マルチAIエージェントの産業界での実践に向けたオープンソース活動の展望 - Japan Regional User Group (RUG) Meet-Up

1 © 2025 Fujitsu Limited
© 2025 Fujitsu Limited
マルチAIエージェントの
産業界での実践に向けた
オープンソース活動の展望
木村功作
シニアリサーチマネージャー
富士通株式会社富士通研究所
人工知能研究所 AIイノベーションCPJ
2025/06/20 Japan RUG Meetup

Kosaku Kimura (木村功作), D.Eng.
2010 2014 2018 2021
Multi-Agent System
for P2P Applications
- API Design Guidelines
- API Management
- API Composition in Microservices
15+ years
- Madras
Model-Driven Engineering
for Big Data Processing (-2016)
- JavaScript Transpiler
for Serverless Computing
- Data-Centric Service Platform
- Tool Composition
for Data Analytics Smarter Hub
2015
npmjs.com/package/escapin
2024
- Fujitsu AutoML
- OSS in LF AI&Data pip install sapientml
Served as an organizer in SIGs
- IEICE Services Computing
- IPSJ Software Engineering
Current:
- Composite AI
- AI Agent/Agentic AI

お話ししたいこと
●AIエージェントについて
● 背景と基本知識
● 富士通 AI研の取り組み Composite AI, AI Agent
●AIエージェントに関する2つのプロトコル
● Model Context Protocol (MCP)
● Agent2Agent Protocol (A2A)
● それぞれの使用例
●今後の展望

AIエージェントについて

人とAIとの関わり合いのパラダイムシフト
自ら考えて動くAI (AIエージェント)が、
人と人とのやりとりに自然に混ざり、新しい知見や閃きを提供する
Ask
Response
Suggest
Propose
AIエージェント
生成AI
人が指示し、機械(AI)が操られる関係
AIが人々の対話に入り込み協調的に動作することで、
人々が新しい知見やひらめき、サジェスチョンを得て、
人々とAIと一緒に創造的な活動をする
従来
今後

予見される未来
● 生成AIはAIエージェントへの変貌により、電気やインターネットのよう
な汎用技術になる。
● 今後、その新しい汎用技術であるAIエージェントを使ったサービス開発
へ、AIの競争領域が急激に移行する
● 例）インターネット
● Infoweb/Sonet/Biglobeが競っていたISPは淘汰
● 検索のGoogle/SNSのMeta/オンラインサービスのAmazonがGiantに
● 例）電気
● 日本発送電設が設立され、小さな地域に散在していた私設電力会社は事実上吸収・淘汰
● 電気を使ったテレビ/冷蔵後/洗濯機が三種の神器に
● AIにおける三種の神器(サービス)
● ソロプレナー（全員起業家）

AIエージェントのインパクト
これまでICTシステムの奥に潜む小さな機能であったAIが、AIエージェントにより、
守備範囲（適応範囲）が大きく拡大し、ICTシステムの大部分を占めるようになる
AIエージェント
元の図の出典：Sculley et al. Hidden technical debt in Machine learning systems
https://dl.acm.org/doi/10.5555/2969442.2969519

エージェントが備えるべき性質
様々な定義があり（2,30年前から）コンセンサスは特にないが…
●自律性：人の介入なしに、独立して行動できる
●自発性／積極性：自ら主体的に行動できる
●適応性：環境や目標の変化に対応して行動できる
●目的の複雑性：複雑な意思決定や問題解決を行える

AIエージェントの基本的な仕組み：ReAct
●2022年に発表された論文「ReAct: Synergizing Reasoning and
Acting in Language Models」にて提案
●LLMを用いた「推論」とツールを用いた「行動」を交互に行うこ
とで、与えられたタスク遂行に向けて動く
https://medium.com/@yash9439/using-langchain-react-agents-with-qdrant-and-llama3-for-intelligent-information-retrieval-b181ce7a5962

富士通のAIエージェント関連技術：Composite AI
● チャットベースの対話を通じて抽象的なビジネス課題を理解し、
無数の可能性の中から最適なAIモデルを使用して、具体的な
ソリューションを自動的に検索して提案するプラットフォーム
● ターゲット
● 業務に精通しているが、AIに関する専門的な知識を有していない
一般企業ユーザー
https://www.fujitsu.com/jp/about/research/article/202405-composite-ai.html
Composite AI
要求
デー
タ湖
プランナー
タスクプランの作成
ツール湖
予測
最適化
因子分析
特殊LLM
LLMルータ
一般LLM
プロジェクトAを最速で完了させるには、
どのように人員配置を最適化すれば
よいですか?
タスク1:予測
各ステップの完了を予測する
タスク2:最適化
最適な人員配置
実行可能なAIソリューション
(業務ごとの最適化人員計画)
ユーザー
Tool Lake Data
Lake
知識
Planner
世代
使用例:スタッフの最適化

2つのプロトコル

Model Context Protocol (MCP)
●Anthropicが提唱
●LLMにローカル／リモートで動かすツールをつなぐためのプロト
コル
●特長
● 様々な種類のツールに対応可能な共通インタフェース（AI用のUSB-C）
● 動的な検出が可能
● 双方向通信が可能

Agent2Agent Protocol (A2A)
●Googleが提唱
●エージェントが他のエージェントに問い合わせる時に用いるプロ
トコル
●特長
● 従来のWebの仕組み（DNS、HTTP、SSE、JSON-RPC）の上に構築されてい
る
● エージェントの能力を記述し相手に知らせることができる
● Capability Discovery (能力発見)
● 長時間のタスクに対応
● マルチモーダル対応

MCPとA2Aの棲み分け
https://blog.logto.io/a2a-mcp

実際どんな感じ？
●ちょっと触ってみましょう
●GoogleのAgent Development Kitを使ってみました

実際どうなのか
●MCP
● ツール選択はLLMのtool callに任せている
●A2A
● AgentCardによって、やりたいことに対する適切なエージェントが見つけら
れているように見える→LLMの仕事
●全体
● エージェント・ツールの発見・選択をLLMに任せるのは楽だけど、たまに外し
てうまく動かない
→専用のアルゴリズムは必要？

今後の展望

https://pr.fujitsu.com/jp/ir/library/presentation/pdf/20241210-01.pdf

コミュニティを拡げていきたいです
http://www.cocn.jp/

マルチAIエージェントの産業界での実践に向けたオープンソース活動の展望 - Japan Regional User Group (RUG) Meet-Up

More Related Content

Similar to マルチAIエージェントの産業界での実践に向けたオープンソース活動の展望 - Japan Regional User Group (RUG) Meet-Up (20)

マルチAIエージェントの産業界での実践に向けたオープンソース活動の展望 - Japan Regional User Group (RUG) Meet-Up