仕事に合うサービスを比べる

Microsoftのスタックで社内システムに組み込むエージェントとワークフローをコードで構築したいとき

モデルや実行環境を固定せず、複数エージェントの制御と評価をコードで検証したい開発者

モデルを差し替えてもPydanticの型と評価を維持し、予算上限でエージェントを止めたいとき

Pythonで1つのエージェントにMCPツールを1つ接続し、承認を挟むワークフローをローカルで動かして、セッション状態とテレメトリの出力を確認する未実施の提案です。

問い合わせ分類エージェントが検索ツールを呼び、必要時だけ請求担当サブエージェントへ渡す小構成をローカルで実行し、評価結果とCloud移行条件を確認する未実施の提案です。

請求書PDFから構造化した金額を返すagentを作り、型検証・tool call・spend cap・Logfire traceを順に確認する未実施の提案です。

• エージェントとワークフロー：LLMを使う単体エージェントと、関数・エージェントを明示的につなぐグラフ型ワークフローを両方提供する。
• Harness Agent：計画とToDo管理、文脈の圧縮、ファイルアクセス、ツール承認の記憶など長時間タスク向け機能をまとめて備える。
• 多言語・多プロバイダ：.NET、Python、Goに対応し、Foundry、Azure OpenAI、OpenAI、Anthropic、Ollamaなどへ接続できる。

• マルチエージェント制御：エージェント、ツール、オーケストレーション、評価をコードで組み合わせる。
• 複数ランタイム：ローカルからAgent Runtime、Cloud Run、GKEへ同じエージェントを展開できる。

• 型付きAgent/Tools：モデル非依存のagentに型付き出力、tools、MCP、Web検索、HITLを組み込む。
• Spend cap/Evals：budget上限でagentを停止し、OpenTelemetry・evaluationsで結果を検証する。

MITライセンスのオープンソースで、フレームワーク自体は無料です。

OSSフレームワークをローカルで実行できます。GoogleのExpress modeはプロトタイピング向けno-cost tierを案内していますが、APIキー・セッション等の条件を別途確認します。

OSSライブラリを自社環境で利用できます。無料枠はフレームワークではなく、任意のモデルAPIとLogfireの無料Telemetry枠を分けて扱います。

本体無料。モデルAPIとクラウド実行の従量課金

OSS実行環境、クラウド計算時間、モデルAPI、セッション/メモリ利用

モデルAPI tokens、実行環境、任意のLogfire telemetry

有料プランはなく、接続するモデルのAPI料金やFoundry Hosted Agentsなどのクラウド利用料を各サービスの料金表で確認します。

Cloud Runtime、Cloud Run、GKE、Gemini等のモデルAPIはGoogle Cloudの利用料金が別途発生します。ADK自体の有料席は確認できません。

モデルAPIは各プロバイダ従量。Pydantic LogfireはTeam $49/月5席、Growth $249/月などの料金が案内され、Pydantic AI本体の席料金とは別です。

公式Docs（英語）とGitHubを確認しました。日本語のDocs整備状況と日本語入力での品質は未実機確認です。

公式ページ・料金またはDocsを確認しましたが、日本語UIと日本語入力での品質は未実機確認です。

公式ページ・料金またはDocsを確認しましたが、日本語UIと日本語入力での品質は未実機確認です。

• Go版は公開プレビューで、宣言型エージェントやRAGなど一部機能が未提供です。
• サードパーティのモデルやMCPサーバーを使う場合の費用・データの扱いは利用者の責任と公式が明記しています。

• ADKはエージェント実装基盤であり、モデル、ツール、実行環境の障害や料金は別管理です。

• モデルAPIの応答品質と費用は選択プロバイダに依存し、OSSだけでホステッド監視やモデル利用料は含みません。

• GitHubで使う言語のパッケージ（agent-framework / Microsoft.Agents.AI）の提供状況とGA範囲を確認する。
• Foundryまたは手持ちのモデル契約でHello agentを動かし、ツール呼び出しと承認フローの実装量を確かめる。

• ローカルOSS、Express no-cost tier、Agent Runtimeのどれを使うかとAPIキーの課金先を確認する。
• モデル未接続のツール呼び出しテストから始め、次に1つのGemini呼び出しのログ・レイテンシ・料金を記録する。

• Pydantic AI本体のOSS利用と、モデルAPI・Logfire Personal/Team/Growthの請求先を分けて確認する。
• モデルをモックした型付き出力テストから始め、spend cap到達時に処理が止まりtraceが残るか確認する。

Microsoft Learnの公式概要とGitHubリポジトリを開き、構成要素、対応言語、ライセンス、GA状況、Semantic Kernel/AutoGenとの関係を確認しました。シナリオと最初の確認手順は未実施の編集部提案です。

公式製品ページと料金またはDocsを開いて、機能・提供形態・課金単位を確認しました。シナリオと最初の確認手順は未実施の編集部提案です。

公式製品ページと料金またはDocsを開いて、機能・提供形態・課金単位を確認しました。シナリオと最初の確認手順は未実施の編集部提案です。