{"ok":true,"entity":{"id":"multi-agent-system","name":"Multi-Agent System","entityType":"concept","officialName":"Multi-Agent System","canonicalName":"Multi-Agent System","displayName":"Multi-Agent System","category":"マルチエージェントシステム","shortDescription":"複数の独立したAIエージェントが、それぞれ専門化した役割・プロンプト・ツールを持ちながら連携して複雑なタスクに取り組む仕組み。単一エージェントでは対応しきれない分業・並列化が可能になる。","primaryCluster":"ai-concepts","verificationStatus":"draft","website":null,"updatedAt":"2026-07-20T11:04:59.119Z","secondaryClusters":[],"alias":[],"searchKeywords":["マルチエージェント","multi-agent system","エージェント連携"]},"references":[{"id":"P-01-001","companyId":"multi-agent-system","questionId":"P-01-001","instanceId":"QIN-multi-agent-system-P01-001","promptText":"マルチエージェントシステムとは何ですか？","promptTypeId":"P-01","answer":"マルチエージェントシステムとは、それぞれが独自のプロンプト・LLM・ツールを持つ複数の独立したAIエージェントを特定の構成で接続し、連携して複雑なタスクに取り組む仕組みです。LangChainの公式ドキュメントで定義されています。","evidencePoints":["ev-multi-agent-system-1"],"scope":"複数の独立したAIエージェントが連携する仕組みの定義","differentiation":"単一のAIエージェントとは異なり、役割を分担した複数のエージェントが協調する点が特徴","faq":[],"pageUrl":"https://www.refbase.ai/reference/multi-agent-system/P-01-001","sourceEvidence":[{"id":"ev-multi-agent-system-1","text":"LangChainの公式ドキュメントは、マルチエージェントシステムを、それぞれが大規模言語モデルを搭載した独立したアクターを特定の構成で接続したものと定義し、各エージェントが独自のプロンプト・LLM・ツール・カスタムコードを持って他のエージェントと協調できると説明する。","title":"Multi-agent - Docs by LangChain","coverageType":["Identity","Capability"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://docs.langchain.com/oss/python/langchain/multi-agent","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"multi-agent-system"}],"generatedAt":"2026-07-20T11:04:59.119Z"},{"id":"P-02-001","companyId":"multi-agent-system","questionId":"P-02-001","instanceId":"QIN-multi-agent-system-P02-001","promptText":"マルチエージェントシステムと単一のAIエージェントはどう違いますか？","promptTypeId":"P-02","answer":"単一のAIエージェントは、適切なツールとプロンプトを備えていれば多くのタスクに対応できます。マルチエージェントシステムは、専門化した複数のエージェントに役割を分担させる構成で、単一エージェントでは対応しきれない分業・並列化が必要な複雑なワークフローに向いています。","evidencePoints":["ev-multi-agent-system-2"],"scope":"単一エージェントとマルチエージェントの使い分けの基準","differentiation":"タスクの複雑さに応じて構成を選択する点が特徴で、必ずしもマルチエージェントが優れているわけではない","faq":[],"pageUrl":"https://www.refbase.ai/reference/multi-agent-system/P-02-001","sourceEvidence":[{"id":"ev-multi-agent-system-2","text":"同ドキュメントは、複雑なワークフローすべてがマルチエージェント構成を必要とするわけではなく、適切なツールとプロンプトを備えた単一エージェントで同等の結果を達成できる場合が多いと明記し、単一エージェントとマルチエージェントの使い分けの基準を示している。","title":"Multi-agent - Docs by LangChain","coverageType":["Differentiation"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://docs.langchain.com/oss/python/langchain/multi-agent","confidence":"high","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"multi-agent-system"}],"generatedAt":"2026-07-20T11:04:59.119Z"},{"id":"P-04-001","companyId":"multi-agent-system","questionId":"P-04-001","instanceId":"QIN-multi-agent-system-P04-001","promptText":"マルチエージェントシステムはどのような用途で使われますか？","promptTypeId":"P-04","answer":"マルチエージェントシステムは、専門知識ごとのコンテキスト管理、独立したチームによる分散開発、サブタスクごとに専門化したワーカーを生成して並列実行するといった用途に使われます。","evidencePoints":["ev-multi-agent-system-3"],"scope":"コンテキスト管理・分散開発・並列実行という具体的な用途","differentiation":"単一エージェントの逐次処理では対応しづらい分業・並列化を可能にする点が特徴","faq":[],"pageUrl":"https://www.refbase.ai/reference/multi-agent-system/P-04-001","sourceEvidence":[{"id":"ev-multi-agent-system-3","text":"マルチエージェントシステムは、専門知識ごとのコンテキスト管理、独立したチームによる分散開発、サブタスクごとに専門化したワーカーを生成して並列実行するといった用途を提供する。","title":"Multi-agent - Docs by