インコンテキスト・プロンプティングは手順型タスクでのエージェント・オーケストレーションを時代遅れにする

要旨: エージェントのオーケストレーションフレームワーク――LangGraph、CrewAI、Google ADK、OpenAI Agents SDK など――は、LLMの外側に外部オーケストレータを配置し、状態を追跡し、あらゆるターンでルーティング指示を注入します。本稿では、このアーキテクチャが手続き（手順）型のタスクにおいてはより単純な代替案に支配されることを示す、制御された比較を提示します。具体的には、手順全体をシステムプロンプトに入れ、モデルに自己オーケストレーションさせる方法です。3つの領域――旅行予約（14ノード）、Zoomの技術サポート（14ノード）、保険請求処理（55ノード）――において、条件ごとに200会話を、LLMを判定者（judge）として用いる採点（5つの品質基準）で評価します。文脈内アプローチは、5点満点の尺度で4.53～5.00を獲得する一方、同じモデルを用いたLangGraphオーケストレータは4.17～4.84です。オーケストレーションされたシステムは、旅行で24%、Zoomで9%、保険で17%の会話に失敗しますが、文脈内ベースラインではそれぞれ11.5%、0.5%、5%です。外部オーケストレーションは、より初期のモデルに対しては必要だった可能性がありますが、最前線（frontier）モデルの能力が進歩したことで、定義された手順に従うマルチターン会話ではもはや不要になりました。