コンテンツにスキップ

Home

Multi AI Agent Framework
Fujitsu KozuchiはMulti AI Agent Frameworkにより進化します。人がAIを使うプラットフォームから、エージェントが自律的にAIを使いこなすプラットフォームへと進化します。

AI Agentにおける課題

  • AIの専門知識を持たない企業にとって、AIエージェントを試行しようにも、エージェントを動作させる場所もなく、どう構築すればいいのか分からない。
  • AIエージェントを各業務分野へ適用するには、開発・運用・改善の各フェーズにおいて様々な課題があり、これらの解決には通常AI専門家が必要になる。

Multi AI Agent Frameworkなら

  • 研究所の最先端AIエージェントを簡単に試せるプラットフォームを提供
  • AI知識の少ないユーザーも利用可能なエンタープライズ向けのマルチAIエージェント開発環境を提供

Multi AI Agent Frameworkがもたらす価値

  1. 研究所の最先端エージェントが簡単に試行可能
    • 研究所の先端技術がツールやエージェントとして搭載され、簡単に試せる
    • 今までFujitsu Kozuchiから提供していた技術もエージェント/ツールとして提供
  2. 先端技術を組み合わせてオリジナルのマルチAIエージェントを作成可能
    • AI知識の少ないユーザでもエージェントワークフローを構築可能なローコードサービスを提供
    • 提供技術は全てA2AまたはMCPプロトコルに対応し、自由に組み合わせが可能

技術概要

ターゲット業界・ユーザー

AIエージェントの導入により、カスタマーサポート、ソフトウェア開発、製造・物流の現場作業など様々な業務の自動化・効率化を実現したいと考えているが、AIやエージェントに関する専門知識を持たない企業

技術課題

  • AIの専門知識を持たない企業にとって、AIエージェントを試行しようにも、エージェントを動作させる場所もなく、どう構築すればいいのか分からない。

  • AIエージェントを各業務分野へ適用するには、開発・運用・改善の各フェーズにおいて以下のような課題があり、これらの解決には通常AI専門家が必要になる。

    フェーズ 課題
    開発 簡便なマルチAIエージェントシステム開発・評価手法の確立
    他マルチAIエージェントシステムとのコラボレーション対応
    動的なタスクに対する柔軟性の確保
    運用 他マルチAIエージェントシステムとのコラボレーション対応
    動的なタスクに対する柔軟性の確保
    改善 マルチAIエージェントシステムの自律的な挙動改善

  • そのため、AIエージェントのビジネス領域適用にはAI専門家の数がボトルネックとなりスケールに時間がかかることが想定され、幅広い業務分野への適用にはAI専門家に依存しないマルチAIエージェントシステムを開発可能なプラットフォームが求められる。

解決策

  • 研究所の最先端エージェントが簡単に試行可能なプラットフォームをFujitsu Kozuchiより提供
    • 研究所の先端技術がツールやエージェントとして搭載され、簡単に試せる
    • 今までFujitsu Kozuchiから提供していた技術もエージェント/ツールとして提供
  • 先端技術を組み合わせてオリジナルのマルチAIエージェントを作成可能
    • AI知識の少ないユーザでもエージェントワークフローを構築可能なローコードサービスを提供
    • 提供技術は全てA2AまたはMCPプロトコルに対応し、自由に組み合わせが可能

Fujitsu Kozuchiマルチエージェントフレームワーク

富士通の技術優位性

  • 協調・品質担保のための独自技術をプラットフォームに組み込み（予定）
    • Agentic Memory：人のような記憶を模倣するメモリを組み込み、エージェントが過去を踏まえて行動可能
    • 監視・ルーティング：自己評価・改善（Human-in-the-Loop含む）を繰り返し自律的にエージェントワークフローを改善
    • 連携：複数のAIエージェントを調整し、目的達成に向け意思疎通しながら利益を最大化
    • セキュリティ：エージェント間通信を監視し、機密情報やハルシネーションを防止

Multi AI Agent Frameworkがもたらす価値（詳細）

AIの知識が少ないユーザーでも本技術により、AIエージェントをお客様ごとに特化させ、セキュアにワークフローの品質を改善することができます。

  • 領域特化：人のような記憶を模倣するAgentic Memoryにより、人やロボット、他のエージェントから知識を習得し、特定領域で成長しながらワークフローを遂行します
  • 品質改善：ワークフロー全体の複雑なやりとりを適切に監視することで、多様な制約を考慮しながらワークフロー遂行を支援します

Multi AI Agent Framework全体図

事例・ユースケース（プラットフォーム搭載エージェント）

会議エージェント

会議エージェントはTeams会議に参加し、参加者の発言内容から課題を自律的に理解して解きます。会議中の会話データを入力とし、議論の収束と発散を繰り返す人間同士の議論プロセスを模倣し、議論の流れに沿った収束・議論の二方向のタスクを提案します。具体的には、①キーとなる発言を抽出し、②推測した発言意図を用いて議論のコンテキストを補った上で、③二方向に議論を導くタスク生成をエージェントに指示します。得られた提案やグラフ等を会議エージェントがTeamsチャットに自動投稿し、参加者の意思決定・議論を支援します。社内試行の一例では、ある会議の「8月の粗利率が7月と比べて大きく変動しているがなぜか」という質問に対し、会議エージェントは各月の製品売上合計に占める各製品の割合グラフを図示し、7月と8月では製品の売上割合が異なり一部製品売上に偏りがあることを可視化し、質問に対して定量的な根拠のある回答を示すことができました。

現場作業支援AIエージェント

現場作業支援AIエージェントは、製造、物流などの現場に設置されたカメラ映像を空間認識し解析するとともに作業指示や規則などのドキュメント情報を参照することで、自律的に現場改善の提案や作業レポートの作成を行い、人の作業を支援します。 具体的には、人と物との空間的関係性の理解能力や現場固有の物体認識、人の個別作業の認識など、現場作業支援に必要な様々な能力をAIエージェントに追加することで実現します。

Auto Data Science Agent

Auto Data Science Agentは、モデルコンテキストプロトコル（MCP）をサポートするAIエージェントのコレクションを通じて、自然言語による完全自動化データサイエンスの実現を目指しています。具体的には、ユーザが分析したいテーブルデータと共に、自然言語でデータ分析の要件をエージェントに伝えると、エージェントは要件に合わせてデータサイエンス用の様々なAIエージェントを自動で組み合わせ、適切な回答を導き出します。これにより、ユーザはデータサイエンスやAIについての詳細な知識がなくとも、簡単に高度なデータ分析を実行できるようになります。

  • デモ動画

関連情報