人の承認: メール送信や決済など、取り消しにくい操作の前に人が確認する仕組み
  • エラー処理: LLMの応答失敗やツール実行失敗時のリトライと代替処理
  • 観測: どのツールをどの順で呼び、何トークン使ったかの記録と評価

フレームワークはこれらを部品として用意しているため、開発者はエージェント固有の業務ロジックに集中できます。ただし、フレームワークを変えてもLLMそのものが賢くなるわけではありません。精度はモデル選び・プロンプト・ツール設計・評価の積み重ねで決まります。

2026年10月時点の3つの系統

主要なフレームワークは、大きく3つの系統に分かれます。

系統

代表例

特徴

モデル提供元の公式SDK

OpenAI Agents SDK/Claude Agent SDK/Google ADK/Microsoft Agent Framework/Strands Agents(AWS)

自社モデル・自社クラウドとの統合が深い。新機能の反映が早い

モデルを選ばないOSS

LangChain・LangGraph/CrewAI/Mastra/Vercel AI SDK/Pydantic AI/LlamaIndex/Agno

複数のLLMを切り替えやすい。コミュニティが大きい

ノーコード・ローコード

Dify

GUIでワークフローを組める。非エンジニアも扱える

これとは別に、作ったエージェントを動かすマネージドの実行基盤(LangSmith Deployment、CrewAI AMP、Amazon Bedrock AgentCore、Claude Managed Agents、OpenAI Agents API、Mastra Cloudなど)が増えています。フレームワーク選びは「どこで動かすか」とセットで考えるのが現時点での一般的な進め方です。

主要13フレームワークの総合比較表

マルチエージェントフレームワークCrewAIの公式ロゴ

出典: CrewAI 公式サイト

2026年10月15日時点で、PyPI・npm・GitHubの公開情報から主要13フレームワークの基本情報をまとめました。最新版の番号とGitHub Starsは日々変わるため、目安として見てください。

基本情報・対応言語・最新版の比較

フレームワーク

開発元

対応言語

最新版(2026年10月時点)

GitHub Stars(概数)

ライセンス

LangChain / LangGraph

LangChain, Inc.

Python, TypeScript

langchain 1.4系/langgraph 1.2系

約14.8万/約4.3万

MIT

CrewAI

CrewAI, Inc.

Python

1.15系

約6.0万

MIT

Microsoft Agent Framework(AutoGen後継)

Microsoft

Python, .NET

1.22系(2026年4月に1.0 GA)

約1.4万

MIT

OpenAI Agents SDK

OpenAI

Python, TypeScript

Python 0.24系/JS 0.20系

約3.0万(Python版)

MIT

Claude Agent SDK

Anthropic

Python, TypeScript

Python 0.2系/TS 0.3系

約8千(Python版)

Anthropicの商用利用規約

Google ADK

Google

Python, TypeScript, Go

Python 2.12系(ADK 2.0)

約2.2万(Python版)

Apache 2.0

Dify

LangGenius

ノーコード(GUI)

1.17系

約15.9万

Apache 2.0を元にした独自条件付き

Mastra

Mastra

TypeScript

@mastra/core 1.77系

約2.9万

Apache 2.0(一部ディレクトリは別ライセンス)

Vercel AI SDK

Vercel

TypeScript

AI SDK 7

約2.7万

Apache 2.0

Pydantic AI

Pydantic

Python

2.56系

約2.1万

MIT

LlamaIndex

LlamaIndex

Python, TypeScript

0.14系

約5.3万

MIT

Strands Agents + Bedrock AgentCore

AWS

Python, TypeScript

strands-agents 1.61系

約9千

Apache 2.0(AgentCoreは有償マネージド)

Agno

Agno

Python

3.1系

約4.3万

Apache 2.0

※ AutoGen(autogen-agentchat)は2025年9月の0.7.5で更新が止まり、保守モードです。GitHub Starsは約6.1万と多いものの、新規採用は推奨されていません。

料金の比較(本体・実行基盤・LLM API)

フレームワーク本体は、13個すべて無料で使えます(Difyは条件付き)。実際の費用は次の3つで決まります。

  1. LLM APIの利用料: 最も大きく、毎月変動する費用。エージェントは1回の依頼で何度もモデルを呼ぶため、チャット用途より膨らみやすい
  2. 実行基盤・観測ツールの料金: マネージドでデプロイしたり、トレースを保存したりするサービスの利用料
  3. 自前サーバーの費用: セルフホストする場合のクラウド代と運用の手間

2つ目の実行基盤・観測ツールについて、各社の公式ページで確認できた料金は次のとおりです。

サービス

対応するフレームワーク

無料枠

有料プラン(公式で確認できた範囲)

LangSmith

LangChain / LangGraph

Developer:1席・月5,000トレース

Plus:$39/席/月(月1万トレース)/Enterprise:個別見積。デプロイは従量課金

CrewAI AMP

CrewAI

Basic:月50ワークフロー実行

Enterprise:個別見積(SSO・RBAC・自社基盤へのデプロイ)。旧Professional($25/月)は現行の料金ページから消えている

Dify Cloud

Dify

Sandbox:200メッセージクレジット・5アプリ

Professional:$590/年/Team:$1,590/年/Enterprise:個別見積。月払いの金額は公式ページで確認を

Mastra Cloud

Mastra

Starter:無料(従量)

