> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/maiagent-user-guide/ja/build/teams.md).

# Agent Teams

Agent Teams：複数の Agent による連携です。それぞれに専門分野を持つ Agent をチームにまとめ、「ハンドオフ」と「委任」を通じて、ある Agent が別の Agent（子 Agent）を呼び出し、自動で作業を分担します。ユーザーは単一の窓口と会話するだけで、システムが最適な Agent に質問を振り分けます。

## <mark style="color:blue;">一、Agent Teams とは？</mark> <a href="#what-is-teams" id="what-is-teams"></a>

これまでは、1 つの Agent がカスタマーサポートの振り分け、注文の問い合わせ、返品・交換、商品提案など、すべてを担当していました。同じロール指示、ナレッジベース、ツール群にすべてを詰め込むため、タスクが増えると、この「万能アシスタント」では対応しきれなくなります。ロール指示が長くなりすぎたり、ナレッジベースが互いに干渉したりして、コストも下がりません。

**Agent Teams では、「1 人のゼネラリスト」を「複数のスペシャリスト」に置き換えられます。** 既存の複数の Agent をチームにまとめ、それぞれに役割を割り当てます（例：振り分け Agent、注文 Agent、返品・交換 Agent、提案 Agent）。さらに、ビジュアルキャンバスで「いつ、誰に質問を渡すか」を定義できます。

ユーザーに見えるのは**単一の会話窓口**だけです。その背後では、チームが質問を最適な Agent に自動で振り分けて回答するため、専門チーム全体とやり取りしているような体験になります。

{% hint style="success" %}
**導入のメリット：** 各 Agent は独立したナレッジベース、ツール、モデル設定を保持し、互いに干渉しません。実際に質問を処理する Agent だけが関連コンテンツを読み込むため、トークンを節約でき、各 Agent が担当業務に集中して、より正確に回答できます。新しい業務シナリオを追加する際も、Agent ノードと接続を 1 つずつ追加するだけで、既存の Agent を書き直す必要はありません。
{% endhint %}

## <mark style="color:blue;">二、「単一アシスタント + スキル」との違いは？</mark> <a href="#vs-single-agent" id="vs-single-agent"></a>

| 観点       | 単一 Agent（スキルを含む）                   | Agent Teams                           |
| -------- | ---------------------------------- | ------------------------------------- |
| 役割分担     | 1 つの Agent がすべてのシナリオを処理します         | 複数の Agent がそれぞれの専門分野を担当します            |
| ナレッジとツール | すべてを同じ Agent に設定するため、互いに干渉しやすくなります | 各 Agent が独自のナレッジベース、ツール、モデルを持ちます      |
| モデルのコスト  | すべてのタスクを 1 つのモデルで処理します             | 単純なタスクには軽量モデル、複雑な判断には高性能モデルを個別に設定できます |
| 連携方法     | Agent 間でハンドオフや委任ができません             | Agent 間の**ハンドオフ**と**委任**に対応しています      |
| 拡張       | 新しいシナリオには既存 Agent の設定変更が必要です       | ノードと接続を 1 つずつ追加するだけです                 |

## <mark style="color:blue;">三、3 つのインタラクション方式：ハンドオフ、委任、自動</mark> <a href="#interaction-types" id="interaction-types"></a>

チーム内の Agent は、\*\*接続（方向付きの矢印）\*\*を通じて連携します。各接続にはインタラクション方式を設定でき、相手の Agent にタスクが渡った後、制御権がどのように移るかを決めます。以下の 3 つの方式を図とあわせて確認してください。

### ハンドオフ <a href="#type-handoff" id="type-handoff"></a>

ハンドオフでは、会話全体の制御権を**相手に渡します**。呼び出し元の Agent が別の担当に任せるべきだと判断すると、呼び出し先の Agent に会話を渡し、相手が**引き継いで**ユーザーとの会話を続けます。カスタマーサポートが電話を別の部署に転送し、転送先の担当者がその後の対応を行うイメージです。

