
AIエージェント開発環境は何をしてくれるのか——Google ADKなど主要フレームワークと、素のAPIコールとの違いを調べてみた
はじめに
最近、周りでも「AIエージェントを作ってみた」という話をよく耳にするようになりました。ただ実際に中身を覗いてみると、その多くは大きなwhileループの中にプロンプトを一つ置いて、JSONパーサーでツール呼び出しを処理しているだけの「デモ」だったりします。本番環境で動き続けられるエージェントと、デモで終わるエージェントの間には、思っている以上に大きな溝があるように感じます。
その溝を埋める存在として語られるのが、Google ADK(Agent Development Kit)をはじめとする「AIエージェント開発/運用環境」です。今回はこれらの環境が具体的に何をしてくれるのか、素のAPIを直接叩くコードを書く場合と何が違うのか、そして主要なツールはそれぞれどんな個性を持っているのかを、最新の情報を調べながら整理してみました。
1. 「AIエージェント開発/運用環境」とは、そもそも何を指すのか
ひとことで「エージェント開発環境」と言っても、実は何層かのレイヤーが重なっています。
一つ目は、エージェントのロジックそのものを書くためのフレームワーク/SDK層です。Google ADK、OpenAI Agents SDK、LangChain社のLangGraph、CrewAI、Microsoft Agent Framework、AnthropicのClaude Agent SDK、AWSのStrands Agents SDKなどがここに入ります。
二つ目は、そのエージェントを本番でどう動かすかという実行基盤/運用層です。Google CloudのVertex AI Agent Engine、AWSのAmazon Bedrock AgentCore、MicrosoftのAzure AI Foundry Agent Serviceなどが該当します。ここが面白いところで、たとえばAmazon Bedrock AgentCoreは、Strands Agents、LangGraph、CrewAI、LlamaIndex、Google ADK、OpenAI Agents SDK、Claude Agent SDKなど、どのフレームワークで書かれたエージェントでも受け入れる「フレームワーク非依存」の運用基盤として設計されています。同様にGoogleのVertex AI Agent Builderも、ADKだけでなくLangGraphやCrewAIで書いたエージェントの受け皿になり得る、という位置づけです。つまり「フレームワーク(どう書くか)」と「プラットフォーム(どこで動かすか)」は、必ずしも一対一で結びついているわけではないんですね。
三つ目は、動いているエージェントの中身を可視化する可観測性・評価層です。LangSmith、Langfuse、AgentOps、MLflowなどがここにあたります。これは4章で詳しく触れます。
四つ目は、コードを書かずにドラッグ&ドロップでエージェントを組むノーコード/ローコード層で、DifyやFlowise、Langflowといったツールが代表例です。
「AIエージェント開発/運用環境」という言葉は、これら全部をまとめて指していることが多い、というのが私の理解です。
2. 素のAPIコールとは何が違うのか——開発環境ならではの「できること」
では、これらのフレームワークを使わずに、OpenAIやAnthropic、GeminiのAPIを直接叩くコードを書いたらどうなるでしょうか。
一問一答のタスク——文章の要約や、レジュメから情報を抽出する、といった単発の処理——であれば、実はこれで十分です。メッセージの配列を組み立てて、エンドポイントに送って、返ってきたレスポンスをパースする。それだけで完結します。
ですが「エージェント」と呼ばれるものは性質が違います。ゴールを達成するためにツールを何度も呼び出しながらループし、ターンをまたいで文脈を積み上げていきます。この時点で、自前で実装しなければならないことが一気に増えます。具体的には、以下のようなことがあります。
会話履歴やツール呼び出しの結果をどうプロンプトに戻すかという状態管理(短期的な会話履歴だけでなく、ベクトルストアを使った長期記憶が必要になることもあります)
次にどのツールを呼ぶか・いつ処理を止めるかを判断するオーケストレーション
トークン上限やコンテキストウィンドウの管理
エラーやツール呼び出し失敗時のリトライ処理
そして複数のエージェントを連携させる場合はメッセージのやり取りや失敗時の引き継ぎといった調整の仕組み
各フレームワークが提供する機能を見ると、素のAPIコールでは得づらいものが具体的に見えてきます。
たとえばGoogle ADKは、エージェント・ツール・ランナー・セッションという4つのプリミティブを用意し、会話の中で不要になったイベントを自動でフィルタしたり、古いやり取りを要約したり、トークン使用量を自動で追跡したりする仕組みを持っています。
OpenAI Agents SDKは「ハンドオフ」という概念で、あるエージェントから別のエージェントへタスクごと会話の文脈を委譲する仕組みを標準機能として持ち、入出力を検証する「ガードレール」も組み込まれています。
本番運用を見据えた機能も充実してきました。2026年4月にOpenAIが公開したAgents SDKのアップデートでは、実行環境のコンテナが落ちてもチェックポイントから状態を復元して処理を継続できる「外部化されたエージェント状態」の仕組みが加わりました。Google ADK 2.0でも、ワークフローの途中のノードが失敗した場合、そこだけをやり直せる再開機能が入っています。「長時間動くタスクを、失敗してもちゃんと再開できる形で運用する」ための仕組みは、自前でゼロから作るとかなり骨が折れる部分だと思います。
もう一つ大きいのが、MCP(Model Context Protocol)やA2A(Agent2Agent)といった標準プロトコルへの対応です。ツールへの接続や、エージェント同士の通信を独自実装せずに済むのは助かるところです。
そして個人的に一番「開発環境ならでは」だと感じるのが、次の章で扱う評価とトレーシングの仕組みです。素のAPIコールで書いたスクリプトが本番で妙な挙動をしたとき、「どのツール呼び出しの、どの結果が原因で推論がどこから狂い始めたか」を追うログの仕組みを自分で組み込んでいなければ、原因究明はかなり大変になります。
3. 主要ツールを比較してみる
ここからは、具体的なフレームワークをいくつか見ていきます。
Google ADK
2025年4月にGoogleが発表した、Apache 2.0ライセンスのオープンソース・コードファーストなフレームワークです。当初のADK 1.x系は、SequentialAgent・ParallelAgent・LoopAgentといった「ワークフローエージェント」を組み合わせ、サブエージェントによる階層構造を作るスタイルでした。
2026年に入ってからは大きな転換があり、グラフベースの実行エンジン「Workflow Runtime」を導入したADK 2.0が、Python版は5月19日、Go版は6月30日、TypeScript版は8月21日と、2026年内に順次GA(正式版)になっています。エージェント間の委譲を扱う「Task API」も新設されました。モデルはGeminiがネイティブ対応で、LiteLLM経由でOpenAIやAnthropicなど他社モデルも扱えます。デプロイ先はVertex AI Agent Engineが中心で、2026年2月にはGitHub、Jira、MongoDB、Notionなど外部サービスとの連携や観測性プラットフォームとの統合も拡充されました。
OpenAI Agents SDK
2025年3月、実験的だったSwarmの後継として公開されたPython/TypeScript向けフレームワークです。