Team:$250/月、常時稼働サーバー:$100/プロジェクト

Amazon Bedrock AgentCore

Strands Agents、LangGraph、CrewAIなど

新規AWS顧客は最大$200の無料枠クレジット

従量課金(Runtime:$0.0895/vCPU時〜、Gateway:$0.005/1,000呼び出し など)

Claude Managed Agents

Claude Agent SDK系

なし

トークン料金+稼働中セッション$0.08/時間(2026年4月にパブリックベータとして開始)

LlamaCloud

LlamaIndex

Free:1万クレジット

Starter:$50/月/Pro:$500/月(地域版ページの表示。公式で再確認を)

OpenAI Agents SDK/Google ADK/Microsoft Agent Framework/Pydantic AI/Vercel AI SDK/Agno

―

本体無料

モデルのAPI料金とクラウド利用料のみ

OpenAIが2026年9月にパブリックベータを始めたAgents API(マネージド実行)は、本記事の執筆時点では料金体系を確認できていません。導入費用の考え方全体は「AIエージェントの導入費用」でも整理しています。

本番運用で役立つ機能の比較

PoCでは差が出にくく、本番で差が出るのが「途中で止めて人が承認できるか」「止まった処理を再開できるか」「何が起きたか追えるか」です。

フレームワーク

マルチエージェント

ワークフロー制御

人の承認

MCP

A2A

観測(トレース)

LangGraph

◎

◎(グラフ・チェックポイント再開)

◎(interrupt)

○

―

◎(LangSmith)

CrewAI

◎(役割ベース)

○(Flows)

○

○

―

○(AMPのトレース)

Microsoft Agent Framework

◎

◎(グラフ型ワークフロー)

◎

○

△

◎(OpenTelemetry)

OpenAI Agents SDK

○(Handoffs)

△

○

◎

―

○(トレース標準搭載)

Claude Agent SDK

○(サブエージェント)

△

○(権限設定・Hooks)

◎

―

△

Google ADK 2.0

◎

◎(Workflow Runtime)

○

○

◎

○

Dify

○

◎(GUI)

―

○

―

○

Mastra

○

○(一時停止→承認→再開)

○

○

―

○

Vercel AI SDK 7

○

○(WorkflowAgent)

◎(承認関数・署名付き承認)

○

―

○

Pydantic AI

△

△

○

○

○

○(Logfire)

LlamaIndex

○

○(Workflows)

○

○

―

○

Strands + AgentCore

○

○

―

○

―

○(AgentCore Observability)

Agno

○

○

―

○

―

○

(◎=特に強い ○=対応 △=限定的・要確認 ―=本記事で公式記載を確認できていない)

※ 2026年10月時点の各公式ドキュメントをもとにした編集部の整理です。各社の更新が速いため、採用前に公式ドキュメントで確認してください。

日本語での使いやすさ

日本語のプロンプトや出力は、どのフレームワークでもほぼ問題なく扱えます。日本語の品質を決めるのはフレームワークではなく、組み合わせるLLMだからです。差が出るのは「画面やドキュメントが日本語か」「日本語の解説記事が見つかるか」です。

フレームワーク

日本語UI

日本語の情報量(一般的な傾向)

メモ

Dify

あり

多い

非エンジニア向けの日本語解説や書籍が豊富

LangChain / LangGraph

なし(コードのみ)

多い

国内の技術ブログ・Qiita・Zennで事例が最も見つかりやすい

CrewAI

AMPの画面は英語

中程度

入門記事は多いが、本番運用の日本語事例は少なめ

OpenAI Agents SDK/Claude Agent SDK

なし

中程度

公式ドキュメントは英語中心。日本語の入門記事は増加中

Mastra/Vercel AI SDK

なし

中程度

TypeScript界隈で日本語記事が増えている

Microsoft Agent Framework

なし

少なめ

Microsoft Learnには日本語表示のページもある(機械翻訳が中心)。AutoGen時代の記事は古い情報が混ざる

Google ADK/Pydantic AI/LlamaIndex/Strands/Agno

なし

少なめ

英語の公式ドキュメントを読む前提で選ぶ

※ 日本語の情報量は、2026年10月時点で国内の技術ブログや解説記事を見た編集部の目安です。

日本語の公式ドキュメントの有無はフレームワークごとに変わるため、チームに英語ドキュメントを読む余力があるかも選定の条件に入れておくと、導入後に詰まりにくくなります。

用途別おすすめフレームワークの選び方

GoogleのAgent Development Kit(ADK)の公式イメージ

出典: google/adk-python GitHub

選定では「チームの言語」「モデルを固定するか」「コードを書くか」「どのクラウドで動かすか」の4つで絞り込むのが早道です。

判断フロー: あなたに合うフレームワークは?

Step 1: コードを書くか?

  • 書かない・非エンジニア中心 → Dify(社内向けのチャットボット・ワークフローならここで決まることが多い)
  • 書く → Step 2へ

Step 2: チームの主要言語は?

