AgentScopeは、Alibaba（通義研究所／Tongyi Lab）が公開しているオープンソースのAIエージェント開発スタックである。エージェントの定義、複数エージェントのオーケストレーション、ツール連携、RAG（検索拡張生成）、評価、チューニングまでを一つの体系でカバーする。2024年2月に論文とともに公開され、現在はアーキテクチャを刷新した2.0系が本流になっている。Python版を中心に、Java版・TypeScript版も提供され、AgentScope Studioというビジュアル開発ツールやMCP（Model Context Protocol）統合も備える。ライセンスはApache License 2.0で、フレームワーク自体は無料で利用できる。
チャットサービスではなく「開発者が自分のエージェントを作るための土台」である点が、ChatGPTやClaudeのような対話AIとの決定的な違いになる。
主な特徴
- ReActエージェントとマルチエージェント編成: 推論と行動を繰り返すReActループを標準で備え、ツールをまとめて実行できる。さらにリーダー・ワーカー型のマルチエージェント編成に対応し、複数のエージェントに役割を分担させた協調作業を組める
- 多言語SDK: Python版を中核に、Java版とTypeScript版を提供。既存のバックエンドやフロントエンドの言語に合わせてエージェントを組み込める
- 主要モデルを横断してサポート: OpenAI、Anthropic、Gemini、DashScope（通義千問）、DeepSeek、Moonshot、xAI、Ollamaなどに対応。モデルを差し替えてもコードの大枠は変えずに済む
- サンドボックス実行と権限制御: Docker・Kubernetes・E2B・Daytonaなどの隔離環境でツールを実行できる。ツール単位の権限設定やヒューマン・イン・ザ・ループ（人間の承認を挟む仕組み）も用意されている
- 長期記憶とRAG: ReMeやMem0を用いた長期メモリ、分散・マルチテナント対応のRAGモジュールを備える。ベクトルDBや文書パーサーとの連携も標準機能として組み込まれている
- MCP統合とツールハブ: MCP経由で外部ツールを取り込めるほか、ツールを探索するためのハブ機能を持つ。既存のMCPサーバー資産をそのままエージェントの道具として使える
- Studioと周辺プロジェクト: 実行の可視化・デバッグを行うAgentScope Studio、評価用のOpenJudge、強化学習によるファインチューニングのTrinity-RFTなど、開発の周辺工程を埋めるプロジェクトが並行して公開されている
料金
| プラン | 料金 | 主な内容 |
|---|---|---|
| オープンソース版 | $0（Apache License 2.0） | フレームワーク本体、Studio、周辺ツールを含めて無料で利用・改変・商用利用が可能 |
| 実行に伴うコスト | 従量（各社の料金） | 呼び出すLLM APIの利用料、サンドボックスやサーバーのホスティング費用は別途発生する |
料金は2026年8月時点の情報です。最新の情報は公式サイトおよびGitHubリポジトリをご確認ください。
フレームワーク自体に課金は発生しないが、エージェントを動かせば裏で呼ばれるLLMのトークン課金が積み上がる。AgentScopeにはトークン予算を制御するミドルウェアが用意されており、暴走によるコスト超過をある程度抑えられる。
メリット・デメリット
✅ メリット
- 開発から評価・運用までを同じ体系で扱えるため、ツールを寄せ集める手間が減る
- Apache License 2.0の完全なオープンソースで、社内システムへの組み込みや改変の自由度が高い
- モデルプロバイダーを横断してサポートしており、特定ベンダーへの依存を避けやすい
- サンドボックス実行・権限制御・人間の承認といった安全側の仕組みが最初から用意されている
- MCPに対応しているため、既存のMCPサーバーを追加実装なしで再利用できる
⚠️ デメリット
- プログラミング（主にPython）の知識が前提で、ノーコードで完結するツールではない
- 更新が速く、2.0系への刷新で構成が大きく変わったため、古い記事やサンプルがそのままでは動かないことがある
- 機能の幅が広い分だけ概念も多く、最初にどこから手を付けるか迷いやすい
- ドキュメントや議論の一部は中国語圏が中心で、日本語の情報は多くない
- 本番運用ではホスティング・監視・コスト管理を自前で設計する必要がある
類似サービスとの比較
| 比較項目 | AgentScope | LangGraph | AutoGen | CrewAI |
|---|---|---|---|---|
| 提供元 | Alibaba（Tongyi Lab） | LangChain | Microsoft | CrewAI |
| ライセンス | Apache 2.0 | MIT | MIT | MIT |
| 主な言語 | Python / Java / TypeScript | Python / JavaScript | Python / .NET | Python |
| 設計の中心 | エージェント基盤一式（開発・評価・運用） | 状態遷移グラフによる制御 | 会話ベースのマルチエージェント | 役割分担型のチーム編成 |
| 付属ツール | Studio、評価・チューニング基盤、RAG | LangSmith（別サービス） | AutoGen Studio | ダッシュボード（有料版） |
| 向いている用途 | 大規模・長期運用を見据えた自社エージェント基盤 | 制御フローを厳密に設計したい処理 | 研究・実験、会話型の協調 | 素早いプロトタイピング |
いずれもオープンソースのエージェント開発フレームワークだが、AgentScopeは「作る」だけでなく「評価する」「動かし続ける」までを同じスタックに含めている点が特徴的である。逆に、小さな自動化を素早く形にしたいならCrewAIのほうが学習コストは低い。
こんな人におすすめ
- 自社サービスにAIエージェントを組み込みたいPythonエンジニア
- 複数のエージェントを協調させる仕組みを、フレームワークの支援を受けて設計したい開発者
- 特定のLLMベンダーに縛られない構成でエージェント基盤を作りたいチーム
- 評価やチューニングまで含めて、エージェントの品質を継続的に測る仕組みが欲しい人
- Java・TypeScript側のシステムからエージェント機能を呼び出したい開発者
- MCPで作った既存のツール群を、そのままエージェントに使わせたい人
まとめ
AgentScopeは、Alibabaが公開するオープンソースのAIエージェント開発スタックであり、エージェントの実装からマルチエージェント編成、RAG、サンドボックス実行、評価、チューニングまでを一つの体系で扱える。Apache License 2.0で無料に使え、主要なLLMプロバイダーとMCPに横断対応している点は、ベンダーロックインを避けたいチームにとって大きな利点になる。
一方で、対象はあくまで開発者であり、動かすにはコードを書く前提がある。更新も速いため、公式ドキュメントとGitHubのリリースノートを一次情報として追いながら進めるのが確実である。まずは公式チュートリアルで単一エージェントを動かし、AgentScope Studioで挙動を可視化するところから始めるとよい。