framework-selection

LangChain、LangGraph、Deep Agents は競合する選択肢ではなく、**階層構造**になっています。それぞれが、その下のレイヤーを基盤としています。

┌─────────────────────────────────────────┐
│              Deep Agents                │  ← highest level: batteries included
│   (planning, memory, skills, files)     │
├─────────────────────────────────────────┤
│               LangGraph                 │  ← orchestration: graphs, loops, state
│    (nodes, edges, state, persistence)   │
├─────────────────────────────────────────┤
│               LangChain                 │  ← foundation: models, tools, chains
│      (models, tools, prompts, RAG)      │
└─────────────────────────────────────────┘

上位レイヤーを選んでも、下位レイヤーを使えなくなるわけではありません。Deep Agents 内で LangGraph のグラフを、両方の内部で LangChain のプリミティブを使用できます。

他のスキルを選んだり、エージェントのコードを書いたりする前に、あらゆるプロジェクトの最初にこのスキルを読み込んでください。 選択するフレームワークによって、次に呼び出す他のスキルが決まります。

---

判断ガイド

次の質問に順番に答えてください。

質問	はい →	いいえ →
タスクには、作業をサブタスクに分割すること、長時間のセッションにわたるファイル管理、永続メモリ、または必要に応じたスキルの読み込みが必要ですか？	Deep Agents	↓
タスクには、ループ、動的な分岐、並列ワーカー、Human-in-the-loop、カスタム状態など、複雑な制御フローが必要ですか？	LangGraph	↓
入力を受け取り、ツールを実行して結果を返す、単一目的のエージェントですか？	LangChain（create_agent）	↓
エージェントループを含まない、純粋なモデル呼び出し、チェーン、または検索パイプラインですか？	LangChain（チェーン）	—

---

フレームワークの概要

LangChain — タスクが限定的で自己完結している場合に使用

最適な用途：

• 固定されたツールセットを使う単一目的のエージェント
• RAG パイプラインとドキュメントに関する質問応答
• モデル呼び出し、プロンプトテンプレート、出力の解析
• エージェントのロジックが単純な、素早いプロトタイプ作成

あまり適さないケース：

• エージェントが多くのステップにわたって計画を立てる必要がある
• 状態を複数のセッションにわたって保持する必要がある
• 制御フローが条件分岐または反復処理を含む

次に呼び出すスキル： langchain-models、langchain-rag、langchain-middleware

LangGraph — 制御フローを自分で管理する必要がある場合に使用

最適な用途：

• 分岐ロジックやループを含むエージェント（例：正解するまでの再試行、振り返り）
• 中間結果に応じて異なる経路をたどる、複数ステップのワークフロー
• 特定のステップでの Human-in-the-loop による承認
• 並列のファンアウト／ファンイン（MapReduce パターン）
• セッション内で呼び出しをまたいで保持される永続状態

あまり適さないケース：

• 計画、ファイル管理、サブエージェントへの委任を任せたい（代わりに Deep Agents を使用）
• シンプルなエージェントで十分なほど、ワークフローが単純

次に呼び出すスキル： langgraph-fundamentals、langgraph-human-in-the-loop、langgraph-persistence

### Deep Agents — タスクの範囲が広く、多面的な場合に使用

最適な用途：

• 作業を ToDo リストに分解する必要がある長期的なタスク
• セッションをまたいでファイルの読み込み、書き込み、管理が必要なエージェント
• サブタスクを専門のサブエージェントに委任する場合
• 必要に応じてドメイン固有のスキルを読み込む場合
• 複数のセッションをまたいで保持される永続メモリ

適さない用途：

• 単一目的のエージェントで十分な単純なタスク
• グラフのすべてのエッジを正確に手動で制御する必要がある場合（LangGraph を直接使用してください）

ミドルウェア — 組み込みで拡張可能：

Deep Agents には、すぐに使える組み込みのミドルウェア層が用意されています。実装するのではなく、設定して使用します。以下はあらかじめ接続されています。さらに独自のものを追加することもできます。

ミドルウェア	提供する機能	常時有効？
TodoListMiddleware	write_todos ツール — エージェントが複数ステップのタスクを計画し、進捗を管理します	✓
FilesystemMiddleware	ls、read_file、write_file、edit_file、glob、grep ツール	✓
SubAgentMiddleware	task ツール — 名前付きサブエージェントに作業を委任します	✓
SkillsMiddleware	スキルディレクトリから必要に応じて SKILL.md ファイルを読み込みます	オプトイン
MemoryMiddleware	Store インスタンスを介してセッション間で長期メモリを保持します	オプトイン
HumanInTheLoopMiddleware	割り込みを行い、機密性の高いツール呼び出しの前に人間の承認を求めます	オプトイン

次に呼び出すスキル： deep-agents-core、deep-agents-memory、deep-agents-orchestration

---

レイヤーの組み合わせ

フレームワークはレイヤー化されているため、同じプロジェクト内で組み合わせられます。最も一般的なパターンは、Deep Agents を最上位のオーケストレーターとして使用し、専門的なサブエージェントには LangGraph を利用することです。

組み合わせる場合

シナリオ	推奨パターン
メインエージェントには計画機能とメモリが必要だが、あるサブタスクではグラフを正確に制御する必要がある	Deep Agents オーケストレーター → LangGraph サブエージェント
専門的なパイプライン（例：RAG、リフレクションループ）を、より広範なエージェントから呼び出す	ツールまたはサブエージェントとしてラップした LangGraph グラフ
高レベルの調整を行いながら、特定のドメインでは低レベルのグラフを使用する	Deep Agents ＋ サブエージェントとしての LangGraph コンパイル済みグラフ

実際の仕組み

LangGraph のコンパイル済みグラフは、Deep Agents 内のサブエージェントとして登録できます。つまり、厳密に制御された LangGraph ワークフロー（例：検索と検証のループ）を構築し、それを名前付きサブエージェントとして Deep Agents の task ツールに渡せます。Deep Agents オーケストレーターは、グラフの内部構造を気にすることなく、そのサブエージェントに処理を委任します。

LangChain のツール、チェーン、リトリーバーは、LangGraph のノードと Deep Agents のツールの両方で自由に使用できます。これらは、あらゆるレベルで共有される構成要素です。

---

クイックリファレンス

	LangChain	LangGraph	Deep Agents
制御フロー	固定（ツールループ）	カスタム（グラフ）	管理（ミドルウェア）
ミドルウェア層	コールバックのみ	✗ なし	✓ 明示的、設定可能
計画	✗	手動	✓ TodoListMiddleware
ファイル管理	✗	手動	✓ FilesystemMiddleware
永続メモリ	✗	チェックポインターを使用	✓ MemoryMiddleware
サブエージェントへの委任	✗	手動	✓ SubAgentMiddleware
オンデマンドのスキル	✗	✗	✓ SkillsMiddleware
Human-in-the-loop	✗	手動割り込み	✓ HumanInTheLoopMiddleware
カスタムグラフエッジ	✗	✓ 完全に制御可能	制限あり
セットアップの複雑さ	低	中	低
柔軟性	中	高	中

ミドルウェアは、LangChain（コールバック）と Deep Agents（明示的なミドルウェア層）に固有の概念です。LangGraph にはミドルウェアはありません。動作はノードとエッジに直接組み込みます。