概要

Bcurts Agentchattrは、複数のAIエージェントが対話・協調するマルチエージェントシステムを迅速に構築するためのPythonフレームワークです。LLMベースのエージェント開発を標準化し、エージェント間の通信プロトコル、状態管理、対話ロジックの複雑さを解決する目的で設計されました。GitHubでオープンソース公開されており、エージェントベースのアプリケーション構築における基盤レイヤーとして機能します。

主な機能

エージェント定義と登録：LLMを内包したエージェントを宣言的に定義し、一元管理できるレジストリに登録する仕組みを提供します。エージェント間で共通のインターフェースを強制することで、スケーラブルな設計を実現します。
メッセージベースの通信：エージェント同士が構造化されたメッセージを通じてやり取りするため、トランザクション性とトレーサビリティが確保されます。通信ログはデバッグやシステム監査に直結します。
対話フロー制御：会話の進行状況を追跡し、エージェント間の応答順序や条件分岐を宣言的に制御できるフロー管理エンジンを備えています。複雑なマルチターン対話も直感的に実装できます。
コンテキスト共有機構：複数のエージェントが同一の共有コンテキスト（会話履歴、システムプロンプト、ユーザー情報など）にアクセスでき、一貫性のある応答生成が可能になります。
エージェント間の役割分担：質問応答役、要約役、検証役など異なる責務を持つエージェントを組み合わせ、それぞれの専門分野で最適なLLMモデルを割り当てられます。
対話履歴とトレーシング：全エージェント間の対話を時系列で記録し、どのエージェントがいつどのような判断を下したかを検証可能にします。
プラグイン可能な拡張機能：カスタムエージェント、独自の通信プロトコル、外部ツール連携を追加することで、フレームワークを自分のユースケースに合わせて拡張できます。

技術スタック

実装言語：Python 3.8以上
主要依存ライブラリ：OpenAI API、Langchain（オプション）、Pydantic（型定義・バリデーション）
非同期処理：asyncio、aiohttp
データ構造：Dataclasses、Enum（エージェント状態管理）
テストフレームワーク：pytest、unittest
LLMプロバイダー対応：OpenAI GPT-3.5/GPT-4、Anthropic Claude、Azure OpenAI
ロギング・監視：Python logging、カスタムトレーサー

導入方法

GitHubリポジトリからのインストール手順は以下の通りです。

git clone https://github.com/bcurts/agentchattr.git
cd agentchattr
pip install -r requirements.txt

もしくはPythonパッケージ管理ツールで直接インストール：

pip install agentchattr

初期設定では、環境変数にOpenAI APIキー（またはその他のLLMプロバイダーの認証情報）を設定します。

export OPENAI_API_KEY="your-api-key-here"

簡単なエージェント定義の例：

from agentchattr import Agent, ChatSession

# エージェント1：質問受付役
questioner = Agent(
    name="questioner",
    system_prompt="You are a helpful questioner.",
    model="gpt-4"
)

# エージェント2：回答役
answerer = Agent(
    name="answerer",
    system_prompt="You are an expert answerer.",
    model="gpt-4"
)

# 対話セッションの開始
session = ChatSession(agents=[questioner, answerer])
response = session.run("What is machine learning?")

競合比較

項目	Agentchattr	LangChain Agent	CrewAI
主な強み	マルチエージェント対話に特化	汎用性・ツール連携が充実	エージェント役割分担とタスク管理
エージェント間通信	メッセージベース・構造化	Tool Calling中心	Task/Role定義中心
学習曲線	シンプル・少ないボイラープレート	中程度・カスタマイズ性高い	中程度・ドメイン特化学習が必要
対話ロジック制御	ネイティブサポート	別途LangGraphで実装	タスク依存グラフで定義
コミュニティサイズ	小〜中規模	大規模・豊富なTips	中規模・急速に成長

Agentchattrはマルチエージェント間の対話フローに特化した軽量フレームワークという立場を占めており、LangChainのような汎用性よりも、直感的なエージェント間通信と対話制御を優先している。CrewAIはタスク分解と役割ベースの管理を重視するのに対し、Agentchattrは自由な対話形態を許容する。外部ツール連携が主目的でない場合、Agentchattrの方が実装の複雑さが少なく済む傾向がある。

こんな人におすすめ

マルチエージェント対話システムを設計したい開発者：エージェント間の複雑な対話フローを宣言的に定義でき、チャットボットから自動交渉システムまで幅広いユースケースに対応できます。
複数のLLMモデルを使い分けたい組織：各エージェントに異なるモデル（GPT-4、Claude、Llama等）を割り当て、タスクごとに最適なLLMを選択する戦略が取れます。
会話ログの完全な追跡可能性が必要な企業：全エージェント間のメッセージが構造化されて記録されるため、監査やコンプライアンス要件を満たす履歴管理が実現できます。
プロトタイプから本番まで段階的にシステムを拡張したいチーム：シンプルな2エージェント対話から、複数エージェントの複雑な協調まで、フレームワークを損なわずにスケールアップできます。
Pythonエコシステムで既存プロジェクトを進めている開発者：LangChainやCrewAIとも統合可能で、既存のデータパイプラインやバックエンド資産を活かしたまま導入できます。

Bcurts Agentchattr：マルチエージェント対話システムの構築フレームワーク

概要

主な機能

技術スタック

導入方法

競合比較

こんな人におすすめ