  • Python → Step 3へ
  • TypeScript / JavaScript → Webアプリに組み込むならVercel AI SDK、バックエンドでエージェントとワークフローを組むならMastra
  • .NET(C#) → Microsoft Agent Framework
  • Go → Google ADK(ADK 2.0がGoでGA)

Step 3(Python): 何を重視するか?

  • 分岐・ループ・承認・再開を細かく制御したい → LangGraph
  • 役割分担したチームを手早く試したい → CrewAI
  • 社内文書の検索・RAGが中心 → LlamaIndex
  • 型安全でテストしやすい設計にしたい → Pydantic AI
  • 使うモデルが決まっている → OpenAI Agents SDK/Claude Agent SDK/Google ADK

Step 4: どのクラウドで動かすか?

  • AWS → Strands Agents + Amazon Bedrock AgentCore(LangGraphやCrewAIもAgentCoreに載せられる)
  • Azure / Microsoft 365 → Microsoft Agent Framework
  • Google Cloud → Google ADK(デプロイ先の選択肢は「Gemini Enterprise Agent Platform」も参考に)
  • クラウドを固定したくない → LangGraph、Mastra、Pydantic AIなどモデルを選ばないOSS

用途別おすすめ一覧

用途

おすすめフレームワーク

理由

本番運用レベルの複雑なワークフロー

LangGraph

グラフ制御・チェックポイント再開・人の承認がそろい、LangSmithで観測まで一貫できる

マルチエージェントのプロトタイプ

CrewAI

役割・タスク・チームの3要素で組め、少ないコードで動かせる

Next.js / Reactアプリへの統合

Vercel AI SDK

ストリーミングUIとの相性がよく、AI SDK 7で承認・耐久実行も入った

TypeScriptのバックエンド開発

Mastra

エージェント・ワークフロー・メモリ・評価が1つにまとまっている

RAG・社内ナレッジ検索

LlamaIndex

文書の取り込み・解析(LlamaParse)と検索に強い

非エンジニアのAI活用

Dify

GUIでワークフローとRAGを組め、セルフホストもできる

OpenAIモデル中心+音声対応

OpenAI Agents SDK

抽象化が少なく学びやすい。Realtime(音声)エージェントにも対応

Claudeでファイル操作・コマンド実行を伴う自動化

Claude Agent SDK

Claude Codeと同じエージェントループと組み込みツールを使える

Google Cloud・Gemini中心

Google ADK

ADK 2.0でグラフ型実行に移行。A2Aに標準対応

AWSでインフラ管理を減らしたい

Strands Agents + AgentCore

実行・認証・メモリ・観測をマネージドで用意できる

型安全・テスト重視のPython開発

Pydantic AI

構造化出力と依存性注入でテストを書きやすい

Microsoftエコシステムの企業

Microsoft Agent Framework

.NET対応。AutoGenとSemantic Kernelの後継として長期サポート

各フレームワークの詳細解説

LangChain / LangGraph:エコシステム最大の定番

LangChainのGitHubリポジトリの公式イメージ

出典: langchain-ai/langchain GitHub

LangChainはLLMアプリ開発で最も利用者が多いライブラリで、連携先の数も最大級です。LangGraphはその上で動く、グラフ(状態機械)型のエージェント制御フレームワークです。2025年10月に両方が1.0に到達し、APIが安定しました。

強み:

  • 分岐・ループ・人の承認(interrupt)・チェックポイントからの再開を細かく制御できる
  • LangChain 1.x の create_agent とミドルウェアで、単純なエージェントは短いコードで書ける
  • LangSmithでトレース・評価・デプロイまで一貫して扱える

弱み:

  • 抽象化の層が多く、学習コストは高め
  • 小さな自動化には大げさになりやすい
  • 利用者が多いぶん攻撃対象にもなりやすく、2026年は langchain-core のパストラバーサルや LangGraph のチェックポイント読み込みに関する脆弱性が公表された。依存ライブラリの更新を運用に組み込む必要がある

料金: OSSは無料。LangSmithはDeveloper無料(1席・月5,000トレース)、Plus $39/席/月、Enterprise個別見積。デプロイは従量課金です。

CrewAI:マルチエージェントを手軽に組める

CrewAIは「役割(Agent)」「タスク(Task)」「チーム(Crew)」の3つでマルチエージェントを組むフレームワークです。決まった順序で処理したい部分はFlowsで書けます。マルチエージェントの考え方そのものは「マルチエージェントAIとは」で解説しています。

強み:

  • 役割分担をそのままコードにでき、プロトタイプを短時間で作れる
  • 商用版のAMPでは、ビジュアル編集(Studio)、MCPサーバーとしての書き出し、OpenTelemetryによるトレース、Slack/Teams連携、定期実行を使える
  • Enterprise版でSSO・RBAC・PIIマスキングなどの統制機能を用意

弱み:

  • 条件分岐やループを細かく制御する場面ではLangGraphに劣る
  • 対応言語はPythonのみ
  • AMPの無料枠は月50実行で、その上は個別見積のEnterpriseになる。中規模の利用では見積もりが必要

料金: OSSは無料。AMPはBasic無料(月50ワークフロー実行)とEnterprise(個別見積)の2本です。以前あったProfessional($25/月)は、現行の料金ページには載っていません。

