01/MAFとは
Microsoft Agent Frameworkとは：業務を実行するAIエージェントを作る、Microsoft公式の開発キット
Microsoft Agent Framework（マイクロソフト エージェント フレームワーク、MAF）は、企業が自社の業務に合わせたAIエージェントを開発するための、Microsoft公式の開発キットです。AIエージェントとは、質問に答えるだけでなく、社内のシステムやデータを使って、照会・入力・資料作成などの作業を進めるAIを指します。MAFは、そのAIエージェントを作るための部品と仕組みを、無償のオープンソースとして提供しています。
Microsoftには、画面の操作でエージェントを作れるCopilot Studioもあります。MAFは、エンジニアがプログラム（PythonやC#）で作る方式で、業務の手順や例外の扱い、社内システムとのつなぎ方を細かく作り込めるのが特長です。以前はSemantic KernelとAutoGenという2つの技術に分かれていましたが、同じMicrosoftのチームがMAFに統合しました。当社のAIエージェント開発では、業務の作り込みが必要な場面でMAFを使います。
MAFでできることの全体像
考えて動くAI（エージェント）問い合わせの内容を理解し、必要な資料やシステムを使って作業する
長い作業をやり切る仕組み（ハーネス）作業の計画、進み具合の管理、途中の確認を備え、複数の手順をやり切る
Microsoft
Agent
FrameworkMicrosoft公式・無償
決まった手順（ワークフロー）AIの判断と決まった処理を、業務の順番どおりにつなぐ
つなぐ仕組み（接続）AIモデル、社内システム、他社製品のAIエージェントとつなぐ
Microsoft Learn「Microsoft Agent Framework の概要」の4つの主要領域をもとに作図
MAFを使う6つのメリット
メリット 1
Microsoftの公式版で、長く使える
2026年4月に正式版（バージョン1.0）になり、Microsoftが長期のサポートを約束しています。作ったエージェントが、短期間で使えなくなるリスクを抑えられます。
メリット 2
決まった業務手順どおりに動かせる
AIに任せる部分と、決まった処理（計算・転記・チェック）を組み合わせ、毎回同じ順序で処理できます。結果がぶれにくく、業務に組み込みやすくなります。
メリット 3
途中に人の確認・承認を入れられる
データの更新や送信の前に、担当者の確認を挟めます。責任を持つべき判断は人に残せます（Human-in-the-Loop）。
メリット 4
社内システムや他社のAIとつなげられる
MCP・A2Aという共通の接続規格に対応しており、既存の業務システムや、別の製品で作られたAIエージェントと連携できます。
メリット 5
AIモデルを選べ、乗り換えやすい
Azure OpenAI、Anthropic Claude、Google Geminiなど、複数のAIモデルに対応しています。業務やコストに合わせて選べ、特定のモデルに縛られにくくなります。
メリット 6
動きを記録し、後から確認できる
AIがどのデータを見て、どの操作をしたかを記録できます。トラブルの原因の調査や、監査への対応に使えます。
02/注目される背景
AIエージェントの業務活用と、正式版（バージョン1.0）の公開
企業の生成AI活用は、社内文書を検索して答えるチャットから、業務システムを使って作業を進めるAIエージェントへ広がっています。作業を任せるには、手順どおりに動くこと、人が途中で確認できること、動きを記録できることが欠かせません。Microsoftは2026年4月3日、こうした仕組みを備えたMAFの正式版（バージョン1.0）を公開し、本番の業務で使える段階に入ったと発表しました。
MAFの経緯
2025年10月
Microsoftが新しい開発キットとして公開（試験提供）
2026年4月3日
正式版（バージョン1.0）を公開し、長期のサポートを約束
2026年10月時点
長い作業をやり切る「ハーネス」を主要な機能の1つに位置付け
Microsoftの公式ブログとMicrosoft Learnの記載をもとに作図