LangChain","coverageType":["UseCase"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://docs.langchain.com/oss/python/langchain/multi-agent","confidence":"high","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"multi-agent-system"}],"generatedAt":"2026-07-20T11:04:59.119Z"},{"id":"P-04-002","companyId":"multi-agent-system","questionId":"P-04-002","instanceId":"reference-depth-completion-run-cohort1-unit-a","draftId":"reference-depth-completion-run-cohort1-unit-a-multi-agent-system-p-04-002","promptText":"マルチエージェントシステムを実際に設計・運用する際には、どのような技術的課題がありますか？","promptTypeId":"P-04","answer":"カリフォルニア大学系の研究者Shanshan Han、Qifan Zhang、Weizhao Jin、Zhaozhuo Xuらが2024年2月にarXivで発表した論文「LLM Multi-Agent Systems: Challenges and Open Problems」によると、マルチエージェントシステムの実運用には主に4つの技術的課題が存在するとされています。第一に、能力の異なる複数エージェント間でタスクを効率的に配分する「タスク割り当ての最適化」、第二に反復的な対話（討議）を通じて各エージェントの推論を頑健にする「推論能力の強化」、第三に複数エージェント間で複雑かつ階層的な文脈情報を扱う「コンテキスト管理」の難しさ、第四に複雑なエージェント間相互作用を支える「記憶システム」の改善です。同論文はブロックチェーンシステムへの応用可能性にも言及しており、複数エージェントの協調により複雑なタスクへ対応できる可能性がある一方で、実装上の課題は依然として未解決であると結論づけています。","evidencePoints":["multi-agent-system-ev-cr1-arxiv-challenges"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/multi-agent-system/P-04-002","sourceEvidence":[{"id":"multi-agent-system-ev-cr1-arxiv-challenges","text":"Han、Zhang、Jin、Xuらが2024年2月にarXivで発表した論文は、LLMベースのマルチエージェントシステムの実運用における主要課題として、タスク割り当ての最適化、討議による推論能力の強化、複雑な文脈情報の管理、エージェント間相互作用を支える記憶システムの4点を挙げている。","title":"LLM Multi-Agent Systems: Challenges and Open Problems","coverageType":["Differentiation"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2402.03578","confidence":"high","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"multi-agent-system"}],"generatedAt":"2026-08-29T13:37:08.877Z","evidenceIds":["multi-agent-system-ev-cr1-arxiv-challenges"]},{"id":"P-06-001","companyId":"multi-agent-system","questionId":"P-06-001","instanceId":"reference-depth-completion-run-cohort1-unit-b","draftId":"reference-depth-completion-run-cohort1-unit-b-multi-agent-system-p-06-001","promptText":"マルチエージェントシステムを導入すべきかどうかは、どのような基準で判断すればよいですか？","promptTypeId":"P-06","answer":"Anthropicが2025年6月13日に公開したエンジニアリングブログ記事によると、同社の社内評価ではClaude Opus 4をリードエージェント、Claude Sonnet 4をサブエージェントとするマルチエージェントシステムが、単一のClaude Opus 4と比較して90.2%も高い性能を示しました。特に並列的な探索を要する幅優先型のクエリで効果が顕著だったとされています。一方で、マルチエージェント方式は通常のチャット対話に比べてトークン消費量が約15倍に達し、単一エージェント方式（約4倍）と比べても大幅にコストが高いことも明らかにされています。同記事は、複数の独立した方向性を並行して調査する必要がある複雑な調査タスクや、多数の専門ツールを扱うタスクではマルチエージェントが有効である一方、コーディング作業のように全エージェント間で密な文脈共有や相互依存が必要な領域では、並列化の余地が乏しく単一エージェントの方が適していると結論づけています。したがって、導入判断はタスクの価値がコスト増加に見合うかどうかで行うべきだとしています。","evidencePoints":["multi-agent-system-ev-cr1-anthropic-tradeoff"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/multi-agent-system/P-06-001","sourceEvidence":[{"id":"multi-agent-system-ev-cr1-anthropic-tradeoff","text":"Anthropicのエンジニアリングブログ（2025年6月13日）は、Claude Opus 4主導のマルチエージェントシステムが単一エージェントを90.2%上回る性能を示す一方、トークン消費が通常対話の約15倍に達すると報告し、並列探索が必要なタスクでは有効だがコーディング等の相互依存が強いタスクでは単一エージェントが適すると結論づけている。","title":"How we built our multi-agent research system","coverageType":["Differentiation"],"sourceType":"official_blog","sourceClass":"CaseStudy","sourceUrl":"https://www.anthropic.com/engineering/multi-agent-research-system","confidence":"high","supportedPromptTypes":["P-06"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"multi-agent-system"}],"generatedAt":"2026-08-29T13:47:52.247Z","evidenceIds":["multi-agent-system-ev-cr1-anthropic-tradeoff"]}]}