**適した場面**：それぞれが担当業務を持つ並列の役割分担です。たとえば、振り分け Agent がユーザーの意図を判断した後、注文照会 Agent や返品・交換 Agent に会話をハンドオフして、対応を引き継ぎます。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-b4bdcab485a980765804effea04ffbd7e0f7fad3%2Fteams-concept-handoff.png?alt=media" alt="ハンドオフの概念図：呼び出し元の Agent が会話の制御権を呼び出し先の Agent に渡します"><figcaption><p>ハンドオフ：呼び出し元の Agent が制御権を渡し、呼び出し先の Agent がユーザーとの会話を引き継ぎます</p></figcaption></figure>

### 委任 <a href="#type-delegate" id="type-delegate"></a>

委任では、サブタスクを**外部に依頼します**。呼び出し元の Agent が呼び出し先の Agent に作業を依頼し、呼び出し先は完了後に**結果を返します**。制御権は呼び出し元の Agent に残ります。同僚に資料を調べてもらって報告を受け、最終的には自分で内容をまとめて回答するイメージです。

**適した場面**：階層的な連携です。たとえば、カスタマーサポートのアシスタントが在庫照会を受け、倉庫 Agent に在庫確認を委任した後、結果をまとめて顧客に回答します。

<figure><img src="https://2584873290-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FTvHx8hgwYGDTLD3A7xoW%2Fuploads%2Fgit-blob-6c884168d164fa8f6171dcc0a853adb3525cfb08%2Fteams-concept-delegate.png?alt=media" alt="委任の概念図：呼び出し元の Agent がサブタスクを呼び出し先の Agent に依頼し、結果を受け取ります"><figcaption><p>委任：呼び出し元の Agent がサブタスクを呼び出し先の Agent に渡し、結果を受け取って自ら回答をまとめます</p></figcaption></figure>

### 自動（デフォルト） <a href="#type-auto" id="type-auto"></a>

自動では、ハンドオフと委任のどちらを使うかを、AI が**その時点の状況に応じて判断します**。どちらを選ぶべきか迷う場合や、柔軟性を持たせたい場合に使用します。

### 3 つの方式の通信量とコストの違い <a href="#cost-comparison" id="cost-comparison"></a>

複数の Agent を連携させる際によくある懸念は、**トークンのコストが制御できなくならないか**という点です。重要なのは、3 つの方式で「Agent 間に渡す情報量」が異なることです。

| 観点               | ハンドオフ                                           | 委任                                                                      | 自動                           |
| ---------------- | ----------------------------------------------- | ----------------------------------------------------------------------- | ---------------------------- |
| **制御権**          | 呼び出し先の Agent に渡します                              | 呼び出し元の Agent に残ります                                                      | AI がその場で決めます                 |
| **Agent 間で渡す内容** | 呼び出し先の Agent は、引き継ぎ時にそれまで蓄積された会話の文脈を読み取ります      | 呼び出し元の Agent は「1 つのサブタスク」だけを渡すため、範囲が簡潔で明確です                             | その時点で選ばれた方式によって異なります         |
| **トークンとコストの特性**  | 会話の長さとハンドオフの回数に応じて増加します。同時に動作する Agent は 1 つだけです | 通常のターンに加えて子 Agent が実行されます（LLM 呼び出しが 1 回増えます）が、子 Agent への入力は簡潔で範囲を制御できます | 選択された方式に従うため、事前の見積もりは難しくなります |
| **予測しやすさ**       | 中程度です                                           | 高いです（タスクの範囲が明確です）                                                       | 低いです（状況によって変わります）            |

{% hint style="success" %}
**コストは制御でき、可視化もできます。** チームには複数の安全策が組み込まれています。

* **最大反復回数**（デフォルト `25`）：1 回の会話で Agent 間のやり取り回数を制限し、無限ループを防ぎます。
* **全体のトークン上限**（デフォルト `200000`）：1 件のメッセージをチーム全体で処理する際のトークン予算の上限です。
* **タイムアウト秒数**と、ノードごとに個別設定できる**このノードのメッセージ 1 件あたりのトークン上限**です。
* **コンテキスト戦略**：ノードの〈表示する元のユーザー入力〉をオフにすると、その Agent は会話全体ではなく、上流で整理された要約だけを受け取るため、さらにトークンを節約できます。
* **実行記録**：各実行で合計トークン数と**Agent ごとのコスト内訳**が記録され、どの Agent にコストがかかったかをすぐに確認できます（[チーム実行記録](/maiagent-user-guide/ja/build/teams/traces.md)を参照）。
  {% endhint %}

