T最新テックトレンド

信頼性を民主化するAgentic AIの秘訣：Temporalが切り拓く新時代

AI Engineer
0:00--:--

AIの進化は目覚ましく、特に近年注目を集めているのが「Agentic AI（エージェンティックAI）」です。これは、単一のタスクを実行するだけでなく、自律的に複数のタスクを連携させ、目標達成に向けて行動するAIシステムを指します。顧客サービスから複雑な金融取引の自動化まで、その応用範囲は無限大に広がっています。

しかし、この画期的な技術の裏側には、開発者が直面する数々の深刻な課題が横たわっています。複雑な分散システムとしての設計、本質的に信頼性の低いLLM（大規模言語モデル）の統合、そしてデバッグとテストの困難さです。これらの課題を解決し、Agentic AIを現実世界で機能させるために、今、あるプラットフォームが注目されています。

本記事では、AI Engineer World's Fairで行われたTemporalのシニアVPであるPreeti Somal氏のプレゼンテーションを基に、Agentic AI開発の課題とその解決策としてTemporalがいかに重要な役割を果たすか、その重要性、具体的な機能、ビジネスへの影響、そして将来性について深く掘り下げていきます。

はじめに：AIエージェントの台頭と隠れた課題

Agentic AIは、まるで人間のように「思考し、計画し、行動する」AIシステムの構築を可能にする技術です。複数のロボットや人間が相互作用し、エージェントと人間、そしてロボットがシームレスに連携する「分散型知能システム」の実現を目指しています。これは、従来のAIが特定のタスクに特化していたのに対し、より広範な問題解決能力を持つAIの姿を示しています。

しかし、このエキサイティングなビジョンの実現には、システム構築における根本的な信頼性の問題が立ちはだかります。Temporalは、この「信頼性」を極めて真剣に捉える企業です。彼らのマスコットが、地球上で最も頑強な生物として知られる「クマムシ（Tardigrade）」であることからも、その思想が伺えます。Temporalの目標は明確です。Agentic AIアプリケーションを構築する際、Temporalが開発者にとって最適なプラットフォームであることを証明することです。

Agentic AIが抱える「複雑性」という巨獣

Agentic AIアプリケーションは、その性質上、非常に複雑な分散システムとなります。Preeti Somal氏は、その複雑性を構成する複数の要素を指摘しています。

  1. 分散型・モジュール型アーキテクチャ:

    • エージェントは単一の巨大なプログラムではなく、複数の独立したコンポーネントが連携して動作します。それぞれのコンポーネントは異なるマイクロサービスやデータストアと連携し、互いに通信し合う必要があります。この分散性が、全体のシステムを管理する上での複雑さを増大させます。

  2. LLMと確率的応答への対応:

    • Agentic AIの中心にはLLMがありますが、LLMは完璧ではありません。常に正しい応答を返すとは限らず、確率的なエラーや不確実性を含みます。エージェントはこれらの不確実な応答に対処し、必要に応じて情報を再確認したり、異なるアプローチを試したりする能力が求められます。

  3. スケーラビリティ、再現性、耐久性の要求:

    • 本番環境で動作するAIエージェントは、膨大な数のリクエストを処理できる「スケーラビリティ」が必須です。また、同じ入力に対して一貫した出力を生成する「再現性」も重要であり、システム障害が発生してもデータの損失なく処理を継続できる「耐久性」も欠かせません。これらの特性をすべて満たすことは、分散システム構築の大きな課題です。

  4. 分散データストアとツール間のインタラクションのオーケストレーション:

    • エージェントは、LLMだけでなく、様々な外部ツールやデータベースと連携して動作します。例えば、チケット予約エージェントは航空会社のAPI、決済サービス、顧客データベースなど、複数のシステムと連携する必要があります。これらの複雑なインタラクションの順序、依存関係、データフローを正確に管理する「オーケストレーション」が求められます。

  5. 多段階プロセスと長期状態の保持:

    • 多くのAgentic AIアプリケーションは、即座に完了するものではなく、複数のステップを経て目標を達成します。例えば、旅行予約エージェントは、目的地、日程、人数、座席クラス、宿泊施設など、ユーザーとの対話を通じて様々な情報を収集し、その状態を長期間保持する必要があります。システムが途中で停止したり、再起動したりしても、以前の状態から処理を再開できる耐久性が重要です。