Microsoft Agent Framework(AutoGen後継):エンタープライズ向け統合基盤

Microsoft Agent Frameworkは、AutoGenのマルチエージェント機能とSemantic Kernelの企業向け機能を統合した後継フレームワークです。2026年4月3日に.NETとPythonで1.0 GA(安定APIと長期サポート)になりました。

AutoGenは保守モードに入り、新機能は追加されません。AutoGenのREADMEでも、新規ユーザーにはMicrosoft Agent Frameworkから始めるよう案内され、移行ガイドが用意されています。

強み:

  • 順次・並列・ハンドオフ・グループ会話をグラフ型ワークフローで組める
  • チェックポイント、人の承認、ミドルウェア、OpenTelemetryによる観測を標準で備える
  • Microsoft Foundry・Azure OpenAI・OpenAI・Anthropic Claude・Amazon Bedrock・Gemini・Ollamaなど接続先が広い
  • 宣言型(YAML)のエージェント定義や、ローカルで動作を確かめるDevUIがある

弱み:

  • AutoGenからの移行は、会話型からグラフ型への作り直しに近い
  • AutoGen時代の解説記事が多く、検索すると古い情報に当たりやすい
  • A2Aの正式対応状況は、Microsoft Learnで最新の記載を確認する必要がある

料金: 本体は無料(OSS)。Azureやモデルの利用料は別です。

OpenAI Agents SDK:軽量で学習コストが低い

OpenAI Agents SDK(Python版)のGitHubリポジトリの公式イメージ

出典: openai/openai-agents-python GitHub

OpenAI Agents SDKは、Agents(エージェント)・Handoffs(委譲)・Guardrails(入出力チェック)・Sessions(会話の保持)という少ない部品でエージェントを作れるSDKです。2026年4月にはサンドボックス実行と長時間タスク向けのハーネスが追加されました。新ハーネスの中身は「OpenAI Agents SDKの新ハーネス」で詳しく扱っています。

強み:

  • 抽象化が少なく、初めてでも全体像をつかみやすい
  • ガードレールとトレースが標準で入っている
  • MCP対応が手厚く、2026年10月の0.23〜0.24でMCPツールの注釈公開などが追加された
  • Realtime(音声)エージェントを作れる

弱み:

  • OpenAIモデルに最適化されており、他社モデルはアダプター経由になる
  • 複雑な分岐・ループの制御はLangGraphほど細かくない

2026年の変更点: Assistants APIは2026年8月26日に終了しました。ビジュアル編集のAgent Builder(AgentKitの一部)とEvalsは、2026年11月30日に提供終了予定と案内されています(日付は公式のdeprecationsページで確認してください)。移行先はAgents SDK、またはChatGPTのWorkspace Agentsです。マネージド実行のAgents APIは2026年9月10日にパブリックベータが始まりました。

料金: SDKは無料。OpenAI APIの利用料は別です。

Claude Agent SDK:Claude Codeのエージェントを自社アプリに

Claude Agent SDKは、Claude Codeと同じエージェントループと組み込みツール(ファイルの読み書き、コマンド実行、Web検索)を、PythonやTypeScriptから使えるSDKです。旧称はClaude Code SDKで、コーディング専用ではなく汎用のエージェント基盤として使えます。

強み:

  • ファイル操作やコマンド実行を伴う作業を、追加実装なしで任せられる
  • Hooks・サブエージェント・MCP・権限設定・セッション・Skills・プラグインを使える(サブエージェントの考え方は「Claude Codeのサブエージェント」が参考になります)
  • 実行環境ごとAnthropicに任せたい場合は、ホスト型のClaude Managed Agentsを選べる

弱み:

  • Claudeモデル専用
  • 自社製品に組み込む場合、利用者にclaude.aiのログインやサブスクリプション枠を使わせることは原則できず、APIキー認証を使う。製品名に「Claude Code」を入れることも認められていない
  • 複数エージェントを細かく協調させる用途では、LangGraphやMicrosoft Agent Frameworkのほうが向く

料金: SDKは無料。Anthropic APIの利用料は別です。Managed Agentsはトークン料金に加えて、稼働中セッション1時間あたり$0.08がかかります(2026年4月のパブリックベータ開始時の公式発表による)。課金の扱いは「Claude Agent SDKの課金変更」でも整理しています。

Google ADK:ADK 2.0でグラフ型実行に移行

Google ADK(Agent Development Kit)は、Googleが提供するエージェント開発キットです。ADK 2.0がPython(2026年5月19日)、Go(6月30日)、TypeScript(8月21日)の順にGAとなり、Workflow Runtimeによるグラフ型の実行エンジンに移りました。

強み:

  • 決まった手順の処理、動的に分岐する処理、複数エージェントの協調を同じ仕組みで書ける
  • A2A(エージェント同士の通信)とMCPに対応
  • デプロイ先としてAgent Runtime・Cloud Run・GKEの手順が公式にそろっている

弱み:

  • Geminiとの組み合わせを前提にした機能が多い
  • ADK 1系から2系への移行では、実行モデルの変更に合わせた書き換えが必要
  • 以前は4言語対応とされていたが、ADK 2.0の公式ページに載っているのはPython・TypeScript・Goの3言語。Javaで使う場合は現行の対応状況を確認する必要がある