Microsoftの開発手段が1つにまとまった
これまでSemantic KernelとAutoGenに分かれていた開発手段がMAFにまとまり、どれを選ぶかで迷う必要が減りました。
本番で使える正式版になった
正式版では、今後の更新でも作ったものが動き続けるよう配慮されます。試作向けの技術から、業務に組み込む前提の技術になりました。
他のシステムやAIとつなぐ規格に対応
MCPやA2Aといった共通の規格で、特定の製品に閉じずに、社内外のシステムやAIエージェントとつなげられます。
AIに業務を任せる使い方が広がった
文書を検索して答えるRAGから、照会・入力・承認の依頼まで進めるAIエージェントへ、企業の活用の中心が移っています。
03/構成要素・機能
MAFでできること：モデルの使い分け、手順化、分担、接続、記録
正式版で使える主な機能を、業務での使い道とあわせて整理します。カッコ内は技術的な名称です。
できること内容業務での使い道
複数のAIモデルを使い分けるサービス接続
Microsoft Foundry、Azure OpenAI、OpenAI、Anthropic Claude、Amazon Bedrock、Google Gemini、Ollamaに対応
業務の難しさやコストに合わせて、モデルを選べる
会社のルールを一括で適用するミドルウェア
AIの処理の途中に、不適切な内容のチェックや記録などの共通の処理を差し込める
部門ごとに作るエージェントにも、同じ統制のルールをかけられる
前回の内容を覚えておくメモリ
会話の履歴や、途中までの作業の状態を保存できる
担当が変わっても、経緯を引き継いで作業を続けられる
決まった手順で処理するワークフロー
AIの判断と決まった処理を順番につなぎ、条件で分岐できる。途中で止まっても再開できる
結果がぶれにくく、時間のかかる業務も任せられる
複数のAIで分担するオーケストレーション
調査役・作成役・確認役など、役割の違うAIを組み合わせられる
1つのAIでは難しい業務を、分担して進められる
設定をファイルで管理する宣言型の定義（YAML）
AIへの指示や使う機能を、変更の履歴が残るファイルで管理できる
誰がいつ何を変えたかを確認でき、変更のレビューがしやすい
社内外のシステムやAIとつなぐMCP・A2A
共通の規格で、業務システムの機能や、別の製品のAIエージェントを呼び出せる
既存のシステムや他社製品を活かしたまま、AIに使わせられる
試験提供中の機能（プレビュー）
開発中の動作確認画面（DevUI）
Microsoft Foundryでの実行
Foundryでの監視・評価
利用画面への表示（AG-UIなど）
業務手順のパッケージ化（Skills）
GitHub Copilot・Claude Codeとの連携
長い作業向けのハーネス
試験提供の機能は、正式版になるまでに仕様が変わる可能性があります。本番の業務では正式版の機能を中心に組み立て、試験提供の機能は効果を確かめながら取り入れます。
04/使い分け
向いている業務の見分け方：AIに任せる部分と、手順で決める部分
MAFでは、AIが自分で考えて進める「エージェント」と、決まった順序で処理する「ワークフロー」を組み合わせます。Microsoftは、プログラムで書ける決まった処理まではAIに任せず、通常の処理として書くよう勧めています。業務では、手順の決まった部分をワークフローで固め、判断が必要な部分だけをAIに任せる形が基本です。
問い合わせ→AIが資料・システムを選んで作業→回答・下書き
AIに考えさせる部分（エージェント）
- 問い合わせの内容が毎回違う
- どの資料やシステムを使うかを、状況で決める
- 一度のやり取りで、答えや下書きを返せばよい
例：社内規程への質問対応、調査の下書き
読み取り→AIが不備を確認→担当者の確認→登録
手順で決める部分（ワークフロー）
- 作業の順番が決まっている
- 順番を守る必要がある（承認の後に登録する など）
- 複数のAIや処理を組み合わせる
例：申込書の読み取り→不備の確認→担当者の確認→登録
複数のAIを組み合わせる方法
順番に渡す
調査→作成→確認のように、前のAIの結果を次のAIへ渡す
