Microsoft AutoGen (2023)（マイクロソフトオートジェン2023）
Microsoft Research 2023年9月発表 Multi-Agent 会話フレームワーク。GPT-4 + Agent 間対話で複雑タスク・GitHub 38k
概要
Microsoft AutoGen は 2023年9月17日（実装は 2023-08-16 GitHub 公開）に Microsoft Research の Qingyun Wu・Gagan Bansal・Jieyu Zhang ら 14名が arXiv:2308.08155 で発表した Multi-Agent 会話 AI Agent フレームワーク（論文「AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation」、GitHub: microsoft/autogen、MIT ライセンス）。
「複数の AI Agent が自然言語で会話して協調的にタスク解決する」コンセプトで、AutoGPT（単一 Agent）・BabyAGI（Task Queue）と異なるアプローチで AI Agent 界に新パラダイム提示。例えば「Coder Agent」「Reviewer Agent」「User Proxy Agent」が会話してコード生成 → レビュー → 修正のサイクルを自動実行。
GitHub Star 38,000+（2024年5月時点）で AutoGPT (175k) に次ぐ AI Agent 系第 2 位、Microsoft 製の信頼性 + 研究機関品質のドキュメントで学術界・エンタープライズ採用多数。Microsoft Build 2024 で「Copilot Studio」の基盤技術として位置付けられ、Microsoft AI 戦略の中核。
2024年10月に AutoGen 0.4（v2）として大型アップデート、v1 (旧) と完全に別アーキテクチャに再設計（Distributed・Multi-Language対応）、現在は v1（pyautogen）と v2（autogen）が併存。
主な特徴・仕組み
- コアコンセプト: Multi-Agent Conversation（複数 Agent が自然言語で会話）
- Agent 種類: ConversableAgent（基底）・AssistantAgent（LLM 駆動）・UserProxyAgent（人間 + コード実行）・GroupChatManager（会話統括）
- 対話パターン: 2-Agent（1 対 1）・Group Chat（複数）・Hierarchical（階層）
- コード実行: UserProxyAgent が Python / シェル コード実行（Docker / ローカル）
- LLM 抽象化: GPT-4 / Claude / Gemini / Llama / Ollama / 全主要 LLM
- Function Calling: Tool 統合（OpenAI Function Calling API）
- Human-in-the-Loop: ALWAYS / NEVER / TERMINATE モード
- 観測性: AutoGen Studio（GUI フロントエンド、2024-04）
- GitHub Star: 38,000+（2024年5月時点）
- v1 vs v2: v1 = pyautogen（旧 API）・v2 = autogen（2024-10 新設計）
- OS バージョン: 0.2 (2023-09 v1 安定)・0.4 (2024-10 v2 大型刷新)
スペック比較表
| 項目 | AutoGen (2023) | LangGraph | AutoGPT | CrewAI |
|---|---|---|---|---|
| アーキテクチャ | Multi-Agent 会話 | 状態機械 | 単一 Agent | Role-based |
| 開発元 | Microsoft Research | LangChain | Significant Gravitas | João Moura |
| GitHub Star | 38k | 12k | 175k | 19k |
| 商用利用 | 多数 (Microsoft 公式) | 多数 | 個人実験 | 増加中 |
| 学習曲線 | 中 | 中 | 易 | 易 |
| コード実行 | あり (UserProxy) | あり | あり | あり |
具体例・対応製品
- microsoft/autogen (GitHub 2023-09): 公式 OSS Python ライブラリ
- AutoGen Studio (2024-04): GUI フロントエンド、ノーコード Agent 構築
- Microsoft Copilot Studio: AutoGen 基盤、企業向け Copilot 作成
- Azure OpenAI + AutoGen: Azure 統合エンタープライズ展開
- AutoGen.NET (2024-06): .NET 版、Microsoft エコシステム統合
選び方・注意点
- 複数 Agent 協調タスク: Coder + Reviewer + Tester 等の協調パターンで真価発揮
- Microsoft エコシステム: Azure OpenAI / Copilot Studio 連携でエンタープライズ最適
- v1 vs v2 選択: 2024-10 以降の新規プロジェクトは v2（autogen）、既存は v1（pyautogen）継続
- コード実行 セキュリティ: UserProxyAgent はコード実行可能、必ず Docker 隔離環境推奨
- LangGraph との比較: LangGraph = 状態機械汎用 / AutoGen = Multi-Agent 会話特化、用途で住み分け
- AutoGen Studio: ノーコード環境、エンジニア以外のチームメンバーも Agent 設計可
- 論文の理論的厚み: Microsoft Research の学術的バックグラウンドで信頼性高
関連用語との違い
| 用語 | 違い |
|---|---|
| AutoGen (Microsoft 2023) | Multi-Agent 会話・Microsoft 製 |
| AutoGPT (2023) | 単一 Agent + 自己批判 |
| BabyAGI (2023) | Task Queue 軽量 |
| LangGraph (LangChain 2024) | 状態機械汎用 |
| MetaGPT (2023) | ソフトウェア会社シミュレーション |
よくある質問（FAQ）
Q1: Multi-Agent 会話の効果は？ A: 単一 Agent より精度向上：(1) Coder Agent + Reviewer Agent でコードバグ 40% 削減（論文実測）(2) 専門化 Agent（数学・コード・分析）の分業で複雑タスク成功率向上 (3) 自然言語での協調で「人間チームの動作」を模倣。一方コスト 2-5 倍（複数 LLM 呼出し）。
Q2: v1 と v2 どちらを選ぶ？ A: 2024-10 以降の新規開発は v2（autogen 0.4+）推奨：Distributed・Multi-Language（Python + .NET）対応・性能改善。既存プロジェクトは v1（pyautogen）継続維持、移行は段階的に。Microsoft 公式の v2 サンプル豊富。
Q3: LangGraph との実用差は？ A: AutoGen は「複数 Agent が会話で解決」の強み、LangGraph は「複雑な状態遷移を構造化」の強み。例：コードレビュー → AutoGen（Coder vs Reviewer 会話）、RAG パイプライン → LangGraph（検索 → 評価 → 再検索の状態遷移）。組合せ使用も可。
まとめ
- Microsoft Research 2023年9月発表・Multi-Agent 会話フレームワーク
- 複数 Agent が自然言語で会話・コード実行可
- GitHub Star 38,000+・AI Agent 系第 2 位
- Microsoft Copilot Studio 基盤・エンタープライズ展開
- 2024-10 v2 大型刷新で次世代へ進化