私たちがデザインエージェントをどのように構築したか
LangChainが、ブランドに合わせた動画、グラフィック、プレゼンテーション資料を生成するSlack向けのオープンソース型デザインエージェント「Content Studio」と、それを支えるハーネスをどのように構築したか。
AI NEWS JOURNAL
AI ニュースを検索
見出し・要約・本文から、情報のつながりを探します。
n8n@3.0.0
# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行の読み込みを確認：アシスタントの実行で読み込みが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定されたAIトランスポート経由でアシスタントモデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタムOAuth2スコープを許可 ([#41249](https://github.com/n8n-
n8n@2.46.0
# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行:読み取りを確認 — Assistant の実行で読み取りが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定された AI トランスポート経由で Assistant モデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタム OAuth2 スコープを許可 ([#41249](https://github.com/n8
SAP、よりスマートでガバナンスされたJouleエージェントにより自律型企業戦略を推進
SAP SEは本日、開発者向けの年次カンファレンス「TechEd」において、人工知能に関する一連のイノベーションを発表しました。これにより、JouleアシスタントソリューションおよびBusiness AIプラットフォームが強化され、テーブル形式のデータに基づく基礎モデルも搭載されます。Joule Workの新たな機能は、AIエージェントの効率性向上とオープンプロトコルとの相互運用性を実現します。このうち、Model Context Protocol […] この記事の掲載元はSiliconANGLEで、SAPがよりスマートでガバナンスされたJouleエージェントにより自律型企業への取り組みを一段と推進していることを伝えています。
v0.43.0
## 変更点 * model_prefetch：https://github.com/Comfy-Org/ComfyUI/pull/17178 で @rattus128 により、すべてのグラフクリーンアップを同期化 * MOSS-image にロープスケーリング対応を追加：https://github.com/Comfy-Org/ComfyUI/pull/17172 で @kijai による実装 * 【パートナーノード】APIノードにおいて、パートナーノードのサインイントークンを更新：https://github.com/Comfy-Org/ComfyUI/pull/16943 で @dante01yoon による実装 * 【パートナーノード】feat(HeyGen)：HeyGen Voice の即時クローンおよびテキスト読み上げ機能を追加：https://github.com/Comfy-Org/ComfyUI/pull/17043 で @bigcat88 による実装 * 【パートナーノード】feat(ClarityAI)：Crystal Video Upscaler ノードを追加：https://github.com/Comfy-Org/ComfyUI/pull/17192 で @bigcat88 による実装 * 【パートナーノード】feat(BFL)：FLUX 3 Video ノードに 2K/4K 解像度を追加：https://github.com/Comfy-Org/ComfyUI/pull/17200 で @bigcat88 による実装 * MOSS-image をサポート
DocuSignがClaude Codeとdbt v2、dbt MCP、およびエージェントスキルを組み合わせることで、分析エンジニアリングにかかる時間を半分に短縮した方法
DocuSignは、Claude Code、dbt Agent Skills、dbt MCP、およびdbt v2を1つのワークフローに統合し、生産性が50％向上することを測定しました。
MCP接続型AIエージェントを活用して、ダッシュボードのデバッグを6分で解決する方法
AIエージェントは、BIレイヤー内からdbtリネージを活用し、コーヒーを淹れる間に3つのデータの謎を解き明かしました。
安定版
## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### 不具合修正 * **core:** 実行前のチェックが失敗した場合、サブワークフローのエラー処理を開始する ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **メールトリガー（IMAP）ノード:** サーバーが新しい接続を切断するたびに、再接続をバックオフする ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint ノード:** 自動マッピング時の列マッパーの403エラーおよび空の項目を修正 ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1
