私は、複数のAIエージェントが明示的なガバナンスルールのもとで構造化された作業を実行するシステムを構築してきました。マルチエージェントシステムを作る人にとって、アーキテクチャが興味深いかもしれないので共有します。
何をするか： 目標を設定します。コーディネータエージェントがそれをタスクに分解します。専門エージェント（開発者、デザイナー、QAなど）は、制御されたツールアクセスを通じて実行し、明示的なハンドオフによって連携し、成果物を作成します。QAエージェントは出力を検証します。エスカレーションは、人間の承認が必要な場合に表面化します。
CrewAI/AutoGen/LangGraphとの違い：
焦点はエージェントそのものではなく、エージェントの周りにあるガバナンスと実行のレイヤーです。
- ツール呼び出しは、役割ごとの権限制御と監査ログを備えたMCPゲートウェイ経由で行われます
- エージェント間で共有される可変状態はゼロ — 連携は構造化されたハンドオフのみ
- 設定可能な承認ワークフローを備えたポリシーエンジン（proceed/block/timeout-with-default）
- 追記のみのタスクバージョン管理 — 変更のたびに、著者と理由付きで新しいバージョンが作成されます
- タスクを品質、反復回数、レイテンシ、コスト、ポリシー遵守でスコアリングする組み込みの評価エンジン
- 重み付きの式によるエージェントの評判スコアリング（QAパス率、反復効率、レイテンシ、コスト、信頼性）
アーキテクチャ： 境界が厳密な5つのレイヤー — フロントエンド（可視化のみ）、APIゲートウェイ（認証/RBAC）、オーケストレーションエンジン（24モジュール）、エージェント実行環境（役割ベース、直接のツールアクセスなし）、MCPゲートウェイ（ツールへの唯一の経路）。
スタック： React + TypeScript、FastAPI、SQLite WAL、プラガブルLLMプロバイダ（OpenAI、Anthropic、Azure）、MCPプロトコル。
設定可能： 異なるチームのプリセット（ソフトウェア、マーケティング、カスタム）、異なるガバナンスルールを持つ運用モデル、プラガブルなLLMバックエンド、再利用可能なスキル、そしてMCPに基づく統合。
みなさん、これについてぜひフィードバックをもらいたいです。あなたが使うのに面白いと思えるかどうか教えてください。
メールアドレス／パスワードで登録してプラットフォームを閲覧できますが、エージェントセッションを操作したい場合は招待コードを送る必要があります。
招待コードのためにDMしてもらって構いません。
さらに、その後はエンジンを動かすためにAnthropicまたはOpenAIのAPIキーを使う必要があります。
ありがとうございます
[link] [comments]
