Semantic Kernel入門：Microsoft製AIエージェントフレームワークでエンタープライズ開発を加速

この記事ではAIエージェントに特化して解説します。AIエージェント全般は AIエージェントフレームワーク比較2026年版 をご覧ください。

概要

Semantic Kernelは、Microsoftが開発するオープンソースのAIエージェント構築SDKです。LLMをアプリケーションへ統合する際の煩雑さ——プロンプト管理、コンテキスト制御、外部ツール連携——を抽象化し、開発者がビジネスロジックに専念できる環境を提供します。

あるスタートアップのCTOが「LangChainで書いたコードが、モデル変更のたびに壊れる」と嘆いていたのを機に、Semantic Kernelへの移行を試みました。モデルを抽象化する統一インターフェースのおかげで、OpenAIからAzure OpenAIへの切り替えが設定変更のみで完了。チームは「モデルの違い」を気にせずエージェント設計に集中できるようになりました。

2026年3月時点でスター数は27,600超。Python・.NET・Javaの3言語に対応しており、エンタープライズから個人開発まで幅広い現場で採用が進んでいます。

主な機能

• プラグインシステム：LLMのスキルを再利用可能なプラグインとして定義できます。複数モデルや外部APIに対して同一インターフェースで接続できます。
• セマンティックメモリー：会話履歴やドキュメントをベクトル化して保存し、LLMが文脈を保ちながら応答できる長期記憶機能を標準提供します。
• マルチエージェントオーケストレーション：複数のAIエージェントが協調して動作するシステムを構築できます。AgentGroupChatを使ったグループ対話も可能です。
• マルチモデル対応：OpenAI・Azure OpenAI・Anthropic・Hugging Face・Ollamaなどを同一インターフェースで切り替えられます。
• プロンプトテンプレート：変数埋め込みと条件分岐を使ったテンプレートで、プロンプト管理を構造化・バージョン管理できます。
• ハイブリッド検索：PostgreSQLやSQL ServerでのRAGを、ベクトル検索とキーワード検索の組み合わせで実装できます（v1.74.0〜）。
• マルチモーダル対応：テキスト・画像・音声を入力として扱えます。GPT-4oなどのビジョンモデルともシームレスに連携します。

技術スタック

• 対応言語：C#（メイン実装）、Python（1.41.1系列）、Java
• フレームワーク：.NET 8+（dotnet-1.74.0系列）、ASP.NET Core
• LLMプロバイダー：OpenAI、Azure OpenAI、Anthropic、Hugging Face、Ollama、LM Studio、ONNX
• ベクトルDB対応：Azure AI Search、Elasticsearch、Chroma、Qdrant、Pinecone、Weaviate、PostgreSQL
• パッケージ配布：NuGet（C#）、pip（Python）、Maven（Java）

導入方法

C#（.NET）の場合：

dotnet add package Microsoft.SemanticKernel

Pythonの場合：

pip install semantic-kernel

C#での基本的な初期化とエージェント実行：

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Agents;

var kernel = Kernel.CreateBuilder()
    .AddAzureOpenAIChatCompletion(deploymentName, endpoint, apiKey)
    .Build();

// プラグインの追加
kernel.Plugins.AddFromType<FileIOPlugin>();

// チャット完了エージェントの定義
var agent = new ChatCompletionAgent
{
    Name = "AssistantAgent",
    Instructions = "You are a helpful assistant.",
    Kernel = kernel
};

// 実行
await foreach (var message in agent.InvokeAsync(thread))
{
    Console.WriteLine(message.Content);
}

Pythonの場合：

from semantic_kernel import Kernel
from semantic_kernel.agents import ChatCompletionAgent
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion

kernel = Kernel()
kernel.add_service(AzureChatCompletion(
    deployment_name="gpt-4o",
    endpoint=endpoint,
    api_key=api_key
))

agent = ChatCompletionAgent(
    kernel=kernel,
    name="AssistantAgent",
    instructions="You are a helpful assistant."
)

競合比較

Semantic Kernelは.NET / Azureエコシステムとの親和性が最大の強みです。LangChainはPythonエコシステムとの相性が良く、研究・プロトタイピング向きです。PythonチームがLangChainを使い、.NETチームがSemantic Kernelを使うという使い分けも現場では一般的です。RAG構築の詳細はHelixDBも参照してください。CrewAIは「複数エージェントに役割分担させる」構成に特化しており、用途が明確な場合に有力な選択肢になります。

こんな人におすすめ

• C# / .NET開発者：型安全なAPIとネイティブ統合により、エンタープライズ品質のAIアプリを効率よく構築できます。
• Azure環境を使うチーム：Azure OpenAI・AI Search・Bot Frameworkとの統合が密で、既存インフラをそのまま活かせます。
• 複数のLLMを使い分けたい組織：モデル抽象化により、OpenAI・Anthropic・ローカルLLMを同一コードで切り替えられます。ベンダーロックインを避けられます。
• マルチエージェントシステムを設計したい開発者：AgentGroupChatを使った協調エージェント構成が標準サポートされており、複雑なAIワークフローを整理して実装できます。
• エンタープライズでAIを導入したいアーキテクト：セキュリティ強化・監査ログ・テスト可能な設計が組み込まれており、本番運用に耐えるAI基盤を構築できます。