AIエージェントを自社の業務に入れたいけれど、何から始めればよいのかわからない。ノーコードのツールで作れるのか、エンジニアがフレームワークで開発すべきか、それとも開発会社に頼むべきか。調べるほど専門用語が増え、判断に迷ってしまう担当者は少なくありません。総務省と経済産業省の「AI事業者ガイドライン」は、令和7年度の更新でAIエージェントを取り上げ、人の判断をはさむ仕組みの構築や、権限を最小にする設定を留意点として示しました(出典:総務省「AI事業者ガイドラインの令和7年度更新内容」)。AIエージェント開発は、ツールを選ぶ前に、何を任せ、どこで人が確認するかを決めることが出発点になります。
そこで本記事では、AIエージェント開発の仕組みと、ノーコード・フレームワーク・外注という3つの作り方、企画から運用までの8つの手順、設計パターンを整理します。あわせて、開発ツール10選の料金と特徴、費用の目安、外注先の選び方と商談で使える質問、AIエージェント開発を頼めるおすすめの会社10社、注意点までをまとめました。
この記事でわかること
- 開発の手順と3つの作り方
- 開発ツール10選の料金と特徴
- 依頼先10社と選び方・質問例

この記事の監修者
AIBUILDERZ編集部
AI導入支援サービス「AIBUILDERZ」を運営するチームです。AI研修からシステムの導入・構築・定着まで、企業のAI導入を一気通貫で支援しています。
- 01AI研修
- 02システム構築
- 03運用・定着
運営会社 for,Freelance株式会社
AIエージェント開発とは
AIエージェント開発とは、目標を伝えるとAIが自分で手順を考え、社内のシステムや外部のツールを使いながら作業を進める仕組みを作ることです。まずは、AIエージェントの定義と、何でできていて、どう動くのかを押さえておきましょう。
AIエージェントの定義
総務省と経済産業省の「AI事業者ガイドライン(第1.2版)」では、AIエージェントを「特定の目標を達成するために、環境を感知し自律的に行動するAIシステム」と定めています(出典:総務省「AI事業者ガイドライン(第1.2版)」)。
業務の言葉に置き換えると、「問い合わせを読み、注文の状況を調べ、返信の下書きを作り、担当者に回す」といった一連の作業を、人が1つずつ指示しなくても進められるAIのことです。
生成AI・チャットボット・RPAとの違い
AIエージェントは、答えるだけの生成AIや、決まった答えを返すチャットボット、決まった手順を繰り返すRPAとよく比べられます。違いは「状況を見て手順を自分で組み立て、道具を使って作業まで進めるかどうか」にあります。
| 仕組み | できること | 人がすること |
|---|---|---|
| 生成AI(ChatGPTなど) | 質問に答える、文章を書く・要約する | 毎回指示を出し、結果を使って作業する |
| チャットボット | 決めた答えや社内文書から回答を返す | 答えの用意と、回答できない問い合わせへの対応 |
| RPA | 決められた手順で画面の操作や転記を繰り返す | 手順を細かく決め、例外が起きたら直す |
| AIエージェント | 状況を見て手順を考え、調べる・書く・登録するなどの作業を組み合わせて進める | 目標と権限を決め、大事な場面で確認・承認する |
判断が入る作業まで任せられるぶん、どこまで任せ、どこで人が確認するかの設計が、AIエージェント開発の中心になります。
AIエージェントを構成する4つの要素
AIエージェントは、おもに次の4つの要素でできています。どの開発ツールを使っても、この4つをどう用意するかを決めることになります。
| 要素 | 役割 | 開発で決めること |
|---|---|---|
| LLM(大規模言語モデル) | 指示を理解し、次に何をするかを考える頭脳 | どの会社のどのモデルを使うか、処理ごとに使い分けるか |
| ツール | 検索、データベースの読み書き、メールの送信など、外の世界に働きかける手足 | どのシステムにつなぐか、読むだけか書き込みまで許すか |
| メモリ(記憶) | 会話の流れや過去の作業の結果、利用者の好みを覚えておく | 何を、どのくらいの期間覚えさせるか。個人情報を覚えさせないか |
| 計画(プランニング) | 目標を小さな手順に分け、順番を決め、結果を見て直す | 手順をAIに任せるか、業務の手順として決めておくか |
AIエージェントが動く仕組み|考える・使う・確かめるの繰り返し
AIエージェントは、「考える → ツールを使う → 結果を確かめる」を目標に届くまで繰り返して作業を進めます。たとえば「先月の売上の報告書を作って」と頼むと、売上のデータベースを読むツールを呼び、足りない情報を調べ直し、報告書にまとめます。
AIがツールを呼び出す仕組みを、Function Calling(ツール呼び出し)と呼びます。開発者がツールの名前・役割・受け取る値を登録しておくと、AIはその説明を読んで、使うツールと渡す値を自分で選びます。AIが呼べるのは登録したツールだけなので、どのツールを渡すかが、そのままAIに許す権限になります。
繰り返しの回数に上限がないと、同じ作業を何度も続けて利用料がふくらむことがあります。繰り返しの上限と、止まったときに人へ引き継ぐ方法を最初から決めておくことが大切です。
AIエージェントの種類
AIエージェントは、任せ方と構成で分けられます。任せ方では、業務の流れを人が決めて判断が要る所だけをAIに任せる「業務特化型」と、目標だけを渡して手順もAIが組み立てる「自律型」があります。構成では、1つのAIが複数のツールを使い分ける「単一エージェント」と、役割の違う複数のAIが分担する「マルチエージェント」があります。最初の開発では、動きが読みやすい業務特化型・単一エージェントから始めるのが一般的です。
AIエージェント開発が注目される背景
背景には、技術とルールの両方の変化があります。各社のモデルが、ツールを使う力と長い手順を最後までやり切る力を高め、開発のためのフレームワークや、ツールとつなぐための共通の決まり(MCP)がそろってきました。国のAI事業者ガイドラインにもAIエージェントの定義とリスク、留意点が加わり、企業が安全に開発を進めるための目安が整いつつあります。
AIエージェントで開発できること
AIエージェント開発は、どの業務を任せるかを決めるところから始まります。ここでは、企業でよく開発される例と、最初に選ぶ業務の考え方を紹介します。部門や業界ごとの詳しい活用例は AIエージェントの業務活用 をご覧ください。
部門別の開発例
| 部門 | 任せる作業の例 | つなぐシステムの例 |
|---|---|---|
| カスタマーサポート | 問い合わせを読んで分類し、注文の状況を調べ、回答の下書きと対応の記録を作る | 問い合わせの管理、受注のシステム、FAQ |
| 営業 | 商談の前に相手の会社を調べ、過去のやり取りをまとめ、提案資料のたたき台を作る | 顧客管理(CRM)、メール、社内の資料 |
| 情報システム | 社内の問い合わせに規程や手順書で答え、アカウントの申請を受け付ける | チャット、社内文書、申請のシステム |
| 経理 | 請求書を読み取って内容を照合し、仕訳の下書きを作る | 会計のシステム、メール、ファイルの保存先 |
| 人事・総務 | 応募書類を整理し、面接の日程を調整し、社内の手続きを案内する | 採用管理、カレンダー、社内規程 |
どの例でも、AIが下書きや準備までを進め、送信や登録の前に担当者が確認する形から始めると、安全に効果を確かめられます。
AIエージェントに向く業務・向かない業務
向いているのは、件数が多く、手順がおおむね決まっていて、判断の材料が文書やデータにある業務です。年に2〜3回しかない判断や、材料が人の頭の中にしかない業務には向きません。最初の開発には、件数が多く、誤りが起きても人の確認で止められる業務を選ぶことが大切です。
AIエージェントの3つの作り方
AIエージェントの作り方は、大きく「ノーコードのツールで作る」「フレームワークで開発する」「開発会社に頼む」の3つです。どれを選ぶかで、かかる期間と費用、社内に必要な人、作れるものの幅が変わります。
3つの作り方の比較
| ノーコード・ローコード | フレームワーク・SDK | 開発会社に外注 | |
|---|---|---|---|
| 代表的な手段 | Dify、Copilot Studio、n8n | LangGraph、OpenAI Agents SDK、Claude Agent SDK など | AI開発会社、SIer、AI導入支援会社 |