料金: SDKは無料。Google Cloud・Geminiの利用料は別です。

Dify:ノーコードで組める定番

ノーコードのAIアプリ開発基盤Difyの公式イメージ

出典: Dify 公式サイト

Difyは、GUIでチャットボット・ワークフロー・エージェント・RAG(ナレッジ)を作れるプラットフォームです。GitHub Starsは約15.9万で、この領域で最大級です。画面が日本語に対応しており、非エンジニアでも扱いやすいのが特徴です。基本機能は「Difyとは」で詳しく解説しています。

強み:

  • ドラッグ&ドロップでワークフローとRAGを組める
  • Dockerでセルフホストでき、社外にデータを出したくない場合にも対応しやすい
  • MCPサーバー機能やプラグインで外部と連携できる

弱み:

  • コードレベルの細かい制御や、大規模で複雑なロジックには向かない
  • ライセンスはApache 2.0をもとにした独自条件付き。商用利用はできるが、書面の許可なくマルチテナントのSaaSとして提供すること、画面のロゴや著作権表示を消すことは認められていない
  • 2026年はXSSやテナントをまたぐ情報参照、MCPサーバー機能の権限不備(IDOR)などの脆弱性が公表された。セルフホストする場合は更新の手間がかかる

料金: セルフホストは無料。Cloud版はSandbox無料、Professional $590/年、Team $1,590/年、Enterpriseは個別見積です。月払いの金額は公式の料金ページで確認してください。

ノーコードで済むか、コードで作るべきかの判断は「ノーコードとAIエージェントの違い」が参考になります。

Mastra:TypeScriptファーストの新鋭

TypeScript製AIエージェントフレームワークMastraの公式イメージ

出典: Mastra 公式サイト

Mastraは、TypeScriptで書くAIエージェントフレームワークです。2026年1月に1.0に到達しました。npm create mastra@latest で雛形を作れます。

強み:

  • エージェント・ワークフロー・メモリ・評価・トレースが1つのフレームワークにまとまっている
  • ワークフローを一時停止して承認を待ち、そこから再開できる
  • モデルを文字列で指定して多数のプロバイダーに切り替えられる
  • 入出力のガードレール、Express・Honoなどのサーバーアダプターがある

弱み:

  • TypeScriptのみ(Pythonは非対応)
  • 1.0から1年たっておらず、長期運用の実績はこれから
  • ee/ 配下(認証や一部のビルダー機能)は別ライセンス。自社製品に組み込む場合は条件を確認する必要がある

料金: OSSは無料。Mastra CloudはStarter無料(従量)、Team $250/月、常時稼働サーバーは1プロジェクト$100です。

Vercel AI SDK:Webアプリへの組み込みに強い

Vercel AI SDKは、TypeScriptでAI機能を作るためのツールキットです。2026年6月25日に公開されたAI SDK 7が最新で、Webアプリに組み込むだけでなく、エージェントの本番運用に必要な機能も入りました。

強み:

  • WorkflowAgent で、再起動やデプロイ、承認待ちをはさんでも処理を続きから再開できる(耐久実行)
  • ツール実行前の承認関数と、改ざんを防ぐHMAC署名付きの承認に対応
  • SandboxSession で隔離環境でのコード実行を扱える
  • React / Next.jsのストリーミングUIとの相性がよい。MCP(MCP Appsを含む)に対応

弱み:

  • TypeScriptのみ
  • v6からv7への移行には設計変更を伴う部分がある(npx @ai-sdk/codemod v7 で一部を自動変換できる)
  • 重いバックエンド処理だけを組む用途なら、LangGraphやMastraのほうが合う場合がある

料金: SDKは無料。モデルの利用料やホスティング費用は別です。

Pydantic AI:型安全のPythonエージェント

Pydantic AIは、データ検証ライブラリPydanticの開発チームが作るエージェントフレームワークです。現行はv2系(2.56系)です。

強み:

  • 型安全な構造化出力で、LLMの出力をそのまま業務データとして扱いやすい
  • 依存性注入でテストを書きやすい
  • 主要なLLMプロバイダーに幅広く対応。MCP・A2Aにも対応
  • Logfireと連携して観測できる

弱み:

  • 複数エージェントの協調はCrewAIやMicrosoft Agent Frameworkほど充実していない
  • 2026年にAG-UIアダプタの脆弱性が公表され、修正版(2.5.0)が出ている。古いバージョンのまま使わないよう注意

料金: 完全無料(OSS)。

LlamaIndex:RAG・文書処理に特化

LlamaIndexは、RAG(検索拡張生成)と文書処理に強いフレームワークです。エージェントはWorkflowsを中心に組みます。RAGの基本は「RAGとは」で解説しています。

強み:

  • PDFや表を含む文書の解析(LlamaParse)と検索が強い
  • Workflowsでイベント駆動のエージェントを組める
  • ベクターDB・SQL・APIをまたぐ検索を作りやすい

弱み:

  • 汎用のエージェント制御はLangGraphなどのほうが細かい
  • 文書解析の有料基盤(LlamaCloud)を使うと、費用が別にかかる

料金: OSSは無料。LlamaCloudはFree(1万クレジット)、Starter $50/月、Pro $500/月などです(地域版ページの表示のため、契約前に公式で確認してください)。

Strands Agents + Amazon Bedrock AgentCore:AWSで組んで動かす

AWSでは、エージェントを作るSDKと動かす基盤が分かれています。Strands AgentsはAWSが公開するOSSのSDK(Python・TypeScript)で、Amazon Bedrock AgentCoreは実行・認証・メモリ・観測などを担うマネージド基盤です。従来の「Amazon Bedrock Agents」に代わり、現在はこの組み合わせが中心です。

強み:

  • AgentCoreはフレームワークを選ばず、Strandsのほか LangGraph・CrewAI・LlamaIndexなども載せられる
  • Runtime・Gateway・Memory・Identity・Policy・Evaluations・Browser・Code Interpreter・Observabilityを部品として使える
  • 2026年9月21日には既製のエージェント「Strands harness」がOSSで公開された(AWSはトークン費用の削減を主張しているが、自社ベンチマークの数字である点に注意)

弱み:

  • AgentCoreはAWS専用で、料金は複数の従量課金の合算になり見積もりが難しい
  • 短期メモリの課金体系が2026年10月6日に変わるなど、料金改定を追う必要がある

料金: Strands Agentsは無料。AgentCoreは従量課金で、Runtimeは$0.0895/vCPU時から、Gatewayは1,000呼び出しあたり$0.005などです。新規AWS顧客には最大$200の無料枠クレジットがあります。CLIやマネージドハーネスの使い方は「AWS Bedrock AgentCore CLI」で紹介しています。

Agno:軽量なPythonマルチエージェント

Agnoは、Pythonで複数のエージェントをチームとして動かせる軽量なフレームワークです。GitHub Starsは約4.3万で、現行は3.1系です。

強み:

  • 少ないコードでエージェントとチームを定義できる
  • モデルを選ばず使える。MCPのツールも組み込める

弱み:

  • 日本語の情報はまだ少ない
  • 本番運用の事例は、LangGraphやCrewAIに比べて見つけにくい

料金: OSSは無料(Apache 2.0)。

2026年の注目トレンド

AutoGenの後継となるMicrosoft Agent FrameworkのGitHubリポジトリの公式イメージ

出典: microsoft/agent-framework GitHub

2026年は、主要フレームワークの「1.0到達」と「古い基盤の終了」が重なった年です。いま使っている基盤が保守モードや提供終了になっていないかを、まず確認してください。

2026年に起きた主な変更と移行先

時期

変更

使っている場合の対応

2025年10月(時期は報道ベース)

AutoGenが保守モードに

Microsoft Agent Frameworkへ移行(移行ガイドあり)

2025年10月

LangChain / LangGraph 1.0

0.x系からの更新を計画する

2026年1月

Mastra 1.0

0.x系からの更新を計画する

2026年4月3日

Microsoft Agent Framework 1.0 GA

新規はここから始める

2026年5〜8月

Google ADK 2.0 GA(Python・Go・TypeScript)

1系からグラフ型実行への書き換えを検討

2026年6月25日

Vercel AI SDK 7

codemodで移行し、承認・耐久実行を取り入れる

2026年8月26日

OpenAI Assistants API 終了

Responses API・Agents SDKへ移行

2026年11月30日(予定)

OpenAI Agent Builder・Evals 提供終了

Agents SDKまたはWorkspace Agentsへ

MCP(Model Context Protocol)が事実上の標準に

MCPは、エージェントとツール・データソースの接続方法をそろえるオープンな規格です。2025年12月にLinux Foundation傘下のAgentic AI Foundationへ移管され、現行の仕様は2026年7月28日版です。この版ではリクエストのステートレス化が進み、拡張としてTasks・MCP Apps・Skills over MCPが加わりました。

本記事で比較した13フレームワークは、いずれもMCPのツールを使えます。MCPに対応したツールなら一度作れば複数のフレームワークで使い回せるため、乗り換えのコストも下がります。MCPの仕組みは「MCPとは」で解説しています。

A2A(Agent-to-Agent)プロトコルが標準化の段階へ

A2Aは、異なるフレームワークで作ったエージェント同士がやり取りするための規格です。2026年3月にv1.0が公開され、8月にはMCPと同じAgentic AI Foundationのホストプロジェクトになったと報じられています。現時点で標準対応がはっきりしているのはGoogle ADKやPydantic AIなどで、ほかは対応状況にばらつきがあります。詳しくは「A2Aプロトコルとは」を参照してください。

公式SDKとモデルを選ばないOSSの二極化

OpenAI・Anthropic・Google・Microsoft・AWSが、それぞれ公式SDKと実行基盤をそろえました。公式SDKは自社モデルの新機能がすぐ使える一方、モデルの切り替えはしにくくなります。将来モデルを変える可能性が高いなら、LangGraph・Mastra・Pydantic AIなどモデルを選ばないOSSを選ぶほうが安全です。

