CrewAI と Microsoft Agent Framework:レポートを分担した後、引き継ぎと受け入れ判定は誰が担うか

固定順序の Python レポートタスクなら、まず CrewAI を試せる。引き継ぎ、議論、複数のオーケストレーションを区別したい場合や、Python/.NET サービスに組み込む場合は Microsoft Agent Framework を優先して評価できる。選択の鍵は制御権、終了条件、出力の受け入れ判定であり、エージェントの数ではない。

ソース: github.com
2026年11月11日
11 min

調査、執筆、レビューを別々のエージェントに任せると、難しさはすぐに「誰がどの部分を担当するか」から「誰が次に進めるか、誰に終了する権限があるか」に変わる。成果物の受け渡し順が固定された Python のレポートプロジェクトでは、CrewAI のタスクと役割の表現が業務分担に近い。一方、逐次、並列、引き継ぎ、議論の方式を明示的に選び、既存の Python または .NET サービスに組み込みたいチームは、Microsoft Agent Framework を優先して評価する価値がある。いずれも、レポートを合格とする基準はチームが自分たちで定義しなければならない。

以下では「研究担当が証拠を整理し、執筆担当が起草し、レビュー担当が差し戻すか受け入れる」を分析シナリオとする。2026 年 11 月 10 日に確認した公式ドキュメントに基づくもので、実行テストではない。新規プロジェクトで古い AutoGen 比較をそのまま流用すべきではない。公式リポジトリは既にアーカイブを宣言しており、バグ修正、セキュリティ修正、サポートは提供されず、新規ユーザーには Microsoft Agent Framework を推奨している。

エージェントの話し方より先に、成果物への責任を決める

CrewAI のプロセスドキュメントは逐次プロセスと階層型プロセスを区別する。逐次プロセスはタスクリストに沿って実行され、先行する結果を後続のコンテキストにでき、context で依存関係を明示することもできる。階層型には manager_llm または manager_agent が必要で、マネージャーが作業を割り振り、確認する。証拠がそろってから結論を書く必要があるなら、マネージャーに自由に割り振らせるより逐次タスクの方がその要件を表現しやすい。タスクの割り振り自体に動的な判断が必要な場合にこそ、マネージャーの用途が明確になる。

これは CrewAI が直線的なタスクしか実行できないという意味ではない。Flows は条件分岐ルーティングと人のフィードバックを待つ一時停止を提供し、Crew をより大きなフローに組み込める。証拠が不足すれば追加調査に戻り、レビューに通った場合にだけ納品へ進む、といった構成だ。ただし、分岐とそのデータの取り決めはチームで実装する必要があり、役割の記述だけで信頼できる受け入れフローが自動生成されるわけではない。

Microsoft Agent Framework のオーケストレーション一覧には Sequential、Concurrent、Handoff、Group Chat、Magentic がある。レポートタスクなら、固定パイプラインには Sequential、独立した資料調査には Concurrent、執筆担当とレビュー担当が議論を繰り返すなら Group Chat を検討できる。方式の数が多いことは品質の高さを証明しないが、順番に成果物を渡すのか、独立した結果を統合するのか、次の行動を協議するのかを、設計者が先に明確にするきっかけになる。

特に、Handoff を「同僚に少し調べてもらう」と捉えてはいけない。公式説明は、引き継ぎとエージェントをツールとして呼び出す方式を区別する。前者は制御とタスク責任を移し、後者はサブタスクを終えた後に主エージェントへ戻る。執筆担当が引き続きレポート全体をまとめるなら、通常は主たる責任を保持したまま調査機能を呼び出すべきだ。案件そのものを専門家に渡す場合にこそ Handoff が責任関係に合う。この方式ではエージェントがローカルのツール実行をサポートする必要もあり、モデルとエージェント実装の選択時に併せて確認しなければならない。