| 社内に必要な人 | 業務がわかる担当者(プログラムは不要) | PythonやTypeScriptが書けるエンジニア | 業務がわかる担当者と、窓口になる担当者 |
| 試作ができるまでの期間 | 1〜4週間 | 1〜3か月 | 1〜3か月(PoCまで) |
| 作れるものの幅 | ツールの部品の範囲。複雑な分岐や独自のシステムとの連携は苦手 | 制約が少なく、細かい制御も独自の連携もできる | 要件に合わせて作れる。設計から運用まで任せられる |
| 向いている場面 | まず1つの業務で試したい | 社内にエンジニアがいて、作り込みたい | 基幹のシステムとつなぐ、社内に作れる人がいない |
ノーコードは現場の担当者が自分で直しながら使える反面、件数が増えると利用料が上がりやすくなります。フレームワークは細かく制御できる代わりに、エンジニアが設計から運用までを担います。外注は近道ですが、任せきりにすると社内に知見が残らないため、社内の担当者が一緒に手を動かす伴走の形を選ぶと、のちの内製につなげやすくなります。
ノーコードで試作して手応えを得てから、フレームワークで作り直す、あるいは開発会社に本番の開発を頼むという進め方もよく選ばれます。なお、Microsoft 365 CopilotやChatGPTなど、既存のツールに備わったエージェントの機能で足りるなら、開発しないという選択肢もあります。製品ごとの料金と機能は AIエージェント比較 で紹介しています。
セルフチェック:自社で作るか、外注するか
次の8つの質問に「はい」か「いいえ」で答えてみてください。「はい」の数で、自社に合う作り方の目安がわかります。
| 質問 | はい | いいえ |
|---|---|---|
| 1. 任せたい業務は1つの部署の中で完結する | 自社で作りやすい | 外注を検討 |
| 2. つなぐシステムはクラウドのサービスだけ(古い社内のシステムはない) | 自社で作りやすい | 外注を検討 |
| 3. 社内にPythonなどを書けるエンジニアがいる | フレームワークで作れる | ノーコードか外注 |
| 4. 業務の手順が文書になっている | 自社で作りやすい | 整理から外部に頼む |
| 5. 個人情報や機密の情報を扱わない | 自社で作りやすい | 外部の知見を借りる |
| 6. 作ったあと、直す担当者を社内に置ける | 自社で作りやすい | 運用まで外注 |
| 7. 3か月以内に結果を出さなくてよい | 自社で作りながら学べる | 経験のある会社に頼む |
| 8. 失敗しても業務が止まらない範囲から始められる | 自社で試せる | 外注で慎重に |
| 「はい」の数 | 合う作り方の目安 | 次にすること |
|---|---|---|
| 6〜8個 | ノーコードかフレームワークで自社で作る | 1つの業務を選び、2〜4週間で試作する |
| 3〜5個 | 自社で試作し、本番は外部と一緒に作る(伴走) | 試作の結果を持って、本番の開発を相談する |
| 0〜2個 | 開発会社に外注する | 依頼前に決めておく項目をそろえて、2〜3社に相談する |
AIエージェント開発の8つの手順
AIエージェント開発は、どの作り方でも、おおむね次の8つの手順で進みます。最初の2つの手順で、何を任せ、何をもって合格とするかを決めておくことが、失敗を防ぐ近道です。
ステップ1:任せる業務と範囲を決める(要件定義)
「問い合わせ対応を自動化したい」のような大きな言い方ではなく、「商品の配送に関するメールの問い合わせを読み、注文の状況を調べて、返信の下書きを作るところまで」のように、始まりと終わりを具体的に書き出します。
最初は「AIが下書きや準備まで進め、送信や登録は人が行う」形から始めるのが安全です。1件あたりの時間と月の件数を数えておくと、あとで効果を測りやすくなります。
ステップ2:合格の基準と評価の方法を決める
AIエージェントの答えや作業は、毎回少しずつ変わります。「動いたら完成」ではなく、「どのくらいの割合で正しくできれば本番に出すか」を先に決めておきます。
| 見る点 | 基準の例 |
|---|---|
| 答えの正しさ | テスト用の100件のうち、担当者が手直しなしで使える下書きが80件以上 |
| 作業の正しさ | システムへの登録の内容に誤りが0件(誤りがあれば人の確認で止まる) |
| かかる時間 | 1件あたりの対応時間が、いまの半分以下 |
| 止まり方 | 答えられない問い合わせは、必ず担当者に回して記録が残る |
| 利用料 | 1件あたりのAIの利用料が、決めた上限の中に収まる |
テストに使う業務の例(過去の問い合わせと正しい対応など)も、この段階で50〜100件ほど集めておきましょう。
ステップ3:作り方と技術を選ぶ
任せる範囲と基準が決まったら、前の章のセルフチェックで作り方を選び、使うモデル、動かす場所(クラウドか社内か)、開発ツールを決めます。社内ですでに使っているクラウドや業務のツールに合わせると、権限の管理とデータの扱いの手間が少なくなります。
ステップ4:ツール・権限・業務の流れを設計する
AIエージェントがどのシステムにつながり、何をしてよいかを決めます。ツールは「注文の状況を調べる」「返信の下書きを保存する」のように、1つの道具に1つの役割を持たせ、名前と説明をAIが誤解しないように書くのがコツです。
| 設計すること | 決める内容の例 |
|---|---|
| つなぐシステム | 受注のシステム(読むだけ)、問い合わせの管理(下書きの保存まで) |
| 許す操作 | 読む・下書きを作るは許す。送信・削除・支払いは許さない |
| 人が確認する場面 | 顧客への送信の前、金額が一定を超えるとき、AIが自信を持てないとき |
| 止まり方 | 繰り返しの上限、エラーのときの引き継ぎ先、記録の残し方 |
ステップ5:知識のデータ(RAG)を用意する
社内の規程や商品の情報、過去の対応の記録などをもとに答えさせたい場合は、RAG(検索拡張生成)の仕組みを作ります。RAGは、質問に関係する社内の文書を検索してAIに渡し、その内容をもとに答えさせる仕組みです。AIの答えの質は、渡す文書の質で決まります。古い版の規程が混ざっていないか、PDFが画像になっていて文字が読めない資料はないか、だれがいつ更新するのかを、開発の前に確かめておきましょう。
ステップ6:実装する(指示文とツールの連携)
設計にそって、AIへの指示文(プロンプト)とツールを作ります。指示文には、AIの役割、守るべき決まり、使ってよいツール、答えられないときの動き方を書き、良い答えと悪い答えの例を1つずつ添えると答え方が安定します。すべての機能を一度に作らず、いちばん件数の多い流れから作るのがおすすめです。
ステップ7:テスト・評価する(PoC)
ステップ2で集めた業務の例を使い、決めた基準を満たすかを小さな範囲で確かめます。この段階を、PoC(実証実験)と呼びます。答えの正しさだけでなく、「正しいツールを正しい順で使ったか」「やってはいけない操作をしようとしなかったか」「答えられないときに人へ回したか」も見ます。わざと紛らわしい質問や、指示を乗っ取ろうとする文章を混ぜて試すことも大切です。
ステップ8:本番に出して運用・改善する(AgentOps)
本番に出したあとは、動きを記録し、誤りや人への引き継ぎが多い所から直していきます。こうした運用と改善の取り組みを、AgentOpsと呼ぶこともあります。AIエージェントは作って終わりではなく、記録を見て直し続けることで使える仕組みになります。月に1回は、処理した件数、人が手直しした割合、利用料を見て、指示文やツールを見直しましょう。モデルの新しい版が出たときは、テスト用の業務の例で答えが変わらないかを確かめてから切り替えます。
AIエージェントの設計パターン
AIエージェントの動かし方には、よく使われる型(設計パターン)があります。業務に合った型を選ぶと、動きが読みやすく、直しやすいAIエージェントになります。
ReAct|考えて動き、結果を見てまた考える
ReAct(リアクト)は、「考える(Reasoning)」と「動く(Acting)」を交互に繰り返す、もっとも基本的な型です。AIは次に何を調べるべきかを考え、ツールを使い、その結果を見て次の動きを決めます。手順が決まっていない調べものに向いていますが、繰り返しが長くなりやすいため、回数の上限が欠かせません。
計画・実行型(Plan-and-Execute)|先に計画を立ててから進める