  6. 人間による介入のサポート:

    • AIエージェントがすべての決定を自律的に下すわけではありません。特に重要な決定や不確実な状況においては、人間による承認や介入が必要となる場合があります。エージェントシステムは、このような人間の介入ポイントを組み込み、シームレスな連携を実現する必要があります。

  7. 並列処理と効率的なデータ/ツール利用:

    • 大量のデータを処理したり、複数のツールを並行して利用したりすることで、エージェントの効率を高めることができます。しかし、これらの並列処理を適切に管理し、リソースを効率的に利用することは、分散システム設計の大きな課題です。

これらの要素が複合的に絡み合うことで、Agentic AIアプリケーションは非常に複雑なシステムとなり、開発者は膨大な量の「配管コード（Plumbing Code）」と呼ばれる、ビジネスロジックそのものではないがシステムを動かすために必要なインフラコードの記述を強いられることになります。

「本質的な信頼性の低さ」を乗り越える：LLM時代の避けられない課題

Agentic AIシステムは、その構築要素であるLLMや外部サービスが本質的に信頼性が低いという課題も抱えています。

  1. 障害が発生しやすいサービスへの接続とタイムアウト処理:

    • エージェントは、外部APIやサードパーティサービスなど、数十もの「障害が発生しやすい」コンポーネントに接続します。これらのサービスは、ネットワークの遅延、応答の失敗、タイムアウトなど、様々な理由で期待通りに動作しないことがあります。エージェントは、これらの障害を予測し、適切に処理する回復力を持つ必要があります。

  2. LLMの確率的性質と自己修復・再試行:

    • LLMは、その性質上、常に有効なデータや適切な応答を返すとは限りません。間違ったツールを呼び出したり、無効な引数を生成したりすることもあります。開発者は、LLMが「有効なデータ」を返すまで、エージェントが「自己修復」し、処理を「再試行」できるロジックを実装する必要があります。これは、一般的なプログラミングの「もし失敗したらリトライ」といった単純なものではなく、複雑な条件分岐と状態管理を伴います。Preeti氏は「LLMへの呼び出しが100%成功すると思いますか？」と問いかけ、誰も手を挙げなかったことから、この問題の普遍性を示しました。

  3. LLMからのレート制限の処理:

    • 多くのLLMプロバイダーは、APIの利用にレート制限を設けています。エージェントが短期間に大量のリクエストを送信すると、レート制限に引っかかり、サービスが一時的に利用できなくなる可能性があります。エージェントは、これらのレート制限を適切に処理し、サービスの可用性を維持するためのメカニズムを備える必要があります。

これらの信頼性に関する課題は、Agentic AIシステムが本番環境で安定して動作するための大きな障壁となります。

デバッグとテストの悪夢：見えないブラックボックスをどう解明するか？

複雑で信頼性の低いAgentic AIシステムは、デバッグとテストの面でも特有の困難を伴います。

  1. エージェントのパフォーマンスに関する限定的な可視性:

    • 分散システムでは、複数のサービスやコンポーネントが非同期に連携するため、エージェントが現在どのような状態にあるのか、どの処理を実行しているのかといった内部動作をリアルタイムで把握することが困難です。可視性が制限されることで、問題の根本原因を特定するのに時間がかかり、運用上の大きな負担となります。

  2. 多様なサービス間でのトラブルシューティング:

    • エージェントが多くの異なるサービスやAPIと連携している場合、問題が発生した際に、どのコンポーネントが原因であるかを特定することが非常に難しくなります。それぞれのサービスが異なるログ形式や監視ツールを使用している可能性があり、システム全体の健全性を一元的に把握することが困難です。

  3. 本番前環境でのテストの難しさ:

    • Agentic AIシステムの複雑性ゆえに、本番前環境で実際の運用状況を完全に再現し、包括的なテストを行うことが困難です。特に、LLMの確率的性質や外部サービスの不安定性を考慮すると、予測不可能な挙動をすべて網羅的にテストすることは事実上不可能です。

