翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# フレームワーク
<a name="frameworks"></a>

[のエージェント AI の基礎 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/)は、自律的で目標指向の動作を可能にするコアパターンとワークフローを調べます。これらのパターンを実装する中心にあるのは、フレームワークの選択です。*フレームワーク*は、事前記述されたコードのソフトウェア基盤であり、構造化された環境と、本番環境対応の自律型 AI エージェントの構築に必要な構築と管理、ツール、オーケストレーション機能のための共通の機能を提供します。

効果的なエージェント AI フレームワークは、raw large language model (LLM) インタラクションを推論、コラボレーション、アクションが可能な調整されたインテリジェントシステムに変換するいくつかの重要な機能を提供します。
+ **エージェントオーケストレーション**は、単一または複数のエージェント間の情報の流れと意思決定を調整し、人間の介入なしに複雑な目標を達成します。
+ **ツール統合**により、エージェントは外部システム、APIs、データソースとやり取りして、言語処理を超えて機能を拡張できます。詳細については、 Strands Agentsドキュメントの[「ツールの概要](https://strandsagents.com/0.1.x/user-guide/concepts/tools/tools_overview/)」を参照してください。
+ **メモリ管理**は、永続的またはセッションベースの状態を提供し、インタラクション全体のコンテキストを維持します。これは、長時間実行されるタスクやアダプティブタスクに不可欠です。より高度なフレームワークには、概要とユーザー設定を保存する長期メモリが組み込まれているため、パーソナライズされたコンテキストに応じたエージェントエクスペリエンスが可能になります。詳細については、 LangChain ブログの[「エージェントフレームワークについて考える方法](https://blog.langchain.com/how-to-think-about-agent-frameworks/)」を参照してください。
+ **ワークフロー定義**は、高度な自律推論を可能にするチェーン、ルーティング、並列化、リフレクションループなどの構造化パターンをサポートします。
+ **デプロイとモニタリング**により、自動システムのオブザーバビリティを備えた開発から本番環境への移行が容易になります。詳細については、[Amazon Bedrock AgentCore の一般提供](https://aws.amazon.com/blogs/machine-learning/amazon-bedrock-agentcore-is-now-generally-available/)に関するお知らせを参照してください。

これらの機能は、フレームワーク環境全体でさまざまなアプローチと重点を置いて実装され、それぞれがさまざまな自律型エージェントのユースケースと組織コンテキストに異なる利点を提供します。

このセクションでは、エージェント AI ソリューションを構築するための主要なフレームワークをプロファイリングして比較し、その長所、制限、自律運用の理想的なユースケースに焦点を当てます。
+ [ストランドエージェント](strands-agents.md)
+ [LangChain と LangGraph](langchain-langgraph.md)
+ [CrewAI](crewai.md)
+ [AutoGen](autogen.md)
+ [LlamaIndex](llamaindex.md)
+ [エージェント AI フレームワークの比較](comparing-agentic-ai-frameworks.md)

**注記**  
このセクションでは、AI の機関を特にサポートするフレームワークについて説明し、機関のないフロントエンドインターフェイスや生成 AI については説明しません。