{% hint style="info" %}
**会話は現在の担当 Agent を記憶します。** ハンドオフ後は、引き継いだ Agent が再度ハンドオフを必要と判断するまで、その後の会話にも対応し続けます。次のメッセージが入口に戻って、再び振り分けられることはありません。
{% endhint %}

## <mark style="color:blue;">四、代表的な活用シーン</mark> <a href="#scenarios" id="scenarios"></a>

* **EC のカスタマーサポートチーム**：振り分け Agent が意図を判断 → 注文／返品・交換／提案 Agent に**ハンドオフ**し、各 Agent が独自のナレッジベースとツールで対応します。
* **社内問い合わせ**：HR Agent + IT Agent + 財務 Agent が、従業員の質問に応じて対応する窓口へ自動で振り分けます。
* **テクニカルサポートチーム**：L1 Agent が初期調査 → L2 Agent に詳細分析を**委任** → 結果を L1 に返し、まとめて回答します。

## <mark style="color:blue;">五、動作の仕組み（概念）</mark> <a href="#how-it-works" id="how-it-works"></a>

Agent Teams は、**有向グラフ**でチームを表現します。

* **ノード（Agent）**：グラフ上の各ノードは既存の Agent で、それぞれのロール指示、ナレッジベース、ツール、モデルを持っています。
* **入口ノード**：チームがメッセージを受信すると、このノードから会話の処理を開始し、振り分け指示に従って適切なメンバーにハンドオフします。新規作成したチームには入口ノードが自動で組み込まれるため、別途指定する必要はありません。各チームの入口ノードは 1 つだけです。
* **接続（方向付きの矢印）**：「どのアシスタントから、どの条件で、どのインタラクション方式を使い、どのアシスタントに渡すか」を定義します。
* **ガードレール**：チーム全体に最大反復回数、全体のトークン上限、タイムアウト秒数の上限を設け、Agent 間で無限にやり取りが続くことを防ぎます。ガードレールが応答を停止した際にユーザーへ表示するメッセージはカスタマイズできます（[ガードレールのカスタムメッセージ](/maiagent-user-guide/ja/build/teams/setup.md#guardrail-stop-message)を参照）。

チームを作成すると、システムはそのチームの**入口**と、対応する **Web Chat 会話プラットフォーム**を自動で作成します。この会話プラットフォームから、チーム全体と直接会話できます。入口のモデル、振り分け指示、ナレッジベースは、チームキャンバスの入口パネルから詳細設定ページを開いて調整します（[入口の設定](/maiagent-user-guide/ja/build/teams/setup.md#entry-settings)を参照）。

## <mark style="color:blue;">六、次のステップ</mark> <a href="#next-steps" id="next-steps"></a>

* チームの作成を始めるには、[チームの作成と編成](/maiagent-user-guide/ja/build/teams/setup.md)をご覧ください。チームの新規作成、入口の設定、Agent ノードのドラッグ、接続によるインタラクション方式の設定、会話の開始方法を説明しています。
* チームの動作を確認するには、[チーム実行記録](/maiagent-user-guide/ja/build/teams/traces.md)をご覧ください。各実行でどの Agent が処理に参加したか、それぞれのトークン使用量と所要時間を確認できます。

{% hint style="info" %}
**前提条件：** Agent Teams は、MaiAgent による組織への有効化が必要です。管理画面の〈AI 機能〉配下に〈チーム〉メニューが表示されない場合は、MaiAgent チームに有効化を依頼してください。
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.maiagent.ai/maiagent-user-guide/ja/build/teams.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