n8n@2.44.7
## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### 不具合修正 * **core:** 実行前のチェックが失敗した場合、サブワークフローのエラー処理を開始する ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **メールトリガー（IMAP）ノード:** サーバーが新しい接続を切断するたびに、再接続をバックオフする ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint ノード:** 自動マッピング時の列マッパーの403エラーおよび空の項目を修正 ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1
マルチエージェントLLMシステムにおけるコミュニケーションの失敗の理解
arXiv:2610.32060v1 発表タイプ：新規 要旨：マルチエージェントLLMシステムは、議論や証拠の共有、相互修正を通じて推論能力の向上を図るが、相互作用によっては最終的な精度だけでは説明できないような失敗が生じることもある。エージェントは早期に収束してしまったり、異論を無視したり、正しい少数派の解答を抑圧したり、ラウンド間で誤ったフレーミングを維持したりする場合がある。本研究では、医療QA、コーディング、金融、多段階推論、倫理、そして具現化されたテキストタスクにおいて観察された3,211件のマルチラウンド失敗トラジェクトリーに基づき、コルパスに根ざしたコミュニケーション失敗の分類体系を提示する。この分類体系を用いて、データセットおよびシステム設計ごとの失敗分布、ラウンドレベルでのエラー動態、回復の難易度、多数派への移行、少数派信号の抑制、さらには自己報告された信頼度などを分析する。その結果、
LangChainが「企業向けエージェントフレームワーク」の5つの主要コンポーネントを発表
LangChainは2026年10月25日にブログを公開し、マーケティング、セールス、エンジニアリングの各チーム内でAIエージェント（GTM Agent、OpenSWE、Content Studio）を導入する際に蓄積された、以下の5つの一般的なアーキテクチャ原則を体系的に説明しました。すなわち、ネイティブな統合ワーク環境（Slack）、動的なアイデンティティモデル（OBO＋固定資格情報）、二層メモリ機構（グローバル／ユーザー単位）、サンドボックス化されたコード実行、そして高い割合でのスケジュール実行（手動トリガーではない）です。すべてのエージェントはManaged Deep Agentsプラットフォームに基づいて構築されています。
注目する理由：この情報はLangChainの公式ブログから引用したもので、公開日時（2026-10-25T18:06:32.000Z）は現在のシステム時刻（2026-10-25T23:01:18.857Z）より前であり、内容はすでに実装された社内用インテリジェントエージェントの実践事例に焦点を当てています。詳細も具体的で（Slackのスレッド分離、GitHubアカウントの所有権帰属ロジック、NotionやTwitterの権限階層など）、未検証の予測や外部からの主張は含まれておらず、時宜性と事実性の要件を満たしています。
マイクロソフトがAgenshをオープンソース化：1024個の自律協調型AIコーディングエージェントをサポートする分散型フレームワーク
マイクロソフト研究院は2026年10月25日、中央調整者を必要としないマルチエージェント実行時フレームワークであるAgenshをオープンソース化しました。Agenshは、ProgramBench上で1～1024のLLMベースのコーディングエージェントが自己組織的に協調して動作することを支援します。システムはGitea、Mattermost、DeLMスタイルの共有ボードに基づいて分散型の調整を実現しており、すべてのエージェントが同一のプロンプト駆動型五段階ループを実行します。また、Linux＋Docker環境下でスケーラビリティが検証されています。
注目する理由：この成果は、マルチエージェントシステムアーキテクチャの重要な進化を示しており、従来の「マスターエージェント」型パラダイムを廃し、プロンプトエンジニアリングと軽量なサービスの組み合わせによって大規模な自己組織化を実現しています。ProgramBenchにおける実証データ（たとえば、128個のエージェントによる5つのタスクの均等分配において49％の性能向上）は、分散型AIの設計・実装に新たなベンチマークを提供しています。また、MITライセンスでオープンソース化されており、Copilot CLIなどの主流な単一エージェントツールとも互換性があるため、実際の開発における参考価値も備えています。
AnthropicがOSレベルのサンドボックスであるsandbox-runtimeをオープンソース化：AIエージェントにコンテナレスなファイルおよびネットワーク隔離を提供