計画・実行型は、最初に全体の手順を計画し、その計画どおりに1つずつ実行していく型です。報告書づくりのように工程が分かれる長い作業でも、途中で目的を見失いにくくなります。計画を人が確認してから実行に移す形にすると、意図しない作業を防げます。
振り返り型(Reflection)|自分の結果を見直して直す
振り返り型は、AIが作った結果を、AI自身や別のAIが見直し、足りない所を直してから仕上げる型です。文章の誤りや、決まりに沿っていない所を直すのに向いています。見直しの回数だけ利用料と時間が増えるため、見直す観点と回数の上限を決めて使います。
マルチエージェント|役割を分けて受け渡す
マルチエージェントは、調べる係、書く係、確かめる係のように役割の違う複数のAIエージェントが分担し、まとめ役が仕事を振り分ける型です。1つのエージェントに多くのツールと指示を詰め込むより精度が上がることがありますが、数が増えるほど受け渡しでの誤りと利用料も増えます。単一のエージェントで足りない場合に、はじめて検討するのがよいでしょう。
ワークフロー型|業務の手順の中にAIの判断を組み込む
ワークフロー型は、業務の手順そのものは人が決めておき、その中の「分類する」「要約する」「下書きを作る」といった判断が要る所だけをAIに任せる型です。動きが読みやすく、テストもしやすいため、企業の最初のAIエージェント開発は、ワークフロー型から始めると失敗しにくくなります。慣れてきたら、手順が決めにくい部分だけを自律的な動きに置き換えていきます。
AIエージェント開発で使う技術
相談や見積もりでは、技術の用語が多く出てきます。LLM・ツール呼び出し・RAG・メモリは前の章で紹介したので、ここでは、つなぐための決まりと、動かすための基盤、開発の言語を押さえておきましょう。
MCP(Model Context Protocol)
MCPは、AIと外部のツールやデータをつなぐための共通の決まりです。Anthropicが公開し、いまは多くのAIのツールや開発の基盤が対応しています。一度MCPに対応した入り口を作れば、さまざまなAIのアプリやエージェントから同じ方法で使えます。一方で、外部の人が作ったMCPのサーバーをつなぐと、意図しないデータの読み出しや操作につながるおそれがあるため、社内で使ってよいサーバーを決めておきましょう。
A2A(Agent2Agent)
A2Aは、別々に作られたAIエージェントどうしが、仕事を頼んだり結果を受け取ったりするための共通の決まりで、Googleが提唱しました。MCPが「エージェントとツールをつなぐ」決まりなら、A2Aは「エージェントとエージェントをつなぐ」決まりです。最初の開発で必須になることは少ないため、将来の広げ方として知っておけば十分です。
オーケストレーションとエージェントの実行基盤
オーケストレーションは、複数のAIの呼び出しやツール、エージェントの順番と受け渡しを管理する仕組みで、LangGraphのグラフや、各社のフレームワークのワークフローの機能がこれにあたります。本番では、動作の記録、権限と認証の管理、長い作業の途中経過の保存、障害のときの復旧を担う実行基盤も必要です。クラウドの基盤(Amazon Bedrock AgentCoreなど)を使うか、自社で作るかを決めます。
開発に使うプログラミング言語と環境
フレームワークで開発する場合、もっとも多く使われている言語はPythonで、次いでTypeScript(JavaScript)です。Microsoftの環境では.NET(C#)、Googleのフレームワークでは Go や Java も使えます。モデルは各社のAPIか、クラウドのAIサービス(Amazon Bedrock・Azure・Google Cloud)から呼び出し、RAG用のベクトルデータベースと、LangSmithのような動作の記録・評価のツールを組み合わせるのが一般的です。
AIエージェント開発ツール10選
ここからは、AIエージェント開発に使える代表的なツールとフレームワークを、ノーコード・ローコード、フレームワーク、クラウドの基盤の順に10個紹介します。料金と機能は、各社の公式サイトの情報をもとにしています。まずは一覧で全体を見渡してください。
ツール・フレームワークの比較一覧
| 名前 | 種類 | プログラム | 料金の形 |
|---|---|---|---|
| 01. Dify | ノーコード | 不要 | 無料プランあり/月額・年額のプラン |
| 02. Microsoft Copilot Studio | ノーコード | 不要 | クレジットのパック/従量課金 |
| 03. n8n | ローコード | 一部 | 実行の回数で決まる月額 |
| 04. LangChain・LangGraph | フレームワーク | 必要 | 無料(記録・評価は有料プランあり) |
| 05. OpenAI Agents SDK | フレームワーク | 必要 | 無料+モデルの利用料 |
| 06. Claude Agent SDK | フレームワーク | 必要 | 無料+モデルの利用料 |
| 07. Agent Development Kit(ADK) | フレームワーク | 必要 | 無料+モデル・クラウドの利用料 |
| 08. Microsoft Agent Framework | フレームワーク | 必要 | 無料+モデル・クラウドの利用料 |
| 09. CrewAI | フレームワーク | 必要 | 無料(基盤は無料プランと個別見積もり) |
| 10. Amazon Bedrock AgentCore | クラウドの基盤 | 必要 | 使った分だけの従量課金 |
フレームワークそのものは無料でも、AIのモデルの利用料とクラウドの費用は別にかかります。月にどのくらいの件数を処理するかで、総額は大きく変わります。
01. Dify

Difyは、画面の上で部品をつないで、AIエージェントやワークフロー、社内文書を検索するRAGの仕組みを作れる開発の基盤です。OpenAI・Anthropic・Googleなど複数の会社のモデルを切り替えて使えます。クラウド版のほか、オープンソースのコミュニティ版を自社のサーバーで動かすこともでき、社外にデータを出したくない企業でも検討しやすいのが特長です。プログラムを書かずに試作し、手応えを得てから本番に広げる使い方に向いています。
| 種類 | ノーコード |
| 提供元 | LangGenius |
| 向いている使い方 | 社内文書の検索、問い合わせの一次回答、定型の文書づくりを、画面の操作で早く試作する |
| 主な機能 | ワークフローの画面での作成、ナレッジ(RAG)、エージェント、ツール・モデルのマーケットプレイス |
| 使えるAIモデル | OpenAI・Anthropic・Gemini・xAI など複数の会社のモデル |
| 動かす場所 | クラウド(SaaS)、自社の環境(VPC)、自社のサーバー(コミュニティ版) |
| 料金 | 無料の Sandbox あり。Professional 月59ドル(年払いは590ドル)、Team 月159ドル(年払いは1,590ドル)。いずれも1ワークスペースあたり。コミュニティ版は無料 |
| 公式サイト | Dify |
02. Microsoft Copilot Studio
Microsoft Copilot Studioは、ノーコードでAIエージェントやワークフローを作り、管理するためのMicrosoftの基盤です。1,500以上の用意済みのコネクタやMCPのサーバーを使って、社内のデータや業務のシステムにつなげられます。TeamsやMicrosoft 365を全社で使っている企業なら、普段の画面の中でエージェントを使えるうえ、セキュリティとガバナンスの管理もまとめやすくなります。
| 種類 | ノーコード |
| 提供元 | Microsoft |
| 向いている使い方 | Microsoft 365・Teams を使う企業で、社内の問い合わせ対応や申請の受付を担うAIエージェントを作る |
| 主な機能 | ノーコードでのエージェントとワークフローの作成、1,500以上のコネクタ、MCP、自律型のエージェント |
| 使えるAIモデル | 既定のモデルのほか、Azure AI Foundry で使える11,000以上のモデルから選べる |
| 動かす場所 | Microsoft のクラウド |
| 料金 | 25,000 Copilot クレジットのパックが月29,985円。従量課金制もあり |
| 公式サイト | Microsoft Copilot Studio |
03. n8n

