LangGraph × Bedrock による複数の Agentic Workflow を利用した Supervisor 型のマルチエージェントの実現/langgraph-bedrock-supervisor-agent

2025/3/10
Bedrock Night オンライン 〜AWSで生成AIアプリ開発！ 最新ナレッジ共有〜
https://jawsug.connpass.com/event/345497/

LT登壇資料です．解説記事は近日公開予定です．

その他，弊社での取り組み内容です．
- https://note.com/digitalsuccess/n/n958487f4d1cf
- https://qiita.com/yamato0811/items/02688690a85a670b773f

Transcript

1. © 2025 NTT DATA Japan Corporation LangGraph × Bedrock による 複数の Agentic Workflow を利用した Supervisor 型のマルチエージェントの実現 2025/3/10 株式会社NTTデータ 鯨田 連也 Bedrock Night オンライン 〜AWSで生成AIアプリ開発！ 最新ナレッジ共有〜
2. © 2025 NTT DATA Japan Corporation 2 自己紹介 鯨田 連也 (Renya Kujirada) • 職種: Data Scientist / MLOps Engineer • 業務: PoC, R&D（Computer Vision, LLMOps） • 好きなAWSサービス: Bedrock, SageMaker • X : @recat_125 株式会社NTTデータ テクノロジーコンサルティング事業本部
3. © 2025 NTT DATA Japan Corporation 3 目次 • はじめに • Agentic Workflow vs Agent • Multi Agent • LangGraph での実装方法 • アプリケーションのデモ • まとめ • 参考資料
4. © 2025 NTT DATA Japan Corporation 4 はじめに LangGraph と Bedrock を利用し，広告の 「キャッチコピー文」 と 「画像」 を生成する Supervisor 型のマルチエージェントを 構築しました．実装の考え方や，LangGraph で利用した機能を紹介します． 画像生成 SubAgent • 英語のプロンプト生成 • 画像生成 コピー文生成 SubAgent • コピー文生成 • コピー文の改善
5. © 2025 NTT DATA Japan Corporation 5 01 Agentic Workflow vs Agent
6. © 2025 NTT DATA Japan Corporation 6 Agentic Workflow とは 事前に定義された実行順序で，複数のタスク (LLM や Tool) を実行する仕組み．タスクを順序通り実行するため， 最終的な出力は一貫性を持ち，正確なものになりやすい． LLM Call 1 LLM Call 2 In Out
7. © 2025 NTT DATA Japan Corporation 7 Agent (ReAct) とは 状況に応じて LLM が実行すべき Tool を自律的に決定し，Tool の実行結果に応じて次の行動（他の Tool 実行など）を 思考することを繰り返す仕組み．実行タスクを動的に決定できるため，ユーザーの要望に対し，柔軟に対応できる． LLM Call Tool 1 Human Tool 2 (1) reasoning (2) acting (3) observation
8. © 2025 NTT DATA Japan Corporation 8 Agentic Workflow vs Agent Agentic Workflowは制御しやすいが柔軟性に欠ける一方，Agentは柔軟性が高いが制御しづらくチューニングが必要． Agentic Workflow Agent 回答の一貫性 ◦ タスクの実行順序は決定的で制御しやすい △ 想定通りのタスクの実行順序になるとは 限らない 全体的なレイテンシー ◦ タスクを直列に実行するのみ △ タスク (Tool) 実行の度に LLM の思考がある 柔軟性 △ 一部のタスクのみを実行することはできない ◦ LLM が実行すべきタスクや実行順序を動的に 決定する 機能追加の容易性 △ フローが複雑になるほど，実装コストが高い （タスク間の依存関係の管理など） ◦ Tool を追加するのみで，改修範囲は狭い
9. © 2025 NTT DATA Japan Corporation 9 02 Multi Agent
10. © 2025 NTT DATA Japan Corporation 10 SubAgent 2 Supervisor 型の Multi Agent とは Supervisor と呼ばれる Agent が，状況に応じて実行すべき Agent (SubAgent) を決定し，SubAgent に制御を 渡す仕組み．Supervisor は，SubAgent の実行結果に応じて次の行動（他の SubAgent の実行など）を思考する． Supervisor SubAgent 1 Human routing LLM Call Tool 1 Tool 2 SubAgent を オーケストレーション 専門分野毎に， SubAgent を複数定義