同時に進めてまとめる
複数のAIが別々の観点で同時に調べ、結果をまとめる
担当へ引き継ぐ
問い合わせの内容に応じて、担当のAIへ引き継ぐ
話し合って決める
複数のAIが意見を出し合い、結論をまとめる
まとめ役が割り振る
まとめ役のAIが計画を立て、専門のAIへ作業を割り振る
人が確認する
登録や送信の前に、担当者の確認を挟む
どの方法でも、途中経過の表示、中断と再開、人の確認に対応しています。
手順の決まった業務をAIエージェントでつなぐ考え方はAgentic Work Flowで、人の判断を組み込む設計はHuman-in-the-Loopで紹介しています。別の製品で作られたAIエージェントとの連携には、A2Aを使います。Copilot Studioなど他の手段との違いは、12 他の手段との違いにまとめています。
05/当社の支援内容
業務設計・エージェント実装・ツール共通化・監視と改善の4領域の支援
MAFは、エージェントの業務ロジックをコードで細かく実装できる反面、どの業務をどこまで任せ、どのシステムに誰の権限で接続し、どう監視するかは、利用企業が設計する部分です。当社は、MAFを実装の層として、エージェント・業務システム・人の承認をつなぎ、実行の状況を監視できる形で業務に組み込みます。
支援の流れ
支援 1業務分析・設計任せる範囲・手順・判断ルール
支援 2エージェント実装ツール・ワークフロー・承認
支援 3ツール共通化MCP・Toolboxes・認証
支援 4監視と改善トレース・評価・費用
伴走体制：X-Tech FDE（現場への常駐型の
実装支援）で、開発の進め方と技術を移転し、顧客が自らエージェントを追加・改善できる状態へ移します。
支援 1
任せる業務と範囲の設計
業務の手順を分解し、関数で書く部分、ワークフローで固める部分、エージェントに判断させる部分を切り分けます。エージェントが参照する業務知識と判断ルールも、あわせて設計します。
支援 4
実行の監視と継続的な改善
OpenTelemetryでモデル、ツールの実行、トークンの消費を記録し、Application InsightsやFoundryで確認できるようにします。失敗した手順や不足する知識を、ツールと評価ケースへ戻します。
技術解説：DevUIでの動作確認
06/共通基盤
エージェント共通基盤の構成：実行層・共通サービス・データと業務連携
案件ごとにエージェントを作り切りにすると、ツール接続、認証、ログの仕組みを毎回作り直すことになります。当社は、MAFを実行層に置き、ツール管理・認証・監視・統制を共通サービスとして切り出すことで、エージェントを継続して増やせる基盤を設計します。
共通基盤の構成例（顧客環境に合わせて構成）
業務トリガー・利用者
Teams
Microsoft 365 Copilot
業務アプリ
定期実行・イベント
↕
実行層
Microsoft Agent Framework
ワークフロー
ハーネス
Hosted agent
業務ロジックの実行
↕
共通サービス
Foundry Toolboxes
MCP
Entra ID
OpenTelemetry
Application Insights
Agent 365
↕
データ・業務連携
Microsoft Fabric
データベース
業務システム・API
ナレッジ検索
業務ごとに変わる部分
業務トリガー
利用画面（UI）
業務ロジック
接続先のシステム
共通で再利用する部分
共通のアクション（ツール）
実行ログと説明可能性
セキュリティ
運用監視
エージェントに渡す業務知識や判断ルールは、コンテキストエンジニアリングとSyncLect Data Intelligenceで整え、業務データはMicrosoft Fabricから供給します。MAFは、この業務知識とデータを使って業務を実行する層を担います。
07/特長
実装と安全設計と基盤化の組み合わせ：当社の4つの特長
特長 1/4
回答で終わらず、業務の実行までを実装
データベースの照会、帳票の構造化、ツールの呼び出し、人の承認をワークフローでつなぎ、業務が完了するところまでをエージェントの対象にします。MAFでは、管理AIが10種類の専門のAIへ振り分けるオーケストレーションを実装・検証しています。
