最新の AI ニュースを、いち早く。

私たちがデザインエージェントをどのように構築したか

LangChainが、ブランドに合わせた動画、グラフィック、プレゼンテーション資料を生成するSlack向けのオープンソース型デザインエージェント「Content Studio」と、それを支えるハーネスをどのように構築したか。

蒸留、議論、発見：グラフから抽出されたインサイトに基づくマルチエージェント研究アイデア創出

arXiv:2610.33366v1 公表タイプ：新規 要旨：大規模言語モデル（LLMs）は、研究アイデアの生成や科学的発見を支援するためにますます活用されています。マルチエージェントによるディベートは、多様な視点を結集して研究アイデアを生み出す協調的な手法です。しかし、重要な課題は、各エージェントにそれぞれ独自で有意義な専門知識を持たせ、その貢献を適切に導く方法を見いだすことです。研究者が共同作業の過程で蓄積された研究成果を活用するように着想を得て、私たちはInsightAgentsというフレームワークを提案します。これは、関連論文のグラフからインサイトを蒸留することで、文献に基づいたエージェントの専門知識を構築するものです。研究の一貫性を追跡し、背後にある仮定を明らかにし、未解決の課題を特定するといったインサイトに導かれながら、ある研究分野において

arXivの新論文では、証拠の検証と重み付けの更新を不要とするプロンプトの修正をサポートする、追跡可能な多モーダル感情推論のエージェントフレームワークが提案されています。

2026年10月26日、arXivはプレプリント論文（番号2610.31685v1）を公開し、凍結型の大規模モデルに基づく追跡可能な多モーダル感情推論エージェントのアーキテクチャを提案した。このアーキテクチャは、モーダル専用の知覚エージェント、統合エージェント、MLLM批判者、および証拠検証段階を通じて、誤りの帰属とプロンプト空間の自己適応型最適化を実現し、MER2025データセットにおいて、複数のオープンソースの多モーダル大規模モデル（2B～38Bパラメータ）の感情認識Fスコアを0.6～2.2ポイント向上させた。

注目する理由本研究は、現在の多モーダル感情推論システムにおいて、指令の微調整コストの高さとエージェントのパイプラインがデバッグ不可能であるという矛盾に着目し、証拠の引用、確実性の検証、失敗の帰因、ターゲット指向のプロンプト修正を統合した、全工程にわたる説明可能なフレームワークを初めて提案する。すべての改良はモデルの重みを変更せず、4つの異なる規模のオープンソースMLLM上で実証的に有効であり、方法論的な革新性と工学的な実用性を備えている。

マルチエージェントLLMシステムにおけるコミュニケーションの失敗の理解

arXiv:2610.32060v1 発表タイプ：新規 要旨：マルチエージェントLLMシステムは、議論や証拠の共有、相互修正を通じて推論能力の向上を図るが、相互作用によっては最終的な精度だけでは説明できないような失敗が生じることもある。エージェントは早期に収束してしまったり、異論を無視したり、正しい少数派の解答を抑圧したり、ラウンド間で誤ったフレーミングを維持したりする場合がある。本研究では、医療QA、コーディング、金融、多段階推論、倫理、そして具現化されたテキストタスクにおいて観察された3,211件のマルチラウンド失敗トラジェクトリーに基づき、コルパスに根ざしたコミュニケーション失敗の分類体系を提示する。この分類体系を用いて、データセットおよびシステム設計ごとの失敗分布、ラウンドレベルでのエラー動態、回復の難易度、多数派への移行、少数派信号の抑制、さらには自己報告された信頼度などを分析する。その結果、

LangChainが「企業向けエージェントフレームワーク」の5つの主要コンポーネントを発表

LangChainは2026年10月25日にブログを公開し、マーケティング、セールス、エンジニアリングの各チーム内でAIエージェント（GTM Agent、OpenSWE、Content Studio）を導入する際に蓄積された、以下の5つの一般的なアーキテクチャ原則を体系的に説明しました。すなわち、ネイティブな統合ワーク環境（Slack）、動的なアイデンティティモデル（OBO＋固定資格情報）、二層メモリ機構（グローバル／ユーザー単位）、サンドボックス化されたコード実行、そして高い割合でのスケジュール実行（手動トリガーではない）です。すべてのエージェントはManaged Deep Agentsプラットフォームに基づいて構築されています。

