AIエージェントフレームワーク徹底比較 - LangGraph vs CrewAI vs AutoGen

from langgraph.graph import StateGraph, END

# 状態機械の定義
workflow = StateGraph(AgentState)

workflow.add_node("researcher", research_node)
workflow.add_node("analyst", analysis_node)
workflow.add_node("writer", writing_node)

# フロー定義
workflow.add_edge("researcher", "analyst")
workflow.add_edge("analyst", "writer")
workflow.add_conditional_edges(
    "writer",
    should_continue,
    {"continue": "researcher", "end": END}
)

workflow.set_entry_point("researcher")
app = workflow.compile()

from crewai import Agent, Task, Crew

# エージェント定義（役割）
researcher = Agent(
    role="リサーチャー",
    goal="最新の市場動向を調査",
    backstory="10年の経験を持つ市場アナリスト",
    tools=[search_tool, scrape_tool]
)

analyst = Agent(
    role="データアナリスト",
    goal="データから洞察を抽出",
    tools=[python_repl, data_viz_tool]
)

# タスク定義
research_task = Task(
    description="2025年のAI市場規模を調査",
    agent=researcher
)

analysis_task = Task(
    description="調査結果を分析してトレンドを特定",
    agent=analyst,
    context=[research_task]  # 依存関係
)

# Crew組成
crew = Crew(
    agents=[researcher, analyst],
    tasks=[research_task, analysis_task],
    process="sequential"  # or "hierarchical"
)

result = crew.kickoff()

from autogen import AssistantAgent, UserProxyAgent, GroupChat, GroupChatManager

# エージェント定義
researcher = AssistantAgent(
    name="Researcher",
    llm_config={"model": "gpt-4"},
    system_message="あなたはリサーチ専門家です。"
)

coder = AssistantAgent(
    name="Coder",
    llm_config={"model": "gpt-4"},
    system_message="あなたはPython開発者です。",
    code_execution_config={"use_docker": True}
)

user_proxy = UserProxyAgent(
    name="User",
    code_execution_config={"use_docker": True},
    human_input_mode="NEVER"
)

# グループチャット
groupchat = GroupChat(
    agents=[user_proxy, researcher, coder],
    messages=[],
    max_round=10
)

manager = GroupChatManager(groupchat=groupchat)

# タスク開始
user_proxy.initiate_chat(
    manager,
    message="2025年のAI市場規模を調査し、Pythonでグラフ化してください。"
)

from langgraph.graph import StateGraph, END
from typing import TypedDict

class State(TypedDict):
    query: str
    research_data: str
    analysis: str
    report: str

def research_node(state: State):
    # リサーチ処理
    data = search_web(state["query"])
    return {"research_data": data}

def analysis_node(state: State):
    # 分析処理
    analysis = analyze_data(state["research_data"])
    return {"analysis": analysis}

def report_node(state: State):
    # レポート作成
    report = generate_report(state["analysis"])
    return {"report": report}

workflow = StateGraph(State)
workflow.add_node("research", research_node)
workflow.add_node("analysis", analysis_node)
workflow.add_node("report", report_node)

workflow.add_edge("research", "analysis")
workflow.add_edge("analysis", "report")
workflow.add_edge("report", END)

workflow.set_entry_point("research")
app = workflow.compile()

result = app.invoke({"query": "2025年AI市場"})

from crewai import Agent, Task, Crew

researcher = Agent(
    role="マーケットリサーチャー",
    goal="市場データを収集",
    tools=[search_tool]
)

analyst = Agent(
    role="データアナリスト",
    goal="データを分析してトレンド抽出",
    tools=[analysis_tool]
)

writer = Agent(
    role="レポートライター",
    goal="分析結果から読みやすいレポート作成",
    tools=[writing_tool]
)

task1 = Task(description="2025年AI市場を調査", agent=researcher)
task2 = Task(description="調査データを分析", agent=analyst, context=[task1])
task3 = Task(description="レポート作成", agent=writer, context=[task2])

crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[task1, task2, task3],
    process="sequential"
)

result = crew.kickoff()

from autogen import AssistantAgent, UserProxyAgent

researcher = AssistantAgent(
    name="Researcher",
    system_message="市場リサーチ専門家"
)

analyst = AssistantAgent(
    name="Analyst",
    system_message="データ分析専門家"
)

writer = AssistantAgent(
    name="Writer",
    system_message="レポートライター"
)

user_proxy = UserProxyAgent(name="User")

# 会話開始
user_proxy.initiate_chat(
    researcher,
    message="2025年AI市場を調査してください"
)

# researcher → analyst → writer と会話が進む