これらのデバッグとテストの課題は、Agentic AIシステムを開発・運用する上で、高いコストとリスクを伴います。

Temporalの強力なソリューション：信頼性とスケーラビリティの「ワークフロー」

Preeti Somal氏は、TemporalがこれらのAgentic AIアプリケーションが直面する課題をいかに解決するかを熱弁しました。Temporalは、複雑な分散システム、特にAgentic AIの文脈で「信頼性」と「スケーラビリティ」をアウトソースすることで、開発者が「ビジネスロジック」の記述に集中できる環境を提供します。

Temporalの核となる強みは以下の通りです。

  1. 柔軟で直感的なプログラミングモデルとしての「ワークフロー」:

    • Temporalは、ビジネスロジックを「ワークフロー」としてコード化するための柔軟で直感的なプログラミングモデルを提供します。開発者は、Python, Go, Java, TypeScript, PHP, .NET, Rubyなど、使い慣れた言語でSDKを利用できます。特にPythonは、AI開発における利用が急増しており、TemporalもPython SDKの利用者が他の言語を上回る勢いで増加していると述べられました。
    • このワークフローは、インタラクティブなループのオーケストレーション、LLMへのプロンプト、ユーザー入力の受信（Signals）、チャット履歴の真のソースの維持（Queries）、すべてのインタラクションの記録、LLMとツールの耐久性のある実行、障害の優雅な処理、そしてデバッグと分析のための人間、LLM、ツールインタラクション履歴の保存など、Agentic AIに必要なあらゆるステップを定義します。

  2. 配管コード（Plumbing Code）の抽象化と信頼性の保証:

    • Temporalは、分散システムで必要となる複雑な「配管コード」の大部分を自動的に処理します。これにより、開発者は障害処理、再試行ロジック、状態の永続化、タイマーの管理といった低レベルな詳細から解放されます。
    • 「Durable Execution（耐久性のある実行）」という概念により、コードが実行中にクラッシュしたり、マシンが停止したりしても、Temporalは処理の状態を記憶し、中断した場所から再開できます。これにより、障害が「無関係」になり、セッションデータが常に永続化されるため、高い信頼性が保証されます。
    • LLMのような確率的に失敗する可能性のあるコンポーネントに対しても、Temporalは適切なガードレールを提供し、必要に応じて自動的なリトライやフォールバックを実装することで、システムの堅牢性を高めます。

  3. 実績に裏打ちされたスケーラビリティと堅牢性:

    • Temporalは単なる新しい技術ではありません。Preeti Somal氏は、Temporalが10年以上にわたり本番環境で稼働し、ミッションクリティカルなアプリケーションを支えてきた「実績のある製品」であることを強調しました。
    • Netflix, Uber, Datadog, DoorDash, HashiCorp, Adobeといった業界をリードする企業が、それぞれ多様な用途でTemporalを活用しています。これらの企業は、Temporalの技術が提供する信頼性とスケーラビリティを実証しています。

顧客が語るTemporalの価値：Agility、Speed、そして信頼

Temporalの価値は、その導入企業が享受している具体的なメリットによって裏付けられています。

  • Dustの高速なプロダクション移行:

    • Dustという顧客は、Temporal上にAIエージェントを構築し、わずか3ヶ月で本番環境に移行できたと語っています。これは、Temporalが提供する抽象化と信頼性のおかげで、開発チームがビジネスロジックに集中できた結果です。

  • OpenAIでの大規模な成功:

    • AI業界の巨人であるOpenAIもTemporalの重要な顧客です。ChatGPT PlusのバックエンドワークフローやDALL-Eの非同期オペレーションにTemporalを使用しています。ChatGPTは1.7億人のユーザーを抱え、数億枚のDALL-E画像を生成していますが、これらの大規模なサービスを支える裏側にはTemporalが存在します。OpenAIのエンジニアは、「Temporalは、ミッションクリティカルなワークフローと非同期オペレーションのために、我々がオープンソースのTemporal Workflowを信頼している理由だ」と述べています。

  • Gorgiasによる顧客サービス革新:

    • Gorgiasは、Reebok, Timbuk2, Glossierといった15,000以上のeコマースブランド向けに、AIエージェントを活用した顧客サービスを提供しています。これらのAIエージェントはTemporal上に構築されており、GorgiasはTemporalを利用することで「信じられないほどのアジリティとスピード」を獲得し、ビジネスロジックの記述に専念できています。

  • ミッションクリティカルな決済システムでの利用:

    • 決済システムのモダナイゼーションのような、極めて高い信頼性が求められる領域でもTemporalが活用されています。これは、Temporalの堅牢な設計が、金銭的なトランザクションといった失敗が許されないワークロードにも耐えうることを示しています。

これらの事例から明らかなように、Temporalは開発者がプロダクション環境でAgentic AIアプリケーションを迅速に、かつ確実に展開するための強力な基盤を提供します。開発者は煩雑なインフラストラクチャの管理から解放され、より創造的なビジネスロジックの構築に集中できるため、結果として開発の加速、大規模なスケール対応、そして顧客満足度の向上といった多大なメリットがもたらされます。

Temporalが変革するAgentic AIのアーキテクチャ

Agentic AIアプリケーションの構築において、Temporalがいかにアーキテクチャを簡素化し、開発者の負担を軽減するかを見ていきましょう。

Temporal導入前のAgentic AIアーキテクチャ: Temporal導入前の典型的なAgentic AIのアーキテクチャ図を見ると、非常に多くのコンポーネントが複雑に絡み合っていることが分かります。

  • ユーザーからのチャットメッセージは「Chat UI」から「Agentic Service API」に入力されます。
  • このAPIは、「Message Bus」を介して様々な処理に分岐します。Message Busには「Dead Letter Queue」があり、失敗したタスクを処理します。
  • LLMとの連携には「LLM Orchestration」と「LLM API」があり、ツール利用には「Agentic Tools」があります。
  • チャットの履歴管理は「Chat State Database」で行われます。
  • さらに、「Cron Job」が非アクティブなチャットセッションを終了させるなどの管理タスクも存在します。 この図では、LLMの指示、ユーザー入力、タスク失敗時の処理、異常な失敗時の処理など、多くの複雑なインタラクションとエラー処理が、開発者によって手動でコード化される必要がありました。これにより、開発者はビジネスロジック以外の多くの「配管コード」に時間を費やし、システムの複雑性と信頼性の課題に直面していました。

Temporal導入後のAgentic AIアーキテクチャ: Temporalを導入すると、アーキテクチャは劇的に簡素化されます。

  • ユーザーからのチャットメッセージは「Chat UI」から「Temporal Workflow」に直接入力されます。
  • Temporal Workflowは、Agentic AIのすべてのプロセスをオーケストレーションする中心的なハブとなります。LLM APIやToolsとの連携、Chat History Databaseへの履歴保存、そして人間からの入力（Signals）とクエリ（Queries）の管理まで、すべてを担います。
  • Temporal Workflow:
    • アプリケーションのフローをコードとして定義し、インタラクティブなループをオーケストレーションします。
    • LLMへのプロンプト、ユーザー入力（Signals）の受信、チャット履歴（Queries）の真のソースの維持、すべてのインタラクションの記録、LLMとツールの耐久性のある実行、障害の優雅な処理を行います。
    • 人間、LLM、ツールインタラクションの履歴は、デバッグと分析のためにTemporalによって保存されます。
  • Temporal Activities:
    • LLMの呼び出しや外部ツールの利用など、失敗しやすいロジックをカプセル化する関数やメソッドの単位です。
    • Temporalによって障害が優雅に処理され、サードパーティのツールやAPI（「Dust code」とも呼ばれる、あらゆるAPIやシステムに接続できるコード）を簡単に呼び出せます。
  • LLMとの連携:
    • 開発者は、任意のLLMプロバイダー（ChatGPT 4o, Anthropic Claude, Google Gemini, Deepseek-V3, Ollamaなど）を選択できます。
    • Temporalは、ユーザー入力のツールへの検証、ユーザーが選択した目標への駆動、いつツールを実行するかの決定、ツールの入力と出力のフォーマットと解釈、API障害と論理的障害の透過的な処理をサポートします。
  • Interaction（Signals & Queries）:
    • ユーザーとの対話は、Temporal SignalsとQueriesを通じて管理され、Workflow Historyに耐久性を持って保存されます。
    • これは分析とデバッグに利用でき、新しいSignalsやQueriesを「ただのコード」として簡単に追加できます。入力は非常に動的であるため、シリアライズ可能である必要があります。
  • Argument Gathering:
    • Temporalのワークフローは、引数収集のためのループや複雑なユースケースパターンを簡単に構築できるように設計されています。これにより、エージェントがユーザーから必要な情報を段階的に引き出すプロセスも効率化されます。
  • Temporal Cloudの利点:
    • Temporal Cloudは、ワークフローの状態管理を完全に担い、開発者がインフラの運用負荷から解放されるフルマネージドサービスです。
    • Durable State（耐久性のある状態）: システム障害時も状態を保持し、処理を中断したところから再開可能。
    • UI for visibility & management（可視性と管理のためのUI）: ワークフローの実行状況を可視化し、トラブルシューティングを容易にする。
    • Near infinite scalability（ほぼ無限のスケーラビリティ）: 顧客の成長に合わせて柔軟にスケールアウトできる。
    • Security/Encryption（セキュリティ/暗号化）: 機密データを保護するための堅牢なセキュリティ対策。
    • Predictable, low latency（予測可能で低レイテンシ）: 高速かつ安定したパフォーマンス。
    • Temporal Cloudは、ワークフローの状態、コールスタック、失敗、再試行など、すべての実行ロジックの重い処理を担います。一方、開発者のビジネスロジックを含むワークフローコードは、開発者自身の環境で実行され、CI/CDパイプラインにシームレスに統合されます。
  • Temporal Workerの役割:
    • Temporal Workerは、ワークフローによって定義されたタスクを実行する役割を担います。LLMとユーザーインタラクションを初期化し、インタラクション構造を提供します。Preeti氏はこれを「Bones and Brain（骨と脳）」と表現しました。
    • Workerは、非常に耐久性がありながらステートレス（状態はCloudで管理される）であり、Python, Go, TypeScript, Java, .NETといった多くの言語のSDKがサポートされています。
    • 開発者は、Workerのコードを記述するだけでよく、テストも使い慣れた言語のテストフレームワークでシンプルに実行できます。