注目する理由この情報はLangChainの公式ブログから引用したもので、公開日時（2026-10-25T18:06:32.000Z）は現在のシステム時刻（2026-10-25T23:01:18.857Z）より前であり、内容はすでに実装された社内用インテリジェントエージェントの実践事例に焦点を当てています。詳細も具体的で（Slackのスレッド分離、GitHubアカウントの所有権帰属ロジック、NotionやTwitterの権限階層など）、未検証の予測や外部からの主張は含まれておらず、時宜性と事実性の要件を満たしています。

マイクロソフトがAgenshをオープンソース化：1024個の自律協調型AIコーディングエージェントをサポートする分散型フレームワーク

マイクロソフト研究院は2026年10月25日、中央調整者を必要としないマルチエージェント実行時フレームワークであるAgenshをオープンソース化しました。Agenshは、ProgramBench上で1～1024のLLMベースのコーディングエージェントが自己組織的に協調して動作することを支援します。システムはGitea、Mattermost、DeLMスタイルの共有ボードに基づいて分散型の調整を実現しており、すべてのエージェントが同一のプロンプト駆動型五段階ループを実行します。また、Linux＋Docker環境下でスケーラビリティが検証されています。

注目する理由この成果は、マルチエージェントシステムアーキテクチャの重要な進化を示しており、従来の「マスターエージェント」型パラダイムを廃し、プロンプトエンジニアリングと軽量なサービスの組み合わせによって大規模な自己組織化を実現しています。ProgramBenchにおける実証データ（たとえば、128個のエージェントによる5つのタスクの均等分配において49％の性能向上）は、分散型AIの設計・実装に新たなベンチマークを提供しています。また、MITライセンスでオープンソース化されており、Copilot CLIなどの主流な単一エージェントツールとも互換性があるため、実際の開発における参考価値も備えています。

バイエル・クロップサイエンスは、Amazon Bedrock AgentCoreを基に、マルチエージェント型意思決定エンジンADEを構築しました。

バイエル・クロップサイエンスは、育種専門家、アナリスト、研究者向けの自然言語対応マルチエージェントプラットフォームであるAgentic Decision Engine（ADE）をAmazon Bedrock AgentCore上に構築し、これを既存のConnected Decision Engine（CDE）の強化層として位置付け、代替とはしていません。同システムは本番環境で稼働しており、100名を超えるR&Dユーザーにサービスを提供しています。22の分野特化型エージェントと約20のAPIツールにより、問題の約80％をセルフサービスで解決しています。

ディープインサイト：AWSのオープンソース多エージェントシステムは、5つの本番レベルの課題をどのように解決するのか

AWSソリューションアーキテクチャチームが提供するオープンソースのマルチエージェントシステム「Deep Insight」は、CSVデータの自動分析および自然言語によるレポート生成といったユースケースを対象とし、本番環境でよく見られる5つの主要な課題――エージェントのオーケストレーション、役割に応じたモデル選択、安定した運用、安全なコード実行、そして可観測性――に体系的に対応します。また、LGエレクトロニクスやre:Invent 2025 TechReconなど、実際の活用シーンにおいても実証済みです。

AWSが適応型エージェントフレームワークAAIFを発表：Strands Agentsを基に、エッジとクラウドの協調による階層型AIタスクスケジューリングを実現

AWSはAdaptive Agentic Intelligence Framework（AAIF）を提案し、Strands Agentsを用いて階層型エージェントアーキテクチャを構築しています。ローカルの小型言語モデル（SLM）によりタスクを動的にルーティングし、通常のIoTテレメトリや視覚分析はエッジで実行、複雑な推論はAmazon Bedrockのクラウド大規模モデルに委ねます。このフレームワークはハイブリッド展開をサポートし、コストを抑制できるほか、責任あるAIに関する制御勧告も統合されていますが、現時点では概念実証の段階であり、第三者による検証や商用導入に向けたデータは公表されていません。