Anthropicは2026年10月24日、AIエージェント、MCPサーバー、CLIツールのファイル読み書きおよびネットワークアクセス権を制限するための、コンテナに依存しないOSレベルのサンドボックスツールであるsandbox-runtime（srt）をオープンソース化しました。macOS（Seatbelt）、Linux（bubblewrap）、Windows（alpha）をサポートしており、npmパッケージのバージョンはv0.0.81で、ライセンスはApache-2.0です。
注目する理由：このツールは、AIセキュリティインフラストラクチャの重要な進化を示しています。OSのネイティブな隔離メカニズムにより、細粒度でプロセスツリー全体を網羅するサンドボックス制御を実現し、プロンプトインジェクションや権限の過剰付与といったリスクに正面から対処しています。また、Claude Code内部での使用においてもその効果が検証されています。
バイエル・クロップサイエンスは、Amazon Bedrock AgentCoreを基に、マルチエージェント型意思決定エンジンADEを構築しました。
バイエル・クロップサイエンスは、育種専門家、アナリスト、研究者向けの自然言語対応マルチエージェントプラットフォームであるAgentic Decision Engine（ADE）をAmazon Bedrock AgentCore上に構築し、これを既存のConnected Decision Engine（CDE）の強化層として位置付け、代替とはしていません。同システムは本番環境で稼働しており、100名を超えるR&Dユーザーにサービスを提供しています。22の分野特化型エージェントと約20のAPIツールにより、問題の約80％をセルフサービスで解決しています。
AIエージェントのメモリ：本番環境におけるLLMエージェントの状態管理方法
AIエージェントのメモリがどのように機能するかを学び、短期記憶と長期記憶のアーキテクチャを理解し、n8nとCogneeを組み合わせて、コンテキストを保持し、知識を共有し、セッション間で学習できるAIワークフローを構築する方法を発見しましょう。
AIエージェントのハルシネーション検出における多層アプローチ：本番環境向けの実用的フレームワーク
本稿では、AIエージェントが実際のワークフローにおいて幻覚を生じさせる典型的な四つのパターン（事実性、文脈性、虚構性、自己矛盾）を体系的に整理し、単一のスコアリングに依存するのではなく、信頼性チェック、ソース検証、自己整合性評価、意味エントロピー分析、ならびに人間と機械の協調における閾値設定など、多角的な検出手法を組み合わせる必要があることを示した。さらに、検出はワークフローの閉ループに組み込まれ、観測性、エラー処理、および人間による審査のプロセスと深く統合されるべきであることを強調している。
自己ホスト型の大規模モデル vs. クラウドAPI：リクエストをどのようにスマートにルーティングするか
本稿では、自己ホスト型の大規模言語モデルとクラウドAPIを、データプライバシー、コスト、遅延、性能の観点から比較し、オープンソースで展開可能なモデルのハードウェア要件（例：VRAMや量子化）および代表的な技術スタックを紹介します。さらに、n8nを例として、タスクの機密性や複雑さ、コンプライアンス要件に応じて、ローカルとクラウドのモデル間でリクエストを動的に分配するハイブリッドルーティングワークフローの構築方法を説明します。
ステートフル対ステートレス：AIエージェント構築におけるコンテキスト管理戦略
本稿では、AIエージェントシステムにおけるstateful（有状態）アーキテクチャとstateless（無状態）アーキテクチャの核心的な違いを検討し、それらがスケーラビリティ、フォールトトレランス、コンテキストの連続性に与える実際の影響を分析します。さらに、n8nプラットフォームを例として、メモリノード（Memory nodes）とステートストア（state stores）を階層的に設計することで、柔軟かつ制御可能な状態管理を実現する方法を示します。
ディープインサイト：AWSのオープンソース多エージェントシステムは、5つの本番レベルの課題をどのように解決するのか
AWSソリューションアーキテクチャチームが提供するオープンソースのマルチエージェントシステム「Deep Insight」は、CSVデータの自動分析および自然言語によるレポート生成といったユースケースを対象とし、本番環境でよく見られる5つの主要な課題――エージェントのオーケストレーション、役割に応じたモデル選択、安定した運用、安全なコード実行、そして可観測性――に体系的に対応します。また、LGエレクトロニクスやre:Invent 2025 TechReconなど、実際の活用シーンにおいても実証済みです。
AWSが適応型エージェントフレームワークAAIFを発表：Strands Agentsを基に、エッジとクラウドの協調による階層型AIタスクスケジューリングを実現
AWSはAdaptive Agentic Intelligence Framework（AAIF）を提案し、Strands Agentsを用いて階層型エージェントアーキテクチャを構築しています。ローカルの小型言語モデル（SLM）によりタスクを動的にルーティングし、通常のIoTテレメトリや視覚分析はエッジで実行、複雑な推論はAmazon Bedrockのクラウド大規模モデルに委ねます。このフレームワークはハイブリッド展開をサポートし、コストを抑制できるほか、責任あるAIに関する制御勧告も統合されていますが、現時点では概念実証の段階であり、第三者による検証や商用導入に向けたデータは公表されていません。