特長 2/4
安全に動かすための実装の作法
データベースへの接続を読み取り専用にする、変更のクエリを抑止する、自由なSQLの生成より事前に定義したクエリに引数を渡す、ツールの承認と実行回数・エラー回数の上限を設けるといった設計を、実装の段階で組み込みます。
特長 3/4
部門ごとの個別開発を、共通基盤へ
MCPサーバー化、Toolboxesによるツールの一元管理、共通のログと実行制御を組み合わせ、2件目以降のエージェントを、接続と認証を作り直さずに追加できるようにします。
特長 4/4
データ・監視・統制まで一体で設計
開発だけでなく、Microsoft Fabricによる業務データの供給、OpenTelemetryによる監視、Agent 365によるエージェントの登録・ID・権限の統制まで、Microsoftの基盤でつないで設計します。
08/顧客価値
課題から価値へ：業務を実行するエージェントで解決する課題と、役割別の価値
課題価値につながる仕組み得られる価値
AIは回答できても、照会・転記・承認は人が続けている
ツールの呼び出しと人の承認を、ワークフローでつなぐ
業務の完了までをエージェントに任せられる
部門ごとに、同じツール接続と認証を作り直している
業務機能のMCP化と、Toolboxesによる共通化
2件目以降のエージェント開発が軽くなる
エージェントの動きが見えず、本番に出せない
OpenTelemetryで、モデル・ツールの実行・トークンを記録
失敗の原因の特定と、費用の把握ができる
データベースの更新など、危険な操作が心配
読み取り専用、事前定義のクエリ、承認、実行回数の上限
安全に任せられる範囲を、段階的に広げられる
業務ルールと手順がプロンプトに散在
業務ルール・参考資料・スクリプトをSkillsとしてまとめ、必要なときに読み込む
業務知識を再利用し、まとめて更新できる
役割別の価値
経営・DX企画
AI活用を、業務の成果で測れる
回答の件数ではなく、完了した処理の件数、短縮した工数、人の確認にかかる時間で、エージェントの効果を評価できます。
業務部門
繰り返しの照会と転記から離れられる
定型の処理はエージェントとワークフローに任せ、担当者は確認、判断、例外への対応に時間を使えます。
IT部門・開発
エージェントを、同じ作法で増やせる
ツール接続、認証、ログを共通基盤にまとめ、新しいエージェントの開発と保守の負担を抑えられます。
セキュリティ・統制
実行の範囲と記録を管理できる
ツールの権限、承認の条件、実行の記録を設計の段階で決め、エージェントの動きを後から確認できます。
09/取り組み事例
MAFによる取り組み：マルチエージェント制御の実装と、金融・内部監査でのエージェント構築
当社は、Microsoft Agent Frameworkを用いたマルチエージェント制御の実装・技術検証に加え、金融・内部監査の領域で、AIエージェント構築の提案実績があります。MAFは、複数のお客様のPoCでも利用しています。
マルチエージェント制御
文書検索システムの拡張：管理AIが専門のAIへ振り分けるオーケストレーション
利用者の問い合わせ既存の文書検索の画面
→
管理AIMicrosoft Agent Frameworkで統括・振り分け
→
テーマAI 1
テーマAI 2
テーマAI 3
テーマAI 4
テーマAI 5
テーマAI 6
テーマAI 7
テーマAI 8
テーマAI 9
テーマAI 10
RAGによる既存の文書検索を、業務を進めるエージェントへ広げる取り組みです。MAFで、管理AIが問い合わせの内容に応じて専門のAIへ振り分けるオーケストレーションを実装・テストし、10種類のテーマ別のAIの範囲で、期待する動作を確認しました。動作するサンプルを提供し、次の段階として、APIとMCPによる公開、周辺システムとの連携、アプリへの組み込みを進めます。一部の子エージェントには、Copilot Studioを組み合わせる構成です。
金融
AIエージェント構築の構成設計
Microsoft Agent Framework
Azure App Service
Microsoft Foundry
Azure Cosmos DB