TypeScriptエコシステムの成長

AIエージェント開発は長くPythonが中心でしたが、Mastra(約2.9万スター)やVercel AI SDK(約2.7万スター)が伸び、Google ADKもTypeScript版をGAにしました。Next.jsやReactで作るWebアプリにエージェントを組み込むなら、TypeScriptのフレームワークが第一候補になっています。

セキュリティ・ガバナンス観点の比較

人気のフレームワークでも脆弱性は毎年見つかります。「どれが安全か」より「承認・権限・更新の仕組みを作れるか」で比べるのが実務的です。

2026年にGitHubのセキュリティ勧告で公表されたものを見ると、LangChainではパストラバーサルや安全でないデシリアライズ、LangGraphではチェックポイント読み込みやカスタム認証の不備、Difyではチャット画面のXSSやテナントをまたぐ情報参照が報告されています。いずれも修正版が出ているため、依存ライブラリを定期的に更新していれば防げたものです。

安全機能の比較

観点

対応が充実しているフレームワーク・基盤

備考

人の承認(取り消しにくい操作の前に止める)

LangGraph(interrupt)、Vercel AI SDK 7(承認関数・HMAC署名)、Microsoft Agent Framework、OpenAI Agents SDK、Claude Agent SDK(権限設定・Hooks)、Mastra

承認の記録を残せるかも確認する

サンドボックス実行

OpenAI Agents SDK、Vercel AI SDK 7(SandboxSession)、AgentCore(Code Interpreter)、Claude Managed Agents

コード実行やファイル操作を本番環境から切り離す

ガードレール(入出力チェック)

OpenAI Agents SDK、Mastra、CrewAI AMP

機密情報の出力や不適切な入力を止める

ポリシー・統制

AgentCore(Policy・Identity)、CrewAI Enterprise(SSO・RBAC・PIIマスキング)

誰がどのエージェントを使えるかを管理

セルフホスト(データを社外に出さない)

LangGraph、CrewAI、Dify、Mastra、Pydantic AI ほかOSS全般

更新とパッチ適用は自社の責任になる

共通のセキュリティ注意事項

どのフレームワークを選んでも、次の対策は必要です。

  • 間接プロンプトインジェクション: Webページやメールなど外部データに埋め込まれた指示でエージェントの目的が乗っ取られる攻撃です。OWASPが2025年12月に公開した「Top 10 for Agentic Applications」でも筆頭(ASI01)に挙げられています
  • ツールの権限を最小にする: MCPの公式仕様でも、ツールは任意のコード実行として扱い、信頼できないサーバーの説明文は信用せず、実行前に利用者の同意を取るよう求めています
  • 依存ライブラリの更新: セキュリティ勧告を購読し、修正版を早めに取り込む
  • データの送信先: クラウド版を使う場合はデータの保存先と学習利用の有無を確認し、機密データはセルフホストを検討する

具体的な対策の進め方は「AIエージェントのセキュリティ対策」、生成AI全般のリスクは「生成AIのセキュリティリスクと対策」で解説しています。

フレームワーク乗り換えのコストと注意点

ツール連携の共通規格Model Context Protocol(MCP)の公式イメージ

出典: Model Context Protocol 公式サイト

フレームワーク選定で見落としやすいのが、乗り換えのコストです。2026年はAutoGenの保守モード入り、ADK 2.0やAI SDK 7のメジャー更新が重なり、実際に作り直しを迫られたチームも少なくありません。

乗り換えが重くなる理由は次の3つです。

  • ツール定義の形式が違う: フレームワーク固有の書き方で作ったツールは、そのまま持ち込めない
  • 状態管理の仕組みが違う: チェックポイントや会話履歴の保存形式はフレームワークごとに異なる
  • デプロイ先が違う: LangSmith Deployment、AgentCore、Dify Cloudでは運用の手順がまったく違う

対策として、ツールはMCPサーバーとして切り出しておくと、フレームワークを変えても使い回せます。業務ロジックをフレームワークの外に置き、エージェントからは呼び出すだけにしておくのも有効です。

PoCで動いたエージェントを社内業務に載せる段階では、フレームワークの機能とは別に、承認フロー・権限・ログ・止める手順・失敗時の再実行を設計して作り込む必要があります。エージェントを試すだけでなく、自社の業務で承認・停止・再実行まで含めて動かすときに何を追加開発するかは「AIエージェントの本番導入で追加する開発範囲」で整理しています。

