> 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/tech/ja/platform-development/architecture.md).

# デプロイアーキテクチャ

MaiAgent は、さまざまなユースケースに対応するスケーラブルな生成 AI プラットフォームです。異なるビジネス要件やリソース構成に対応するため、プラットフォームでは主に **オールインワンデプロイ** と **分散デプロイ** の2つのデプロイ方式を提供しています。

本章では、この2つのアーキテクチャの違い、適した状況、それぞれのメリットとデメリットを説明し、実際のデプロイ例を紹介します。

## オールインワンデプロイ

### アーキテクチャの説明

オールインワンデプロイでは、MaiAgent のすべてのコアコンポーネント（メインサービス、タスクスケジューリングサービス、データストレージ、データベース、フロントエンドサービスなど）を同じサーバーにインストールして実行します。**一元管理**でき、デプロイが簡単であるため、迅速なリリースやテスト環境に適しています。

MaiAgent プラットフォームは GPU がなくても動作し、一般的な CPU 環境にスムーズにデプロイして実行できます。一方、GPU リソースを備えたマシンでは、プラットフォームとモデルを同じ環境にデプロイし、ハードウェアアクセラレーションを最大限に活用することもできます。以下に一般的な2つのアーキテクチャ図を示します。

### アーキテクチャ図

1. GPU 搭載サーバーにデプロイする場合：

MaiAgent プラットフォームとモデルサービスを同じマシンにインストールします。プラットフォームは内部 API を通じてリクエストの調整とトラフィック制御を行い、モデルは GPU を使用して効率的な推論を実行します。プラットフォームとモデルサービスを同じ環境に配置すれば、プラットフォームだけを実行する汎用サーバーを別途購入する必要がなく、ハードウェア全体のコストを削減できます。

<figure><img src="https://605688223-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FVYMUz6J7vDZ0QTvb1rbN%2Fuploads%2Fgit-blob-c44f0012dfa26a57f94b3502599ef95e0449b82b%2F%E6%88%AA%E5%9C%96%202025-09-07%20%E4%B8%8A%E5%8D%8810.45.02.png?alt=media" alt=""><figcaption></figcaption></figure>

2. GPU 非搭載サーバーにデプロイする場合：

MaiAgent を GPU 非搭載サーバーにデプロイする場合もモデルサービスは必要なため、API を通じて GPU サーバーまたはクラウド API 推論サービスに接続します。プラットフォームとモデルサービスを分離すると、それぞれを独立してスケーリングできます。必要に応じてコンピューティング能力を柔軟に増減できるため、アーキテクチャの柔軟性と保守性が向上します。

<figure><img src="https://605688223-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FVYMUz6J7vDZ0QTvb1rbN%2Fuploads%2Fgit-blob-ae088ec75c4ed0ad2b74d027af6f5afdae86dff2%2F%E6%88%AA%E5%9C%96%202025-09-07%20%E4%B8%8A%E5%8D%8811.35.32.png?alt=media" alt=""><figcaption></figcaption></figure>

## 分散デプロイ

### アーキテクチャの説明

分散デプロイでは、MaiAgent の各コアモジュールを独立したサービスに分割し、複数のサーバーに分散して配置します。各モジュールは要件に応じて水平スケーリングでき、高可用性と大規模な処理能力を実現します。

* **クラウドプラットフォーム（Cloud PaaS）環境**\
  パブリッククラウドまたはプライベートクラウド環境では、Kubernetes、AWS ECS/EKS、GCP Cloud Run、Azure App Service など、Platform as a Service（PaaS）の機能を直接利用できます。これらのサービスはコンテナオーケストレーション、ロードバランシング、オートスケーリング、監視機能を提供します。分散モジュールを迅速にデプロイし、リソースを動的に調整できるため、インフラストラクチャの運用負担を軽減できます。
* **オンプレミス（On-Premise VM）環境**\
  オンプレミス VM 環境でも、仮想マシンやベアメタルサーバーを使用してコンテナプラットフォームまたはアプリケーションサービスフレームワークを構築し、クラウドと同様の分散管理およびスケーリング機能を実現できます。クラスターリソース、監視、冗長化の仕組みを自社で設計する必要はありますが、高可用性と柔軟なスケーリングを同様に実現できます。

### アーキテクチャ図

<figure><img src="https://605688223-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FVYMUz6J7vDZ0QTvb1rbN%2Fuploads%2Fgit-blob-b75d99c8b7d76847ec9ff2bd2c967640c156f6b3%2F%E6%88%AA%E5%9C%96%202025-09-07%20%E4%B8%8A%E5%8D%8811.28.15.png?alt=media" alt=""><figcaption></figcaption></figure>

## デプロイ方式の比較表

<table><thead><tr><th width="133.58203125">特性</th><th>オールインワンデプロイ</th><th>分散デプロイ</th></tr></thead><tbody><tr><td><strong>アーキテクチャ設計</strong></td><td>すべてのコンポーネントを1台のサーバー／コンテナに集約</td><td>各コンポーネントを独立したサービスに分割し、複数のノードに分散</td></tr><tr><td><strong>インフラストラクチャコスト</strong></td><td>低い。サーバー1台のみで運用可能</td><td>高い。複数のサーバーまたはクラウドリソースが必要</td></tr><tr><td><strong>デプロイコスト</strong></td><td>低い</td><td>高い。デプロイが複雑で、DevOps チームが必要</td></tr><tr><td><strong>保守コスト</strong></td><td>低い。一元管理が可能</td><td>高い。複数のサーバーとサービスにまたがる保守と監視が必要</td></tr><tr><td><strong>スケーラビリティ</strong></td><td>なし。1台のマシンのリソースに制限される</td><td>あり。ボトルネックとなるモジュールを個別にスケールアウト可能</td></tr><tr><td><strong>高可用性</strong></td><td>なし。単一障害点によってシステム全体が停止する</td><td>あり。単一サービスの障害がシステム全体に影響しない</td></tr><tr><td><strong>適用シーン</strong></td><td>PoC、開発・テスト、小規模アプリケーション</td><td>本番環境、大規模運用、複数部門での利用</td></tr></tbody></table>


---

# 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 dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.maiagent.ai/tech/ja/platform-development/architecture.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.