MAFをエージェントの実装フレームワークとし、Azure App Serviceで実行する構成です。Microsoft Foundryのモデル、Azure Cosmos DBによる状態と会話履歴の管理、認証と業務システムへのAPI連携を組み合わせて設計しています。
内部監査
内部監査業務のAIエージェント化
Microsoft Agent Framework
Microsoft Foundry
HWS Agent Camp
MAFとMicrosoft Foundryを活用したMVPの開発と精度の検証、HWS Agent Campでの試作、運用の設計と次の段階へのロードマップまでを、一連の支援として組み立てています。
公開されている、業務を実行するAIエージェントの開発事例
帳票の確認・補正
第一生命保険様：AI-OCRの読み取りと、人による補正をつなぐ
AI-OCR基盤の更改で、Azure OpenAI ServiceとAzure Document Intelligenceを中核とする新システムの設計・開発を担当しました。帳票認識から文字認識、人の確認、結果反映までをEnd-to-Endで連携させ、基盤更改全体として読み取り精度約20%向上、運用コスト約50%削減を実現しました。
お知らせを見る →
窓口業務の支援
りそな銀行様・埼玉りそな銀行様：オペレーターの対話をAIが支える
人とAIが協働する新たなテレビ窓口サービスのシステム開発を、要件定義から設計・開発・テストまで担当しました。AIが会話の内容から必要事項をリアルタイムに整理・取得し、従来平均約30分の手続きを約15分まで短縮することを目指しています。
お知らせを見る →
マルチエージェント
Agentic Work Flow：複数のAIエージェントで正答率99%
RAGを活用した複数のAIエージェントによる自律的な業務遂行で、正答率99%を達成しました。AI・固定ロジック・人の判断を配置し、ワークフローとして業務を進める取り組みです。
お知らせを見る →
人の判断と実行
リモートロボティクス様：AIが相談し、人の判断で実行する
リモートロボット操作基盤「Remolink」を活用し、音声を起点にロボットを扱うフィジカルAIの実証環境を構築しました。AIが判断に迷う場面では人へ確認し、人の判断を反映して処理を続けます。
お知らせを見る →
10/活用シーン
金融・製造・IT運用・営業・バックオフィス・自社サービスでの活用イメージと適性
データの照会、帳票の構造化、ツールの呼び出し、人の承認を組み合わせる業務が候補になります。以下は当社が想定する活用イメージです。
01
金融・保険：申込書と帳票の確認
OCRで読み取った申込書・帳票をLLMで構造化し、不備の候補を示したうえで、担当者が確認・補正するワークフローにします。金融業向けのAIエージェントもご覧ください。
02
製造：品質・設備データの照会と報告
品質や設備のデータベースを自然言語で照会し、集計結果と報告書の下書きを返します。照会は読み取り専用にし、製造業向けAIの取り組みと組み合わせます。
03
IT運用：障害の一次切り分け
チケットとログを照会し、影響範囲と対応手順の候補を提示します。再起動や設定変更などの操作は、人の承認の後に実行します。
04
営業・マーケティング：資料と記事の下書き
調査、執筆、校正のエージェントを逐次のパイプラインでつなぎ、提案資料や記事の下書きを作成します。最終の確認は担当者が行います。
05
バックオフィス：請求書と申請の処理
請求書や社内申請の内容を規程と照合し、差し戻しの理由や確認の観点を整理します。承認と支払いの確定は、人の判断で行います。
06
自社サービス：エージェント機能の組み込み
自社のSaaSや業務アプリに、データの照会や処理の代行を行うエージェント機能を組み込み、業務機能をMCPサーバーとして公開します。
MAFによるエージェント開発の適性チェック
適合する顧客
- 業務ロジック・分岐・承認を、コードで細かく制御したい
- 複数のエージェント・業務システム・人の承認をつなぐ業務がある
- Azure・Microsoft 365・Microsoft Foundryを基盤にしている
