私は、複数のAIエージェントが明示的な統治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っている人にとって、アーキテクチャが面白いかもしれないので共有します。
何ができるか： 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、明示的な引き継ぎによって協力し、成果物を作成します。QAエージェントが出力を検証します。エスカレーションは人の承認のために表に出ます。
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統治および実行レイヤーです。
- ツール呼び出しは、MCPゲートウェイ経由で行われ、役割ごとの権限チェックと監査ログが付く
- エージェント間で共有の可変状態がゼロ——協力は構造化された引き継ぎのみ
- 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）
- 追記のみのタスクのバージョニング——変更のたびに、著者と理由付きで新しいバージョンが作られる
- 組み込みの評価エンジンが、品質、イテレーション回数、レイテンシ、コスト、ポリシー準拠をスコア化する
- 重み付きの計算式によるエージェントの評判スコア（QAパス率、イテレーション効率、レイテンシ、コスト、信頼性）
アーキテクチャ： 境界を厳密に定めた5層構成——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）、エージェントランタイム（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、プラグイン可能なLLMプロバイダ（OpenAI、Anthropic、Azure）、MCPプロトコル。
設定可能： 異なるチーム向けプリセット（ソフトウェア、マーケティング、カスタム）、異なる統治ルールを持つ運用モデル、プラグイン可能なLLMバックエンド、再利用可能なスキル、MCPに基づく連携。
みなさん、ぜひこの点についてご意見を聞かせてください。そして、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
[link] [comments]