生成の停止は、レビュー合格ではない

CrewAI のタスク機構は構造化出力、guardrail 検証、guardrail_max_retries をサポートする。検証が失敗するとエラーをエージェントに返し、設定範囲内で再試行する。「出典リンクが必須」「フィールドを空にしない」をプログラムによるチェックにし、より主観的な表現の質は別途レビュー担当に任せる構成に適する。最後のタスクの出力が Crew の最終出力になるため、納品用の整理と受け入れ判定を明示的な最終段階に置くべきであり、研究担当が最後に述べた内容を完成稿とみなすべきではない。フィールドが適格でも、引用が実際に結論を裏付けることは証明できない。

Microsoft の Group Chat ドキュメントでは、発言者選択と終了ロジックをカスタマイズできる。Python の例は termination_condition、.NET の例は MaximumIterationCount で反復回数を制限する。組み込む際は実際の言語とパッケージバージョンに合わせて確認し、パラメーターを互いにそのまま転用してはいけない。また Handoff はデフォルトで対話型である。エージェントが返答しても引き継がなければ、ユーザー入力待ちに戻る場合がある。無人運用のレポート処理では自律的な継続と停止の境界を明示的に設定し、待機を完了と誤記しないようにする必要がある。

両者とも、終了を「レビュー合格」「人による対応待ち」「予算または再試行上限に到達」に分けることを勧める。例えば、レビュー担当による差し戻しを最大2回と独自に定め、それでも証拠が不足するなら生成を続けず責任者に渡せる。この回数はルールの例であり、製品のデフォルト値ではない。モデルが完了したと判断すること、反復回数の上限に達すること、業務側が納品に同意することは、異なる結果として保持しなければならない。

本番投入前にレビューと運用の責任も織り込む

CrewAI のオープンソースフレームワークと AMP マネージドプラットフォームは分けて考える必要がある。AMP はデプロイ、監視、マネージドインフラを提供するが、これらを Python ライブラリのインストールだけで自然に得られる運用能力とみなしてはいけない。自前で構築するなら、モデル接続、ツールの認証情報、実行環境、失敗アラートには引き続き担当者が必要だ。

Microsoft Agent Framework も Python と .NET に対応するオープンソース SDK であり、C# でしか実行できるわけでも、Azure にホストさせる必要があるわけでもない。ホスティングガイドは Foundry Hosted Agents とセルフホスティングを区別する。前者はサービス側がインフラを稼働させ、後者ではアプリケーションが ID、認可、ストレージ、デプロイ、スケーリングを担当する。個々の連携パッケージには独立したリリース状況もある。セルフホスティングの説明では一部のホスティングパッケージが引き続きプレリリースとされており、フレームワークの成熟度から全デプロイコンポーネントが安定版だと推定できない。Foundry を選ぶ場合にも、サブスクリプション、プロジェクト、モデルのデプロイ、必要な権限を別途準備する必要がある。

試用時は両者に同じ資料を処理させ、出典の欠落、レビュー不合格、ツールのタイムアウトを意図的に加えるとよい。拒否が納品を止めるか、再試行で失敗理由が保持されるか、復旧後にレポートが重複送信されないかを確認する。調査やレビューのエージェントに直接公開権限を持たせず、外部への送信は独立した照合可能な納品ステップに置く。以上は受け入れ検証の提案であり、どちらかのフレームワークがこれらの動作を自動保証すると主張するものではない。

主な目的が Python のレポート業務を明確なタスクに分けることなら、まず CrewAI の逐次 Crew と外側の Flow を試すとよい。複数の制御権関係を区別する必要がより大きい場合や、既存の Python/.NET サービスに協調処理を組み込む場合は、Microsoft Agent Framework を先に試す。単一エージェントと決定的なチェックで仕事を完了できるなら、まずシンプルな構成を維持するべきだ。役割の追加に価値があるのは、責任と受け入れ判定が本当に異なる場合に限られる。

内容説明:本記事は公開情報をもとに整理した、ツール選定の参考情報です。機能、料金、関連ポリシーは随時変更される場合があります。最新の公式情報をご確認ください。

元の出典:github.com