n8nは、業務の自動化の流れ(ワークフロー)を画面で組み立て、その中にAIエージェントを入れられるツールです。500以上の外部サービスと標準でつながり、必要なところだけプログラムを書き足すこともできます。決まった手順で進む部分はワークフローで固め、判断が要る部分だけをAIに任せる作り方と相性がよく、自社のサーバーで動かす選択肢もあります。
| 種類 | ローコード |
| 提供元 | n8n |
| 向いている使い方 | メールやフォームの受け付けから、AIの判断、システムへの登録までを1本の流れにまとめる |
| 主な機能 | ワークフローの画面での作成、エージェント・MCP・AIの部品、500以上の連携、コードの追加 |
| 使えるAIモデル | APIキーを用意せずに使えるモデルのほか、各社のAPIをつないで使う |
| 動かす場所 | n8n のクラウド、自社のサーバー |
| 料金 | Starter 月20ユーロ(実行2,500回)、Pro 月50ユーロ(実行1万回)、Business 月667ユーロ(実行4万回・自社のサーバーのみ)。いずれも年払い |
| 公式サイト | n8n |
04. LangChain・LangGraph

LangChainは、どの会社のモデルでもAIエージェントを手早く作れるオープンソースのフレームワークで、LangGraphは処理の流れをグラフ(つながりの図)として細かく制御するためのフレームワークです。途中で人の承認をはさむ、失敗したら前の段階に戻るといった、業務で欠かせない動きを作り込めます。動作の記録と評価には、同じ会社のLangSmithを組み合わせるのが一般的です。
| 種類 | フレームワーク |
| 提供元 | LangChain |
| 向いている使い方 | 手順の分岐や人の承認が多い業務を、細かく制御しながら作る |
| 主な機能 | エージェントの作成(LangChain)、グラフでの処理の制御(LangGraph)、記録・評価・本番への展開(LangSmith) |
| 使えるAIモデル | 主要な会社のモデルを切り替えて使える |
| 動かす場所 | 自社の環境、LangSmith のクラウド |
| 料金 | フレームワークは無料(MITライセンス)。LangSmith は Developer 0ドル、Plus 1席月39ドル+使った分 |
| 公式サイト | LangGraph |
05. OpenAI Agents SDK
OpenAI Agents SDKは、OpenAIが公開しているエージェント開発のためのオープンソースの部品集です。指示とツールを持つ「エージェント」、ほかのエージェントに仕事を渡す「ハンドオフ」、入力と出力を確かめる「ガードレール」という少ない部品で組み立てられ、動作の記録(トレース)の機能も最初から入っています。部品が少ないぶん覚えることが少なく、試作から本番までの距離が短いのが特長です。
| 種類 | フレームワーク |
| 提供元 | OpenAI |
| 向いている使い方 | OpenAIのモデルを中心に、複数のエージェントで仕事を分けて受け渡す |
| 主な機能 | エージェント、ハンドオフ、ガードレール、トレース、人の確認、MCP、音声のエージェント |
| 使えるAIモデル | OpenAIのモデル。アダプタを使ってほかの会社のモデルにもつなげられる |
| 動かす場所 | 自社の環境(Python) |
| 料金 | SDKは無料(MITライセンス)。モデルのAPIの利用料が別にかかる |
| 公式サイト | OpenAI Agents SDK |
06. Claude Agent SDK
Claude Agent SDKは、AnthropicのAIエージェント「Claude Code」を動かしているのと同じツール、エージェントの繰り返しの仕組み、文脈の管理を、自社のプログラムから使えるようにした開発キットです。ファイルを読む、コマンドを動かす、外部のツールにMCPでつなぐといった作業を、権限の設定とあわせて組み込めます。長い作業を自分で進めるAIエージェントを作りたい場合に向いています。
| 種類 | フレームワーク |
| 提供元 | Anthropic |
| 向いている使い方 | 調べもの・資料づくり・コードの作業など、長い手順を自分で進めるエージェントを作る |
| 主な機能 | エージェントの繰り返しの仕組み、独自のツール、MCP、サブエージェント、権限の設定、フック、コストの記録 |
| 使えるAIモデル | Claude のモデル |
| 動かす場所 | 自社の環境(Python・TypeScript) |
| 料金 | SDKは無料(利用には Anthropic の商用利用規約が適用される)。モデルのAPIの利用料が別にかかる |
| 公式サイト | Claude Agent SDK |
07. Agent Development Kit(ADK)

Agent Development Kit(ADK)は、Googleが公開しているエージェント開発のためのオープンソースのフレームワークです。Geminiに合わせて作られていますが、ほかの会社のモデルも使え、動かす場所も選びません。Python・TypeScript・Go・Java・Kotlinで使え、処理の流れをグラフで組むワークフローや、複数のエージェントへの振り分けの仕組みもそろっています。
| 種類 | フレームワーク |
| 提供元 | |
| 向いている使い方 | Google Cloud や Gemini を使う企業で、複数のエージェントを組み合わせた仕組みを作る |
| 主な機能 | グラフで組むワークフロー、複数のエージェントの振り分け、評価、本番への展開 |
| 使えるAIモデル | Gemini のほか、Claude・OpenAI などのモデル |
| 動かす場所 | 自社の環境、Google Cloud ほか |
| 料金 | 無料(Apache-2.0ライセンス)。モデルとクラウドの利用料が別にかかる |
| 公式サイト | Agent Development Kit |
08. Microsoft Agent Framework
Microsoft Agent Frameworkは、Microsoftのオープンソースのエージェント開発のフレームワークです。複数のエージェントの連携を試せたAutoGenの手軽さと、Semantic Kernelの企業向けの機能(状態の管理、型の安全、記録の仕組み)を1つにまとめ、グラフで組むワークフローを加えています。Python と .NET(C#)で使え(Go版はプレビュー)、Azureで動かす企業に向いています。
| 種類 | フレームワーク |
| 提供元 | Microsoft |
| 向いている使い方 | .NET や Azure を使う企業で、複数のエージェントが連携する業務の仕組みを作る |
| 主な機能 | エージェント、ツールとMCP、グラフで組むワークフロー、状態の管理、記録(テレメトリ) |
| 使えるAIモデル | Microsoft Foundry・Azure OpenAI・OpenAI・Anthropic・Ollama など |
| 動かす場所 | 自社の環境、Azure ほか |
| 料金 | 無料(MITライセンス)。モデルとクラウドの利用料が別にかかる |
| 公式サイト | Microsoft Agent Framework |
09. CrewAI

CrewAIは、役割を持った複数のAIエージェントを「チーム(Crew)」として協力させるためのフレームワークです。調べる係・書く係・確かめる係のように役割と目標を決めて仕事を分けられるため、マルチエージェントの考え方をつかみやすいのが特長です。オープンソースのフレームワークのほか、画面で組み立てられる有料の基盤も用意されています。
| 種類 | フレームワーク |
| 提供元 | CrewAI |
| 向いている使い方 | 調査・執筆・確認のように、役割を分けたほうが質が上がる仕事を任せる |
| 主な機能 | 役割を持つエージェントのチーム(Crews)、決まった流れで動かすフロー(Flows)、画面での作成、人の承認 |
| 使えるAIモデル | 公式サイトに記載なし |
| 動かす場所 | 自社の環境、CrewAI のクラウド、自社の VPC |
| 料金 | フレームワークは無料(MITライセンス)。基盤は Basic 無料(実行は月50回まで)、Enterprise は記載なし(直接お問い合わせください) |
| 公式サイト | CrewAI |
