AWS Strands Agents Multiagent Graph 試してみた

はじめに

Fusicのレオナです。今回は、Strands AgentsのMultiagent Graph機能を使ってみました。

Strands Agentsとは

Strands Agentsは、AWSが2025年5月に公開したオープンソースのAIエージェント構築SDKで、2025年7月にバージョン1.0がリリースされました。数行のPythonコードでAIエージェントを作成できるモデル駆動型のフレームワークです。

ベータ版のStrands Agentsについて執筆した以下のブログも参考にしてください。
https://zenn.dev/fusic/articles/8dd670c37a8d68

Strands Agents Multiagent Graphとは

そもそもグラフとは、物事を点(ノード)と線(エッジ)を結んだものになります。数学におけるグラフ理論になります。ここでは解説しません。

Strands Agents の Multiagent Graph は、複数のエージェントが協調するワークフローを有向非巡回グラフ（DAG） として表現する仕組みです。ノードとして配置された各エージェントやサブワークフローが、あらかじめ定義された依存関係で順番に実行されます。

A2Aプロトコルとの違い

Strands Agents には、異なるシステム間でエージェント同士が通信する「Agent‑to‑Agent（以下、A2A）」も用意されています。以下では、GraphとA2Aの違いを簡潔にまとめました。

Strands AgentsでA2Aを実装してみたい方は以下のブログも参考にしてください。
https://zenn.dev/fusic/articles/379f26fa2ca7a5

特徴	Graph	A2A
適用範囲	単一システム内のワークフロー	異なるシステムの通信
制御方法	あらかじめ定義されたワークフロー	標準化されたプロトコル
データ共有	メモリアクセス	エージェントカードベース
実行環境	同一プロセス	分散ネットワーク環境

やってみた

今回は、Strands Agents のMultiagent Graphをカレーライス作りに置き換えて試してみました。例えば次のような工程があります。

1. 材料の準備：必要な食材を揃える
2. 野菜を切る：玉ねぎ・にんじん・じゃがいもを切る
3. 肉を切る：鶏もも肉を一口大にし下味を付ける
4. 炒める：野菜と肉を炒めて香りを引き出す
5. 煮込む：水とブイヨンを加え具材が柔らかくなるまで煮る
6. ルーを入れる：火を止めてカレールーを溶かし再加熱
7. 味見：味が整っているか確認・調整
8. 盛り付け：ご飯とカレーを皿に盛り付ける

例えば、「味見」の結果しだいで煮込みに戻るか盛り付けに進むか、といった分岐も条件付きエッジとして表現できます。このようにGraphを使えば、料理レシピの手順と依存関係をそのままモデル化でき、実行順序や条件分岐を定義できます。

実装

実際に Strands Agents のGraphBuilderを使ってカレーの工程を組んでみます。各工程をエージェントとして実装しました。今回はGraphの遷移を見たいのでエージェントが生成したテキストを表示させていません。

main.py

from strands import Agent
from strands.multiagent import GraphBuilder
from strands.models import BedrockModel
import contextlib, os 

bedrock_model = BedrockModel(
    model_id="apac.anthropic.claude-sonnet-4-20250514-v1:0",
    region="ap-northeast-1"
)
# 各工程の担当エージェント
prep = Agent(
    name="prep",
    system_prompt="材料の確認・下準備を簡潔に説明してください。",
    model=bedrock_model
)
cut_veg = Agent(
    name="cut_veg",
    system_prompt="野菜の切り方を短く説明してください。",
    model=bedrock_model
)
cut_meat = Agent(
    name="cut_meat",
    system_prompt="肉の処理・下味付けを短く説明してください。",
    model=bedrock_model
)
saute = Agent(
    name="saute",
    system_prompt="炒めのポイントを説明してください。",
    model=bedrock_model
)
simmer = Agent(
    name="simmer",
    system_prompt="煮込む際の水加減や火加減を説明してください。",
    model=bedrock_model
)
add_roux = Agent(
    name="add_roux",
    system_prompt="ルーの入れ方を説明してください。",
    model=bedrock_model
)
taste = Agent(
    name="taste",
    system_prompt="味見担当です。一行目にPASSかFAILを書き、二行目に調整案を記載してください。",
    model=bedrock_model

)
plate = Agent(
    name="plate",
    system_prompt="盛り付けのポイントを説明してください。",
    model=bedrock_model
)

# Graph 構築（元のまま）
gb = GraphBuilder()
gb.add_node(prep, "prep"); gb.add_node(cut_veg, "cut_veg"); gb.add_node(cut_meat, "cut_meat")
gb.add_node(saute, "saute"); gb.add_node(simmer, "simmer"); gb.add_node(add_roux, "add_roux")
gb.add_node(taste, "taste"); gb.add_node(plate, "plate")
gb.add_edge("prep", "cut_veg"); gb.add_edge("prep", "cut_meat")
gb.add_edge("cut_veg", "saute"); gb.add_edge("cut_meat", "saute")
gb.add_edge("saute", "simmer"); gb.add_edge("simmer", "add_roux"); gb.add_edge("add_roux", "taste")

def taste_passed(state):
    text = str(state.results["taste"].result).lower()
    return "pass" in text
def taste_failed(state):
    text = str(state.results["taste"].result).lower()
    return "fail" in text
gb.add_edge("taste", "plate", condition=taste_passed)
gb.add_edge("taste", "simmer", condition=taste_failed)

gb.set_entry_point("prep")
graph = gb.build()

# 実行
with open(os.devnull, "w") as devnull, \
    contextlib.redirect_stdout(devnull), \
    contextlib.redirect_stderr(devnull):
    result = graph("4人前のチキンカレーを作ってください。")

# 遷移ログだけを表示
for i, (name, node_result) in enumerate(result.results.items(), start=1):
    status = getattr(node_result, "status", "UNKNOWN")
    print(f"{i}. {name} -> {status}")

print("-" * 40)
print("[END] plate に到達" if "plate" in result.results else "盛り付けまで進みませんでした")

結果

Terminal

1. prep -> Status.COMPLETED
2. cut_veg -> Status.COMPLETED
3. cut_meat -> Status.COMPLETED
4. saute -> Status.COMPLETED
5. simmer -> Status.COMPLETED
6. add_roux -> Status.COMPLETED
7. taste -> Status.COMPLETED
8. plate -> Status.COMPLETED
----------------------------------------
[END] plate に到達

全てのノードが Status.COMPLETED となっており、途中の味見も合格だったため、最後の盛り付け工程までスムーズに進めたことが確認できます。つまり、「材料の準備」から「野菜や肉を切る」「炒める」「煮込む」「ルーを入れる」「味見」までの各工程を順番に問題なく完了し、無事に盛り付けまで到達したという結果になります。

まとめ

Strands AgentsのMultiagent Graphがどのようにノード間の依存関係や条件分岐を管理するのかを知れました。Graphは「材料の準備→切る→炒める→煮込む→味見→盛り付け」のような工程を明確に表現できる有向グラフであり、エッジに条件を付けることで成功時と失敗時の分岐も書けます。AIエージェントが何をいつ実行するかを管理し、再現性の高いワークフローを構築できる点が大きなメリットだと感じます。