こんな方におすすめ / おすすめしないケース

こんな方におすすめ

状況

おすすめのフレームワーク

Pythonチームで複雑なワークフローを本番運用したい

LangGraph

まずはマルチエージェントの動作を素早く試したい

CrewAI

TypeScript / Next.jsのWebアプリにエージェントを組み込みたい

Vercel AI SDK / Mastra

非エンジニアが社内向けのAIツールを作りたい

Dify

OpenAIのモデルだけで手軽にエージェントを作りたい

OpenAI Agents SDK

Claudeにファイル操作やコマンド実行を任せたい

Claude Agent SDK

.NETやAzureの既存資産を活かしたい/AutoGenから移りたい

Microsoft Agent Framework

Google Cloud・Geminiで統一したい

Google ADK

AWS上でインフラ管理を減らしたい

Strands Agents + Bedrock AgentCore

RAG・社内文書検索に特化したい

LlamaIndex

型安全・テスト容易性を重視するPython開発者

Pydantic AI

おすすめしないケース

状況

避けた方が良いフレームワーク

理由

これから新規に開発を始める

AutoGen

保守モードで新機能が入らない

小さなタスクを手軽に自動化したいだけ

LangGraph

機能が多すぎる。OpenAI Agents SDKやDifyのほうが手軽

Pythonが必須の環境

Mastra / Vercel AI SDK

TypeScript専用

LLMプロバイダーを頻繁に切り替えたい

OpenAI Agents SDK / Claude Agent SDK / Google ADK

特定のモデルに最適化されている

コードを一切書きたくない

LangGraph / Pydantic AI / Mastra

コードで書く前提の設計

自社製品をマルチテナントのSaaSとして提供したい

Dify(書面の許可がない場合)

ライセンスで制限されている

AWS以外のクラウドで動かしたい

Bedrock AgentCore

AWS専用

英語のドキュメントを読む体制がない

Agno / Pydantic AI / Strands

日本語の情報が少ない

よくある質問(FAQ)

Q1. AutoGenで作ったエージェントは今すぐ移行すべき?

すぐに動かなくなるわけではありませんが、新機能やモデルへの追従は期待できません。セキュリティ修正の扱いもコミュニティ任せになるため、本番で使い続けるなら移行の計画を立てておくのが無難です。移行先はMicrosoftが案内しているMicrosoft Agent Frameworkで、会話型からグラフ型へ書き換えることになるため、まず重要なワークフローから移すと負担を分散できます。

Q2. OpenAIのAgent Builderで作ったものはどうなる?

Agent Builderは2026年11月30日に提供終了予定と案内されています。ビジュアルで作ったワークフローは、Agents SDKでコードに書き直すか、ChatGPTのWorkspace Agentsに移すかを選ぶことになります。終了日が近いため、本番で使っている場合は公式のdeprecationsページで最新の日付と移行手順を確認してください。

Q3. 毎月の費用はどのくらい見込めばいい?

フレームワーク本体は無料なので、費用の大半はLLM APIの利用料です。エージェントは1回の依頼でモデルを何度も呼び、ツールの結果も入力に含めるため、同じ回数のチャットより数倍のトークンを使うことがあります。PoCの段階で1タスクあたりのトークン数を計測し、想定件数を掛けて見積もるのが確実です。

Q4. フレームワークを使わずにLLM APIを直接呼ぶのはダメ?

ツールを1〜2個呼ぶだけの単純な処理なら、APIを直接呼ぶほうが軽く済みます。途中で止めて人が承認する、失敗したら続きから再開する、複数のエージェントに分担させるといった要件が出てきた時点で、フレームワークを使うほうが早く安全に作れます。

Q5. MCP対応のフレームワークを選ぶべき?

2026年10月時点では、主要フレームワークのほぼすべてがMCPに対応しているため、MCP対応の有無で差はつきにくくなっています。比べるなら、MCPサーバーの認証やツールの承認をどこまで細かく設定できるかを見るのがおすすめです。

Q6. 初心者が最初に触るならどれがよい?

コードを書くなら、部品が少ないOpenAI Agents SDKか、役割分担で直感的に組めるCrewAIが入りやすい選択肢です。コードを書かずに試したい場合は、日本語の画面と解説記事が多いDifyが向いています。

まとめ

AIエージェントフレームワークは、2026年10月時点では「チームの言語」「モデルを固定するか」「コードを書くか」「どのクラウドで動かすか」の4つで絞り込むと迷いにくくなります。

  • Python × 複雑なワークフロー・本番運用 → LangGraph
  • Python × 手軽なマルチエージェント → CrewAI
  • Python × 型安全・テスト重視 → Pydantic AI
  • TypeScript × Webアプリ統合 → Vercel AI SDK / Mastra
  • ノーコード → Dify
  • 特定モデルに最適化 → OpenAI Agents SDK / Claude Agent SDK / Google ADK
  • Azure・.NET(AutoGenからの移行を含む) → Microsoft Agent Framework
  • AWS → Strands Agents + Bedrock AgentCore

あわせて、AutoGenは保守モード、OpenAI Assistants APIは終了済み、Agent Builderは2026年11月30日に終了予定という状況を前提に、新規開発ではこれらを選ばないようにしてください。

フレームワーク本体はどれも無料なので、候補を2つに絞ったら同じ業務タスクで小さなPoCを作り、トークン消費量・承認の組み込みやすさ・トレースの見やすさを比べるのが確実です。各フレームワークは更新が速いため、採用前には公式ドキュメントで最新版を確認してください。

AIエージェントの基礎知識は「AIエージェントとは?」、完成品のエージェント製品の比較は「AIエージェントおすすめ比較」で解説しています。開発支援のAIツールを探している方は「AIコーディングツールおすすめ比較」もあわせてご覧ください。

依頼範囲と費用の目安を30分で整理します

この記事の著者

AI革命

AI革命

編集部

AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。

AI・システム開発は、開始価格を公開しています

既存システムの改修 100万円〜・PoC 300万円〜(税別)。相談内容を送っていただくと、2営業日以内に担当者からご返信します