- 部門をまたいで、エージェントを継続して増やす予定がある
- Semantic KernelやAutoGenからの移行を検討している
適合しにくい顧客
- 指示とナレッジの検索だけで足りる（Copilot StudioやRAGで十分）
- コードの開発と運用を担う体制を置けない
- 処理が単純で、決まった関数や既存の自動化で足りる
- 接続先の権限や承認の方針を決める担当者を置けない
導入検討のDiscovery質問
→
AIの回答のあと、人が照会・転記・承認を続けている業務はどれですか
→
処理の順序が決まっている部分と、状況で判断が変わる部分はどこですか
→
エージェントに参照・操作させたいシステムとデータは何で、その権限は誰が持っていますか
→
人の承認が必要な操作と、その承認者は誰ですか
→
部門ごとにすでに作られたエージェントやツールの接続はありますか
→
実行の結果とログを、誰がどの指標で確認しますか
11/想定ROI
業務工数の試算：帳票確認、データ照会、資料作成、エージェントの追加開発
人が照会・転記・作成を続けている場合と、MAFのエージェントとワークフローで処理し、人は確認と承認に回る場合の差を、業務別に試算します。
対象業務試算の前提削減工数（年間）
帳票の確認・転記
月2,000件、1件6分（月200時間）。OCRと構造化で入力を自動化し、担当者の確認を1件2分に短縮
約1,600時間
データ照会・集計の依頼
月300件、1件30分（月150時間）。自然言語でのデータベース照会と要約で、担当者の確認を1件10分に短縮
約1,200時間
調査・資料作成
月40本、1本4時間（月160時間）。調査→執筆→校正のパイプラインで下書きまで作成し、確認と修正を1本1.5時間に短縮
約1,200時間
エージェントの追加開発
年6件、1件あたりツール接続・認証・監視の実装に80時間。共通基盤の再利用で1件30時間に短縮
約300時間
件数と所要時間は、試算のための仮の値です。
実際の削減幅は、処理件数、例外の割合、人の確認にかかる時間、接続するシステムの数で決まります。当社は、スタートプランで現行の業務工数を実測し、エージェントに任せる範囲を決めたうえで広げます。
12/他の手段との違い
Copilot Studio・Foundryのプロンプトエージェント・汎用フレームワーク・個別開発との違いと使い分け
手段主にできることMAFと当社の支援を選ぶ場面
Copilot Studio
業務部門がローコードでエージェントを作り、Microsoft 365の中で使う
業務ロジック、複雑な分岐、承認をコードで細かく制御する業務はMAFで実装し、Copilot Studioの窓口と組み合わせる
Microsoft Foundryのプロンプトエージェント
指示とツールの設定で、コードを書かずにエージェントを作る
ワークフローや独自の関数が必要な場合はMAFで実装し、Hosted agentとしてFoundryで動かす
汎用のオープンソースのフレームワーク
多様なモデルや実行環境に対応したエージェントを開発する
Microsoft Foundry、Entra ID、Application Insightsとの連携を前提に、Microsoftの基盤で統制と運用を設計する
案件ごとの個別開発
要件に合わせて自由にエージェントを作り込む
ツール接続、認証、ログ、承認を共通基盤にまとめ、2件目以降の開発を軽くする
13/ガバナンス
業務を実行するエージェントの統制設計：ツール権限、承認、実行上限、認証、記録、データ境界
エージェントが業務システムを操作するほど、何を実行でき、どこで止めるかの設計が重要になります。Microsoft Learnも、第三者のシステムとの間で流れるデータや、適切な権限・承認の設定は、利用企業が管理する責任と示しています。
統制 1
ツールの権限
エージェントが使えるツールと操作を限定します。データベースは読み取り専用を基本にし、更新が必要な操作は事前に定義した処理に限ります。
統制 2
人の承認
外部への送信、データの更新、支払いの確定などの前に、ツールの承認や人の確認を挟みます。承認者と差し戻しの流れも決めます。
統制 3
実行の上限