11. © 2025 NTT DATA Japan Corporation 11 Workflow を Multi Agent で利用するアイデア SubAgent として Agentic Workflow を利用することで，ユーザーの要望を基に実行すべき Workflow を柔軟に 選択しつつ，決定的な実行順序で正確にタスクを実行できると考えた． Supervisor SubAgent 1 Human SubAgent 2 LLM Call 1 LLM Call 2 In Out routing SubAgent として Agentic Workflow を利用
12. © 2025 NTT DATA Japan Corporation 12 03 LangGraph での実装方法
13. © 2025 NTT DATA Japan Corporation 13 LangGraph で利用した機能 グラフをノードとして利用する SubGraph，Agent の制御を他の Agent に譲渡する handoff (Command) という機能 を利用している． Supervisor SubAgent 1 Human SubAgent 2 LLM Call 1 LLM Call 2 In Out routing SubGraph handoff (Command)
14. © 2025 NTT DATA Japan Corporation 14 LangGraph とは ノードやエッジを利用して有向グラフを定義することで，Agentic Workflow や Agent を構築できるフレームワーク． 各ノード間のデータ (Agent の状態) の連携はステートを介して行う． ノード エッジ { ”messages”: ... , ”artifacts”: ... , } ステート (イメージ)
15. © 2025 NTT DATA Japan Corporation 15 SubGraph 構築した Agentic Workflow や Agent をノードとして利用できる機能．コンパイルしたグラフを親グラフのノードとして追加 するだけで利用できる． Agentic Workflow を ノードとして定義
16. © 2025 NTT DATA Japan Corporation 16 handoff (Command) ある Agent が別の Agent に制御を渡す考え方のことで，LangGraph の Command という機能を利用して実現する． Command とは，ノード内で Agent のステートの更新と，次に実行するノードの指定を同時に行う機能である． goto：次に実行するノード（サブグラフなど）を指定 update：ステートの更新 ノード内で動的に次に実行するAgentを指定可能
17. © 2025 NTT DATA Japan Corporation 17 04 アプリケーションのデモ
18. © 2025 NTT DATA Japan Corporation 18 実装した Multi Agent によるアプリケーションのデモ 広告キャッチコピー文や広告画像を，Supervisor が各 Agentic Workflowで実行していることを確認できます． モデルは Amazon Bedrock の Claude 3.7 Sonnet，Amazon Nova Canvas を利用しています．
19. © 2025 NTT DATA Japan Corporation 19 05 まとめ
20. © 2025 NTT DATA Japan Corporation 20 まとめ • Agentic Workflow, Agent 共に一長一短ある． • Agentic Workflow：タスクの実行順序は決定的で制御しやすいが，柔軟性に欠ける • Agent：柔軟性は高いが，制御しづらくチューニングが必要 • LangGraph と Bedrock を利用し，Supervisor 型の Multi Agent を実装した． • SubAgent として Agentic Workflow を利用することが可能 • SubGraph, handoff (Command) を利用することで実現可能 より詳細な解説記事や実装例は，近日公開予定です！
21. © 2025 NTT DATA Japan Corporation 21 参考資料 本内容は，弊社での AWS Japan 生成 AI 実用化推進プログラムでの取り組みの一環です．プログラムにおける取り組み 内容や Agent に関するナレッジを外部発信しています！是非ご覧下さい！ https://note.com/digitalsuccess/n/n958487f4d1cf https://qiita.com/yamato0811/items/02688690a85a670b773f
22. © 2025 NTT DATA Japan Corporation 22 参考文献 ◼ Agent • https://www.anthropic.com/research/building-effective-agents • https://langchain-ai.github.io/langgraph/tutorials/workflows/ • https://langchain-ai.github.io/langgraph/concepts/multi_agent/ ◼ LangGraph • https://langchain-ai.github.io/langgraph/how-tos/subgraph/ • https://langchain-ai.github.io/langgraph/how-tos/agent-handoffs/ • https://langchain-ai.github.io/langgraph/how-tos/pass-run-time-values-to-tools/