10. Amazon Bedrock AgentCore
Amazon Bedrock AgentCoreは、作ったAIエージェントを安全に、大きな規模で動かすためのAWSの基盤です。実行の環境(Runtime)、記憶(Memory)、既存のツールにつなぐ入り口(Gateway)、認証(Identity)、動作の見える化(Observability)などを、必要なものだけ選んで使えます。どのフレームワークやモデルで作ったエージェントでも載せられ、最大8時間の長い作業にも対応しています。
| 種類 | クラウドの基盤 |
| 提供元 | AWS |
| 向いている使い方 | AWSを使う企業で、試作したAIエージェントを本番の規模で安全に動かす |
| 主な機能 | Runtime、Memory、Gateway、Identity、Observability、ブラウザ、コードの実行、評価 |
| 使えるAIモデル | フレームワーク・モデルを問わない |
| 動かす場所 | AWS |
| 料金 | 使った分だけの従量課金。初期費用・最低料金なし。AWSの新規の利用者には最大200ドルの無料枠クレジット |
| 公式サイト | Amazon Bedrock AgentCore |
ツールの選び方|迷ったときの3つの基準
| 基準 | 考え方 |
|---|---|
| 社内にエンジニアがいるか | いなければノーコード(Dify・Copilot Studio・n8n)から。いればフレームワークも選べる |
| いま使っているクラウドと業務のツール | Microsoft 365・Azure なら Copilot Studio や Microsoft Agent Framework、AWS なら AgentCore、Google Cloud なら ADK を先に検討する |
| 任せたい業務の複雑さ | 手順が決まっているならワークフローの得意なツール、分岐や人の承認が多いなら LangGraph のように細かく制御できるもの |
ツールは機能の多さではなく、社内の人と、いま使っているシステムに合うかで選ぶことが大切です。迷う場合は、ノーコードで1つの業務を試作し、足りない所がはっきりしてからフレームワークを選ぶと、選び直しの手間が減ります。
AIエージェント開発の費用の目安
AIエージェント開発の費用は、作り方と任せる業務の広さで大きく変わります。ここでは要点だけを紹介します。作り方ごとの料金の内訳、APIの利用料の試算、費用を抑える方法、見積もりの読み方は AIエージェントの費用相場 で詳しく解説しています。
作り方別の費用の目安
| 作り方 | 初期の金額の目安 | 月額の目安 |
|---|---|---|
| 既存ツールのエージェント機能を使う | 0〜30万円(設定と社内ルールの整備) | 1人あたり3,000〜5,000円程度 |
| ノーコードで自社用に作る(外部に構築を頼む場合) | 30万〜150万円 | 3万〜20万円程度(ツール費+APIの利用料) |
| 個別に開発する | 100万〜2,000万円(全社に広げる場合は2,000万円〜) | 10万〜50万円程度(API・基盤・保守) |
金額は一般的な目安です。任せる業務の数、つなぐシステムの数、データの状態、安全の仕組みをどこまで作るかで大きく変わります。
フェーズ別の費用と期間
| フェーズ | 金額の目安 | 期間の目安 |
|---|---|---|
| 企画・業務の整理 | 30万〜150万円 | 2週間〜1か月 |
| PoC(実証実験) | 50万〜300万円 | 1〜3か月 |
| 本開発 | 100万〜1,500万円 | 2〜6か月 |
| 運用・改善 | 月5万〜50万円 | 継続 |
PoCの金額だけで判断すると、本番に進んだときに予算が足りなくなることがあります。PoCを頼む段階で、本番と運用まで含めた総額の幅を聞いておくことが大切です。
AIエージェント開発の体制
AIエージェント開発は、エンジニアだけでは進みません。業務を知る人、決める人、守る人がそろって、はじめて本番で使える仕組みになります。
開発に必要な役割
| 役割 | 主な仕事 | 社内か外部か |
|---|---|---|
| 責任者(オーナー) | 任せる業務と合格の基準を決め、予算と優先順位を判断する | 社内(必須) |
| 業務の担当者 | いまの業務の流れと例外を説明し、テストの例を集め、結果を確かめる | 社内(必須) |
| プロジェクトマネージャー | 計画と進み具合の管理、社内外の調整 | 社内か外部 |
| AIエンジニア | 設計パターンの選択、指示文とツールの設計、答えの質の評価 | 社内か外部 |
| システムエンジニア | 社内のシステムとのつなぎ込み、画面と処理の開発 | 社内か外部 |
| セキュリティ・情報システムの担当 | 権限、データの扱い、記録の確認 | 社内(判断は必須) |
ノーコードで作る場合は、業務の担当者がAIエンジニアの役も兼ねます。外部に任せられるのは作る作業で、何を任せ何をもって合格とするかは自社で決める必要があります。長く使い続けるには、指示文の直し方と記録の見方がわかる人を社内に置き、引き継ぎの資料を受け取っておくと、少しずつ内製に移れます。
外注先の選び方と依頼の準備
社内で作るのが難しい場合は、外部の会社にAIエージェント開発を頼むことになります。ここでは、外注先のタイプと選び方、依頼の前に決めておくこと、契約で確かめることを紹介します。
外注先の4つのタイプ
| タイプ | 得意なこと | 向いている場面 |
|---|---|---|
| AI開発会社 | AIのモデルやシステムを設計し、作り、本番で動かす | 作りたいものが決まっていて、独自の開発が要る |
| SIer | 基幹のシステムとの連携、大きな規模のシステムの構築と運用 | 全社で使う、既存のシステムに深くつなぐ |
| AI導入支援会社 | どの業務から任せるかの整理から、研修・ツールの導入・開発・定着まで | 何から始めるかから相談し、社内に定着させたい |
| フリーランス | 小さな試作、ノーコードのツールの構築 | 費用を抑えて試したい、範囲が小さい |
AIエージェントに限らず、AI開発全般を頼める会社は AI開発会社の比較 で紹介しています。
外注先を選ぶ7つのポイントと商談で使える質問
次の7つを、商談でそのまま質問してみてください。答えの具体さで、会社の経験の深さが見えてきます。
| ポイント | 確かめること | 質問の例 |
|---|---|---|
| 1. AIエージェント開発の実績 | 自社と近い業務で、本番まで出した例があるか(試作だけで終わっていないか) | 本番まで出した例と、出せなかった例とその理由を教えてください |
| 2. 業務を整理する力 | 技術の話より先に、いまの業務の流れと例外を聞いてくれるか | 開発の前に、業務のどこを、どう確かめますか |
| 3. 作り方の提案の幅 | ノーコード・フレームワーク・既存のツールを比べたうえで提案してくれるか | なぜこの作り方を勧めるのですか。あとから別の会社のモデルに切り替えられますか |
| 4. 安全の設計 | 権限の絞り方、人の承認の場面、記録の残し方を具体的に説明できるか | AIに許す操作と、人が確認する場面はどう決めますか |
| 5. 評価の方法 | 合格の基準とテストのやり方を、PoCの前に示してくれるか | 合格の基準とテストの方法は、いつ、どう決めますか |
| 6. 運用と費用 | 本番のあとの改善、モデルの更新、障害への対応をだれが行うか | 本番の件数で、月の利用料はいくらと見込みますか。上限はどう管理しますか |
| 7. 社内に知見が残るか | 設計の資料やコードの引き渡し、社内の担当者への引き継ぎがあるか | 設計の資料とコードは渡してもらえますか |
いちばん大切なのは2つ目です。業務の話を聞かずに、すぐに特定のツールや仕組みを勧める会社は避けたほうが無難です。
依頼の前に決めておく8つの項目
相談の前に次の8つをまとめておくと、会社ごとの提案と見積もりを同じ物差しで比べられます。すべてが決まっていなくても、わかる範囲で書き出しておきましょう。
| 項目 | 書き出す内容の例 |
|---|---|
| 1. 任せたい業務 | 配送に関するメールの問い合わせ対応(月に約600件) |
| 2. いまのやり方と時間 | 担当者2人が、1件あたり平均10分で対応している |
| 3. AIに任せる範囲 | 問い合わせの分類と返信の下書きまで。送信は担当者が行う |