ツールの呼び出し回数、エラー時の再試行の回数、処理時間の上限を設け、想定外のループや費用の増加を防ぎます。
統制 4
認証とID
Entra IDとマネージドIDで、エージェントとツールの認証を行います。開発環境と本番環境で、認証の方式を分けます。
統制 5
記録と監視
OpenTelemetryで、エージェントの動作、ツールの呼び出し、トークンの消費を記録し、障害の調査と監査に使えるようにします。
統制 6
データの境界
第三者のモデルやエージェントと共有するデータを確認し、組織のコンプライアンスと地理的な境界の外に出るかを判断します。全社の方針はAIガバナンスで整えます。
14/はじめ方
スタートプラン：HWS Agent Campで、最初の業務エージェントを2日間で試作・検証
HWS Agent Campは、マルチエージェント時代に対応した、専門エンジニアが伴走する2日間の集中ハッカソンです。約2週間の事前準備のうえで、本格的なプロトタイプを構築します。最初に任せる業務と接続するシステムを1つ決め、MAFでの試作と評価を同時に進められます。
STEP 1事前準備（約2週間）対象業務の手順、接続するシステムとデータ、権限と承認の前提を整理します。
STEP 22日間の集中開発顧客側のエンジニアと専門家が共同で、ツール・ワークフロー・承認を含むプロトタイプを構築します。
STEP 3検証・展開方針の策定工数と品質の評価結果をもとに、共通基盤の範囲と本番に向けたロードマップを策定します。
15/当社について
Microsoft Azure の AI Platform/Agentic DevOps Specialization取得
ヘッドウォータースは「Microsoft Solutions Partner for Digital & App Innovation（Azure）」の認定に加え、上位資格である「AI Platform on Microsoft Azure」「Agentic DevOps with Microsoft Azure and GitHub」の2領域のSpecializationを取得しています。2026年10月には、第三者機関ISSIによる「AI Platform on Microsoft Azure」の更新審査を完了しました。
Microsoft AI Innovation Partner of the Year 2024 受賞
「AI イノベーション パートナー オブ ザ イヤー アワード」の初代受賞パートナーです。日本航空（JAL）様のSLM活用や大和証券様のAIオペレーター、JR西日本様の「Copilot for 駅員」など、エンタープライズ企業向けの大規模AIエージェント開発を数多く手がけてきた実績が評価の背景にあります。
16/関連ソリューション
複数のエージェントの連携で、
正答率99%。
Agentic Work Flow. RAGを活用した複数のAIエージェントによる自律的な業務遂行で、正答率99%を達成した取り組みです。
権限・承認・検証・停止を、
業務実装へ。
ハーネスエンジニアリング. コンテキスト管理・ルール・ツール接続・評価と検証・安全と制御の5要素を、段階的な委任設計で組み込みます。
コンテキスト設計×現場実装を、
一気通貫で。
コンテキストエンジニアリング. エージェントに渡す動的な文脈の設計・供給・統制・改善を、5つの支援領域で提供します。
エージェント活用を、
組織で推進する。
AI Agent CoE. 全社でAIエージェントを推進する組織（CoE）の立ち上げと、共通基盤・統制・定着を支援します。
エージェントの権限と
実行を、守る。
Agentic Security. AIエージェントのID・権限・ツール実行に伴うリスクを洗い出し、セキュリティの設計と対策を支援します。
最初の1業務を、
2日間で試作する。
HWS Agent Camp. 専門エンジニアが伴走する2日間の集中ハッカソン。約2週間の事前準備のうえで、AIエージェントのプロトタイプを構築します。
17/よくあるご質問
Q. Microsoft Agent Framework（MAF）とは何ですか。
