スキルベースルーティング（スキルベースルーティング）
マルチエージェントシステムにおいて、各エージェントの得意分野（スキル）を定義し、ユーザーの入力タスクに最も適したスキルを持つエージェントへ自動的に振り分ける高度なルーティング手法。コールセンターのACD（Automatic Call Distributor）をLLMエージェントに応用した概念。
スキルベースルーティングとは
スキルベースルーティング（Skill-Based Routing）は、複数のLLMエージェントがそれぞれ異なる専門スキルを持つマルチエージェントシステムにおいて、ユーザーの入力タスクを最も適切なエージェントに自動振り分けする手法である。コールセンター業界で確立されたACD（Automatic Call Distributor）のスキルベースルーティングをAIエージェントに応用したものであり、AutoGen、CrewAI、LangGraphなどのマルチエージェントフレームワークで実装されている。
単純なルーティングとの違い
| 観点 | 単純ルーティング | スキルベースルーティング |
|---|---|---|
| 振り分け基準 | 入力カテゴリのみ | エージェントのスキル + 可用性 + 負荷 |
| エージェント選択 | 1:1（カテゴリ:エージェント固定） | N:M（複数候補からスコア最高を選択） |
| フォールバック | なし or 汎用 | スキルレベル順に代替エージェント |
| 負荷分散 | なし | キュー長・応答時間ベースの分散 |
| スキル成長 | 固定 | フィードバックによる動的スキル更新 |
アーキテクチャ
エージェントスキル定義
各エージェントにスキルプロファイルを定義する。
| エージェント | スキル | 熟練度 | 最大同時タスク |
|---|---|---|---|
| CodeAgent | Python, TypeScript, Rust | 0.95, 0.90, 0.80 | 3 |
| DataAgent | SQL, pandas, 可視化 | 0.92, 0.88, 0.85 | 2 |
| WriteAgent | 技術文書, ブログ, メール | 0.90, 0.85, 0.88 | 4 |
| ResearchAgent | Web検索, 論文読解, 要約 | 0.93, 0.90, 0.87 | 2 |
ルーティングスコア計算
タスクをエージェントに振り分ける際、以下の要素を総合してスコアリングする。
- スキルマッチ度: タスク要求スキルとエージェントスキルのコサイン類似度
- 熟練度: 該当スキルの数値レーティング
- 可用性: 現在のタスクキュー長と応答時間
- 履歴成功率: 過去の同種タスクでの成功率
- コスト: エージェントのLLMモデルコスト
最終スコア = α×スキルマッチ + β×熟練度 + γ×可用性 + δ×成功率 - ε×コスト
タスク分解とマルチスキル要求
単一のユーザー入力が複数スキルを要求する場合、タスクを分解して複数エージェントに並列・直列で振り分ける。
例: 「売上データを分析してレポートを書いて」 → DataAgent（SQL + 分析）→ WriteAgent（レポート作成）
実装フレームワーク
| フレームワーク | スキルベースルーティング対応 | 特徴 |
|---|---|---|
| AutoGen | エージェントGroupChatで実装 | Microsoft製、柔軟なエージェント間通信 |
| CrewAI | Role + Goal + Backstoryで定義 | 直感的なスキル設計 |
| LangGraph | StateGraphでルーティングロジック | グラフベースの柔軟な制御フロー |
| Semantic Kernel | Plugin + Plannerで自動選択 | Microsoft製、エンタープライズ向け |
| Swarm (OpenAI) | Handoff関数で委譲 | 軽量、実験的 |
運用上の課題
コールドスタート問題
新規エージェントの熟練度やスキルレーティングの初期値をどう設定するか。ベンチマークタスクで事前評価するか、保守的な初期値（0.5）から実績ベースで更新する。
スキルドリフト
LLMモデルの更新やプロンプト変更により、エージェントのスキルレベルが変動する。定期的なベンチマーク再評価（週次・月次）でスキルプロファイルを更新する必要がある。
オーケストレーションのオーバーヘッド
ルーティング判定自体にLLMを使用すると、エージェント実行前に追加のレイテンシとコストが発生する。Semantic Routerとの2段階構成でオーバーヘッドを最小化する。
FAQ
Q1: スキルベースルーティングはどの規模から導入すべきですか？
A1: エージェントが3体以上、カバーするタスク領域が5種類以上の場合に効果が出る。2体以下のシンプルな構成ではSemantic Routerで十分であり、スキルベースルーティングのオーバーヘッドが無駄になる。
Q2: エージェントのスキルは手動で定義する必要がありますか？
A2: 初期定義は手動だが、運用後はフィードバック（ユーザー評価、タスク成功/失敗）を蓄積してスキルレーティングを自動更新できる。強化学習ベースのスキル学習も研究されているが、実用段階のシステムでは手動定義 + 実績ベース更新が主流。
Q3: 人間のオペレーターへのエスカレーションも組み込めますか？
A3: 組み込める。「human」スキルを定義し、AIエージェントの信頼度が閾値未満の場合や、センシティブなタスク（支払い処理、個人情報操作等）の場合に人間オペレーターにルーティングする。コールセンターのACDと同じエスカレーションパターンがそのまま適用できる。