| 4. つなぐシステム | 問い合わせの管理のツール、受注のシステム(APIの有無) |
| 5. 参照させる情報 | FAQ、配送の規程、過去の対応の記録(どこに、どの形であるか) |
| 6. 合格の基準 | 手直しなしで使える下書きが8割以上、1件あたりの時間が半分以下 |
| 7. 扱うデータの決まり | 個人情報を含む。社外のAIのサービスに送ってよいか、社内の決まりを確認済み |
| 8. 予算と時期 | PoCは3か月以内、本番は6か月以内。予算の上限の目安 |
契約で確かめること
AIエージェント開発の契約では、通常のシステム開発に加えて、データとAIが作ったものの扱いを決めておく必要があります。経済産業省は、確かめるべき点をまとめた「AIの利用・開発に関する契約チェックリスト」を2025年2月に公表しています(出典:経済産業省「AIの利用・開発に関する契約チェックリスト」)。
とくに、自社が渡すデータを開発会社がほかの目的や学習に使ってよいか、指示文・コード・設定の権利をだれが持つか、PoCで基準に届かなかった場合にどこで止めて費用をどうするか、AIの答えが100%正しくはならないことを前提に何を保証の対象にするかを、契約の前に決めておきましょう。
AIエージェント開発のおすすめの会社10選
ここからは、AIエージェント開発を頼める会社を紹介します。まずは比較の一覧で全体を見渡してから、気になる会社の詳細を読んでください。
PR|AIBUILDERZ AI導入支援サービス
PR
AIBUILDERZ|AI導入支援サービス
システム構築は成果報酬型。AI研修から導入・構築・定着まで一気通貫で支援

AI研修からシステムの導入・構築・定着まで、一気通貫で支援するサービスです。業務アプリの構築費は事前にいただかず、実際に稼働させ、効果をご確認いただいてからお支払いが始まります。成果報酬型での対応は、当社が小規模と定義するシステムが対象です。
- 業種・規模を問わず支援どの業務からAIやシステムに置き換えるかを一緒に決め、効果の大きい業務から順に進めます。
- システム構築は成果報酬型業務アプリの構築費は事前にいただきません。稼働させ、効果をご確認いただいてからお支払いが始まります。
- AI導入の効果を可視化置き換える業務を一覧にし、導入前後の時間から、空いた時間とかからなくなった費用を毎月記録します。
- 小さく始めて、リスクを管理影響の小さい業務から始め、AIの実行結果は担当者が確認・承認してから反映します。
掲載の基準
本記事では、次の基準で会社を選び、各社の公式サイトに書かれている内容だけで紹介しています。
- AIエージェントの開発・構築・導入の支援を、公式サイトでサービスとして案内している
- 支援の範囲と、使うAI・基盤を、公式サイトで確かめられる
- AI専業の開発会社、クラウド(AWS・Azure・Google Cloud)に強い会社、ノーコードのツールでの構築に強い会社、業務の整理から伴走する会社が入るように選んだ
料金は、公式サイトに金額が載っている会社だけ記載し、載っていない会社は「記載なし(直接お問い合わせください)」としています。掲載の順番は順位ではありません。
10社の比較一覧
支援の範囲は、公式サイトで確かめられたものだけを書いています。書いていない工程は、対応していないという意味ではありません。
| 会社名 | 得意な開発 | 支援の範囲 | 料金 |
|---|---|---|---|
| PR AIBUILDERZ |
生成AI・業務アプリ | 業務の整理・構築・運用・定着 | システム構築は成果報酬型(小規模のシステムが対象) |
| 01. 株式会社Laboro.AI | 自社に固有の業務に合わせた専用のAIエージェント、マルチエージェントの構成 | 企画・戦略策定・PoC・開発・業務プロセスの再構築・AIモデルの精度維持 | 記載なし |
| 02. 株式会社LangCore | 受発注の入力、稟議の1次レビュー、証憑の転記・照合、CRMの更新など、複数のシステムをまたぐ業務の代行 | 環境準備・接続検証・設計・構築・テスト・精度調整・納品・本番運用 | 300万円〜(接続システム1つ) |
| 03. 株式会社WEEL | 業務フローに組み込むAIエージェント、生成AIを搭載したWeb・アプリの開発 | 要件定義・PoC・開発・テスト・運用・チューニング | PoC 300万円〜、本開発 300万円〜(目安) |
| 04. KDDIアイレット株式会社 | 契約書・見積書のチェック、データ入力・転記、問い合わせの振り分けなどを担うAIエージェント(Google Cloud) | ヒアリング・提案・環境構築・開発・検証・チューニング・本番導入・保守・教育 | 記載なし |
| 05. 株式会社サーバーワークス | 社内情報の検索、データ分析、入札情報の収集や書類チェックなどの定型業務の自動化(AWS) | ヒアリング・計画の策定・設計・構築・運用の支援・振り返り・次の活用計画 | 記載なし |
| 06. 株式会社電通総研 | Microsoft 365や業務アプリと連携するマルチエージェント、RAG基盤(Azure) | 要件定義・効果設計・PoC/PoV・エージェントの設計・実装・RAG基盤・Azure基盤の設計・構築・運用設計・定着化・教育 | 記載なし |
| 07. TDSE株式会社 | Difyで作る社内チャットボット(RAG)、契約書レビュー、商談前の情報収集などのアプリ・AIエージェント | 業務の提案・環境構築・アプリ・エージェントの構築・技術伴走支援・研修 | 記載なし |
| 08. パーソルクロステクノロジー株式会社 | 社内の問い合わせ対応、マニュアル・ナレッジの検索、申請・手続きなどを担うAIエージェント(Microsoft Copilot Studio) | トレーニング・業務分析・活用方針の策定・設計・開発・導入後の分析・チューニング・内製化の支援 | 記載なし |
| 09. 株式会社GenerativeX | 複雑な業務プロセス向けの特化型AIエージェント、複数のエージェントを統制するエージェントプラットフォーム | AI戦略の策定・設計・実装・評価基盤・ガードレールの構築・社内システム連携・内製化の支援・研修 | 記載なし |
| 10. 株式会社AI Shift | 営業・マーケティング・人事など、職種や業務プロセスに合わせたAIエージェント | 戦略策定・業務の棚卸し・PoC・要件定義・構築・現場への展開・運用改善・研修 | 記載なし |
料金を公開していない会社には、依頼の前に決めておく8つの項目をそろえ、同じ資料と同じ質問で見積もりを依頼して、運用の費用まで含めた総額で比べましょう。
01. 株式会社Laboro.AI|AIエージェント/生成AI領域のカスタムAI開発
企業ごとの課題に合わせて専用のAIエージェントを作る「カスタムAI開発」を行う会社です。経営課題から現場の実務までを理解したうえで設計し、AIエージェントを前提にした業務フローや組織体制の見直しにも伴走します。複数のエージェントが協調して動くマルチエージェントの構成にも対応しています。既製のツールでは合わない、自社に固有の業務を変えたい会社に向いています。
| 強み | AIエージェントの開発と、それを前提にしたビジネスプロセスの再構築までを一緒に進められる点(公式サイトでは400を超えるAIプロジェクト実績) |
| 得意な開発 | 自社に固有の業務に合わせた専用のAIエージェント、マルチエージェントの構成 |
| 支援の範囲 | 企画・戦略策定・PoC・開発・業務プロセスの再構築・AIモデルの精度維持 |
| 支援の形 | オーダーメイドの受託開発(PoCから始めて本開発へ進む)+ビジネスプロセスの再構築への伴走 |
| 使うAI・基盤 | マルチエージェント構成の技術基盤を自社で保有。使うモデルやクラウドの名前は公式サイトに記載なし |
| 料金 | 記載なし(直接お問い合わせください)。公式のFAQでは個別見積もりと案内。期間の目安はPoCで2か月〜、本開発で1か月〜 |
| 公式サイト | AIエージェント/生成AI領域のカスタムAI開発 |
02. 株式会社LangCore|AIエージェント構築サービス「LangCore Agent Deploy」

社内のシステムを自律的に操作して業務を代行するAIエージェントを構築する会社です。AIが情報の取得から基幹システムやCRMへの下書き入力までを行い、最後は人が確認して確定する設計を基本にしています。実環境での接続検証から始め、最短約2か月で納品します。自動化したい業務がはっきりしていて、RPAでは対応しきれない会社に向いています。
