9.6.1 Frameworks ロードマップ：必要なときだけ選ぶ

Framework は Agent を自動的に賢くしません。task が十分に複雑になったとき、state、tools、workflows、memory、logs、collaboration を整理するための abstraction です。

まず selection map を見る

task が 3 つの固定 steps だけなら、plain Python functions のほうが良いことがあります。state、branching、recovery、data connection、role collaboration が管理しづらくなったら framework を入れます。

Framework route check を動かす

人気だからという理由で framework を選ぶ前に、このチェックを使います。

task = {
    "needs_state": True,
    "needs_rag": False,
    "needs_roles": False,
    "needs_resume": True,
}

if task["needs_state"] or task["needs_resume"]:
    route = "LangGraph-style state graph"
elif task["needs_rag"]:
    route = "LlamaIndex-style data app"
elif task["needs_roles"]:
    route = "CrewAI or AutoGen-style collaboration"
else:
    route = "plain functions first"

print("route:", route)
print("reason:", "choose the smallest abstraction that exposes state")

出力：

route: LangGraph-style state graph
reason: choose the smallest abstraction that exposes state

Framework choice は README に trade-off として書きます。dependencies の中に隠さないでください。

この順番で学ぶ

手順	読む内容	実践アウトプット
1	Framework overview	framework が何を抽象化するか説明する
2	LangChain / LangGraph	state、nodes、edges、branches、recovery を model 化する
3	LlamaIndex	documents、indexes、retrieval、evaluation を接続する
4	CrewAI / AutoGen	role collaboration と multi-Agent conversation を比較する
5	Framework selection	decision table と no-framework baseline を書く

合格ライン

同じ小さな task を plain functions と 1 つの framework で実装し、どちらが debug しやすいか、なぜかを説明できれば、この章は合格です。