A. AIエージェントとマルチエージェントワークフローを、.NETとPythonで構築するための、Microsoftのオープンソースの開発キット（SDK）です。MAF、エージェントフレームワークとも呼ばれます。2026年4月3日にバージョン1.0が一般提供されました。ソースコードはGitHubで公開されています。
Q. Semantic KernelやAutoGenとの関係を教えてください。
A. MAFは、Semantic KernelとAutoGenを開発した同じチームによる直接の後継です。AutoGenのエージェントの抽象化と、Semantic Kernelの企業向けの機能を組み合わせ、グラフ型のワークフローを加えています。
Q. 対応している言語は何ですか。
A. .NET（C#）とPythonに対応しています。Microsoft Learnによると、Goはパブリックプレビューで、一部の機能は実装されていません。
Q. 本番の業務で使えますか。
A. バージョン1.0は、安定したAPIと長期サポートを備えた本番運用向けのリリースと位置付けられています。DevUI、Skills、Foundry Hosted Agentとの統合などのプレビュー機能は、APIが変わる可能性があるため、安定版の機能と分けて設計します。
Q. Azure OpenAI以外のモデルも使えますか。
A. はい。Microsoft Foundry、Azure OpenAI、OpenAI、Anthropic Claude、Amazon Bedrock、Google Gemini、Ollamaへの公式の接続機能があります。業務やコストに合わせてモデルを選べます。
Q. Copilot Studioとは、どう使い分けますか。
A. 業務部門がローコードで作り、Microsoft 365の中で使うエージェントにはCopilot Studioが向きます。業務ロジック、分岐、承認をコードで細かく制御したい業務はMAFで実装し、両者を組み合わせる構成も取れます。
Q. Microsoft Foundryとの関係を教えてください。
A. MAFはMicrosoft Foundryのモデルに直接接続でき、作ったエージェントをFoundryのHosted agentとして動かせます。FoundryのToolboxesに集めたツールの利用や、トレースと評価の確認にも対応しています。
Q. MCPやA2Aに対応していますか。
A. はい。MCP対応のサーバーのツールを見つけて呼び出せます。A2Aで、別のフレームワークで動くエージェントと協調できます。MAFで作ったエージェントを、MCPサーバーとして公開することもできます。
Q. 人の承認を組み込めますか。
A. はい。ツールの実行前に承認を求める設定と、ワークフローの中で人の確認を待つ仕組みがあります。当社は、承認者、差し戻し、承認後の処理までを業務に合わせて設計します。
Q. Semantic Kernelで作った既存のエージェントは移行できますか。
A. Microsoftは、Semantic KernelとAutoGenからの移行ガイドを公開しています。当社は、既存のコードと動作を確認したうえで、移行する範囲と順序を計画します。
Q. どのような環境で構築しますか。
A. 顧客の環境に合わせて構築します。Microsoft 365・Azureを中心に、Microsoft Foundry、Entra ID、Application Insights、Microsoft Fabricなどと組み合わせます。
Q. 何から始めればよいですか。
A. 対象業務の手順と、接続するシステムの整理から始めます。短期間で試したい場合は、2日間のHWS Agent Campで、最初の業務エージェントを試作・検証できます。
Q. 効果は、どのように測りますか。
A. 現行の処理件数と工数、例外の割合、人の確認にかかる時間を実測し、エージェントで処理した件数と短縮した工数で評価します。測定の結果をもとに、任せる範囲を広げます。
Microsoft Agent Framework 開発支援のご相談
対象業務の選定、エージェントとワークフローの設計、ツール接続と承認、監視と共通基盤化まで、貴社の状況に合わせてご提案します。
お問い合わせ