| 強み | 接続するシステムの数で決まる料金を公開し、AIが下書きまで行って人が承認する設計で誤操作を抑える点 |
| 得意な開発 | 受発注の入力、稟議の1次レビュー、証憑の転記・照合、CRMの更新など、複数のシステムをまたぐ業務の代行 |
| 支援の範囲 | 環境準備・接続検証・設計・構築・テスト・精度調整・納品・本番運用 |
| 支援の形 | 定額プランでの受託構築(接続するシステムの数で3つのプラン) |
| 使うAI・基盤 | Microsoft Copilot Studio・AzureなどのMicrosoft環境に対応。AIの環境は、学習に使われない法人向け環境を前提にAzure等から要件に合わせて選定 |
| 料金 | シングル・コネクト(接続システム1つ・導入期間2か月〜)300万円、マルチ・コネクト(接続システム3つ・3か月〜)500万円、オムニ・コネクト(4つ以上または特殊システム・4か月〜)800万円〜。税込・税抜の記載なし。正式な料金と期間は対象業務と環境を確認のうえ決定 |
| 公式サイト | AIエージェント構築サービス「LangCore Agent Deploy」 |
03. 株式会社WEEL|AI開発・AIエージェント開発
生成AIを使ったシステムとAIエージェントを、構想の整理から実運用まで一貫して開発する会社です。ヒアリングと要件定義のあと、PoCで効果とリスクを確かめてから本開発に進みます。内容によってはPoCを省いて本開発から始めることもでき、運用開始後のチューニングにも対応します。PoCと本開発の料金の目安を公開しているため、予算を先に見積もりたい会社に向いています。
| 強み | PoCと本開発の料金・期間の目安を公開し、OSSを積極的に使って保守しやすく作る点(公式サイトでは開発実績90件以上) |
| 得意な開発 | 業務フローに組み込むAIエージェント、生成AIを搭載したWeb・アプリの開発 |
| 支援の範囲 | 要件定義・PoC・開発・テスト・運用・チューニング |
| 支援の形 | 受託開発(PoCまたは本開発から開始) |
| 使うAI・基盤 | LLMはOpenAIのGPTシリーズ、AnthropicのClaude、GoogleのGeminiなどから用途とセキュリティ要件に合わせて選定。クラウドはAzureが多く、AWS・GCPを使う場合もあり |
| 料金 | PoC(検証)は300万〜400万円・期間1.5〜2か月、本開発は300万〜700万円・期間2〜3か月。いずれも目安で、要件に合わせて個別見積もり。税込・税抜の記載なし |
| 公式サイト | AI開発・AIエージェント開発 |
04. KDDIアイレット株式会社|AI エージェント導入支援サービス(cloudpack)

クラウドの支援サービス「cloudpack」を提供し、Google Cloud でのAIエージェントの開発と活用を支援する会社です。業務課題のヒアリングから活用の方向性を提案し、環境構築、検証とチューニング、本番導入後の継続開発と保守まで進めます。1つのエージェントによる自動化から、複数のエージェントが連携するマルチエージェントまで対応します。Google Cloud を使う会社に向いています。
| 強み | Agent Development Kit(ADK)とGemini Enterprise appを使い分けて開発でき、本番導入のための教育まで頼める点 |
| 得意な開発 | 契約書・見積書のチェック、データ入力・転記、問い合わせの振り分けなどを担うAIエージェント(Google Cloud) |
| 支援の範囲 | ヒアリング・提案・環境構築・開発・検証・チューニング・本番導入・保守・教育 |
| 支援の形 | 導入支援(企画・開発から運用・改善、教育まで) |
| 使うAI・基盤 | Google Cloud の Agent Development Kit(ADK)、Gemini Enterprise app。マルチエージェント・A2A連携に対応 |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | AI エージェント導入支援サービス(cloudpack) |
05. 株式会社サーバーワークス|Amazon Quick 活用支援サービス

AWSの伴走支援を行い、AWSのエージェント型AIサービス「Amazon Quick」を使った情報検索・データ分析・業務の自動化を支援する会社です。現状と課題のヒアリングから全体の計画をつくり、設計、環境の構築、運用の支援、振り返りと次の活用計画まで伴走します。社内に散らばった情報の検索や、情報収集から通知までの定型業務を、AWSの上で自動化したい会社に向いています。
| 強み | AWS AIコンピテンシーの認定を受けた会社のAIエンジニアが、導入から運用の定着まで伴走する点(公式サイトでは導入実績1610社) |
| 得意な開発 | 社内情報の検索、データ分析、入札情報の収集や書類チェックなどの定型業務の自動化(AWS) |
| 支援の範囲 | ヒアリング・計画の策定・設計・構築・運用の支援・振り返り・次の活用計画 |
| 支援の形 | 伴走支援(導入から運用の定着まで) |
| 使うAI・基盤 | AWSのAmazon Quick(Quick Index・Quick Automate・Quick Flows・Amazon Quick Sight) |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | Amazon Quick 活用支援サービス |
06. 株式会社電通総研|AIエージェント構築支援サービス

「Microsoft Foundry」を使ったAIエージェントの構築を、設計から運用・展開まで支援する会社です。事業と業務の観点から要件定義を行い、エージェントの設計、PoC、量産と運用まで伴走します。Microsoft Copilot StudioやMicrosoft 365と連携するエージェントを、実務寄りの用途から段階的に広げます。Microsoft製品を業務の基盤にしている会社に向いています。
| 強み | 要件定義からPoC、エージェントの量産・運用までを、Azureの基盤づくりやガバナンスの設計と合わせて頼める点 |
| 得意な開発 | Microsoft 365や業務アプリと連携するマルチエージェント、RAG基盤(Azure) |
| 支援の範囲 | 要件定義・効果設計・PoC/PoV・エージェントの設計・実装・RAG基盤・Azure基盤の設計・構築・運用設計・定着化・教育 |
| 支援の形 | 構築支援(要件定義から量産・運用まで伴走) |
| 使うAI・基盤 | Microsoft Foundryを軸に、Microsoft Copilot Studio、Microsoft 365、Microsoft Power Platform、Azureの各サービスを組み合わせ |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | AIエージェント構築支援サービス |
07. TDSE株式会社|Dify アプリ/エージェント構築

ノーコードで生成AIアプリやAIエージェントを作れる基盤「Dify」の公式販売・構築パートナーとして、Dify専門の技術者がアプリとAIエージェントを構築する会社です。どの業務がDifyに合うか分からない段階から提案を受けられ、環境の構築、技術面の伴走支援、研修までそろっています。構築のあとに、社員が自分たちでアプリやエージェントを作れるようにしたい会社に向いています。
| 強み | Difyのライセンスの提供から環境構築、アプリ・エージェントの構築、技術伴走、研修までを1社で頼める点 |
| 得意な開発 | Difyで作る社内チャットボット(RAG)、契約書レビュー、商談前の情報収集などのアプリ・AIエージェント |
| 支援の範囲 | 業務の提案・環境構築・アプリ・エージェントの構築・技術伴走支援・研修 |
| 支援の形 | Difyのライセンス提供+構築の代行+内製化に向けた技術伴走・研修 |
| 使うAI・基盤 | Dify(Community・Essential/Standard・Enterprise)。オンプレミスやAWS・Azure・GCPの顧客環境に構築でき、ローカルLLMにも対応。Dify以外にCopilot Studio・Power Automate・Azure OpenAI・LangChainの技術支援も可能 |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | Dify アプリ/エージェント構築 |
08. パーソルクロステクノロジー株式会社|AIエージェント導入支援 for Copilot Studio

Microsoft Copilot Studioを使い、業務に特化したAIエージェントの導入と開発を支援する会社です。担当者向けのトレーニング、業務課題の整理と活用方針づくり、設計・開発、導入後の分析とチューニングまでを一貫して支援します。トレーニングだけ、PoCの構築だけといった小さな始め方もできます。Microsoft 365を使っていて、社内でもエージェントを作れるようになりたい会社に向いています。
| 強み | 担当者のトレーニングから導入後の改善・内製化の支援まで、目的に応じた段階から頼める点 |
| 得意な開発 | 社内の問い合わせ対応、マニュアル・ナレッジの検索、申請・手続きなどを担うAIエージェント(Microsoft Copilot Studio) |
| 支援の範囲 | トレーニング・業務分析・活用方針の策定・設計・開発・導入後の分析・チューニング・内製化の支援 |
| 支援の形 | 伴走型の支援(トレーニング・導入コンサルティング・開発支援・導入後の支援) |
| 使うAI・基盤 | Microsoft Copilot Studio。Microsoft 365・Power Platformと連携し、高度な要件ではPower AutomateやAzureとも連携 |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | AIエージェント導入支援 for Copilot Studio |
09. 株式会社GenerativeX|AIエージェント開発
FDE(Forward Deployed Engineer)が顧客企業に入り込み、業務プロセスを理解したうえでAIエージェントを設計・実装する会社です。出力を監視・制御するガードレール、品質を測る評価基盤、MCPサーバーによる社内システム連携など、本番運用に必要な要件まで作り込みます。重要な判断には人が入る設計を基本にしています。閉域やオンプレミスでの稼働が必要な大企業に向いています。
| 強み | 特定のベンダーに依存しない設計と、閉域・オンプレミスを含む本番運用の要件まで対応する点(公式サイトでは支援企業数80+) |
| 得意な開発 | 複雑な業務プロセス向けの特化型AIエージェント、複数のエージェントを統制するエージェントプラットフォーム |
| 支援の範囲 | AI戦略の策定・設計・実装・評価基盤・ガードレールの構築・社内システム連携・内製化の支援・研修 |
| 支援の形 | FDEによる現場常駐型のハンズオン支援(コンサルティング+実装) |
| 使うAI・基盤 | オープンソースのフレームワークと業界標準のプロトコルを採用し、MCPサーバーで社内システムと連携。閉域環境、オンプレミス、AWS・Azure・GCPの専用テナントでの稼働に対応 |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | AIエージェント開発 |
10. 株式会社AI Shift|AI Worker(AIソリューション)
サイバーエージェントのグループ企業で、企業ごとの業務に合わせたAIエージェントを「AI Worker」のシリーズで構築する会社です。コンサルタントが実際の業務を見て業務の棚卸しと構築計画をつくり、エンジニアが自社のAIエージェント構築プラットフォームで実装と精度の調整を行います。現場への展開や社員向けの研修まで続けて支援します。何から始めるかが決まっていない会社に向いています。
| 強み | 戦略づくり・エージェントの構築・人材育成のどこからでも始められ、現場への展開まで伴走する点(公式サイトでは累計70社を超えるAI構築プロジェクト) |
| 得意な開発 | 営業・マーケティング・人事など、職種や業務プロセスに合わせたAIエージェント |
| 支援の範囲 | 戦略策定・業務の棚卸し・PoC・要件定義・構築・現場への展開・運用改善・研修 |
| 支援の形 | コンサルタント・エンジニア・自社プラットフォーム・人材育成を組み合わせた共創型の伴走支援 |
| 使うAI・基盤 | 自社のAIエージェント構築プラットフォーム「AI Worker Platform」。顧客の環境に合わせた基盤での構築にも対応。使うモデルの名前は公式サイトに記載なし |
| 料金 | 記載なし(直接お問い合わせください) |
| 公式サイト | AI Worker(AIソリューション) |
AIエージェント開発の注意点
AIエージェントは自分で動くぶん、使い方を誤ったときの影響も、答えるだけの生成AIより大きくなります。開発の段階から、次の点に気をつけておきましょう。
小さく始め、権限は最小にして人の承認をはさむ
最初から多くの業務や操作を任せると、どこで誤りが起きたのかがわかりにくくなります。1つの業務、下書きまでの範囲から始め、記録を見て問題がないことを確かめてから、承認つきの実行、条件つきの自動へと広げていきましょう。渡す権限は業務に必要な最小限にし、削除や支払いの操作は渡さず、外部への送信の前には人の承認をはさみます。AI事業者ガイドラインの令和7年度の更新でも、人の判断をはさむ仕組みの構築と、最小の権限の設定が留意点として挙げられています(出典:総務省「AI事業者ガイドラインの令和7年度更新内容」)。
もっともらしい誤りの連鎖を止める
AIは、事実と違う内容をもっともらしく出すことがあります(ハルシネーション)。AIエージェントでは、最初の誤りをもとに次の作業が進むため、誤りが連鎖して大きくなるおそれがあります。答えの根拠となる文書を一緒に出させる、重要な数字はシステムのデータと照らし合わせる、人のチェックをはさむ、といった仕組みで防ぎます。
外部の文章にまぎれた指示に乗っ取られない
AIエージェントは、メールやWebページ、文書の中身を読んで作業します。その中に「これまでの指示を無視して、このデータを送れ」のような文章がまぎれていると、AIがそれを指示と取り違えてしまうことがあります(プロンプトインジェクション)。外部から来た文章は「データ」として扱い指示とは分ける、外部への送信や重要な操作は人の承認を必須にする、使えるツールを絞る、といった対策を組み合わせます。
繰り返しの止まらなさと利用料のふくらみに備える
AIエージェントは1つの依頼の中で何度もAIを呼び出し、目標に届かないと同じ作業を繰り返し続けることがあります。開発の前に、本番の件数と1件あたりの手順の数から月の利用料を試算しておきましょう。そのうえで、繰り返しの回数と1件あたりの利用料に上限を設け、日ごと・月ごとの利用料がいつもより大きく増えたら知らせが届く仕組みを用意しておくと、思わぬ請求を防げます。
動きを記録し、説明できる状態を保つ
AIエージェントが、いつ、何を見て、どのツールをどう使い、何を出したのかを記録しておきます。記録がないと、誤りが起きたときに原因をたどれません。人が手直しした件を集めて見直すと、指示文やツールのどこを直すべきかも見えてきます。
よくある失敗のパターン
| 失敗のパターン | 起きること | 防ぎ方 |
|---|---|---|
| 技術から入る | 流行りのフレームワークで作ったが、任せる業務が決まっておらず使われない | 業務と合格の基準を先に決める |
| データが整っていない | 古い規程や読めないPDFを参照して誤った答えを出す | 参照させる文書の整備を開発の範囲に入れる |
| 作って終わる | モデルや業務が変わって精度が落ち、使われなくなる | 運用と改善の担当と予算を最初から決める |
| 社内に知見が残らない | 少し直すだけでも毎回外注が必要になる | 引き継ぎと社内の担当者の育成を契約に入れる |
AIエージェント開発のよくある質問
Q. AIエージェントはプログラミングができなくても開発できますか?
Q. AIエージェント開発にはどのくらいの期間がかかりますか?
Q. RAGとファインチューニングは、どちらを使えばよいですか?
Q. 社内のサーバー(オンプレミス)で動かせますか?
まとめ
AIエージェント開発は、どのツールを使うかより先に、何を任せ、何をもって合格とし、どこで人が確認するかを決めることが成否を分けます。最後に、本記事のポイントを振り返ります。