これらのアーキテクチャの変更により、開発者はAgentic AIのビジネスロジックに集中し、信頼性、スケーラビリティ、回復性といった分散システムの複雑な側面はTemporalが自動的に処理します。

具体的なコード例の紹介: プレゼンテーションでは、Temporalの「Code Exchange」ページ（temporal.io/code-exchange）で公開されている「AI Agent execution using Temporal」のデモが紹介されました。これは、Temporalワークフロー内で実行されるAIエージェントとの多段階会話を示すものです。このエージェントは、公開イベントの検索、そのイベント周辺のフライト検索、そしてテストStripe請求書の作成といった目標に向けて、ツールを動的に活用します。このデモは、ChatGPT 4o, Anthropic Claude, Google Gemini, Deepseek-V3、またはOllamaを使用したローカルLLMサービスで構成可能であり、開発者はTemporalがいかにエージェントの複雑な対話とツール利用をコードとして簡潔に記述できるかを体験できます。

未来への扉：TemporalがAI開発にもたらすインパクト

TemporalがAgentic AI開発にもたらすインパクトは計り知れません。

  • 開発の加速（Accelerate Development）:

    • 開発者は「ビジネスロジック」のみに焦点を当てることで、より迅速にコードを記述できます。顧客の中には、Temporalの導入により機能提供の速度が6倍以上向上した事例もあります。

  • 大規模なスケールへの到達（Reach Greater Scale）:

    • Temporal Cloudは、ほぼ無限のスケーラビリティを提供するため、開発者はイベントや顧客の増加に対応するためのインフラ管理に悩む必要がありません。本番環境での大規模運用を容易に実現します。

  • 夜間の安眠（Sleep Better at Night）:

    • 信頼性の高いシステムは、プロダクション上の問題を最小限に抑え、優れた可観測性（observability）で迅速な解決を可能にします。これにより、エンジニアはシステム障害の不安から解放され、より安心して業務に取り組めます。

  • 顧客の幸福度の向上（Make Customers Happier）:

    • 信頼性が高く正確なエージェントアプリケーションは、最終的に顧客の信頼と満足度を高めます。ユーザーは、常に期待通りの結果を返すAIエージェントを安心して利用できるようになります。

Agentic AIは、AIの次の大きなフロンティアであり、私たちの仕事や生活のあり方を根本的に変える可能性を秘めています。しかし、この変革を大規模に実現するためには、基盤となるシステムの信頼性とスケーラビリティが不可欠です。Temporalは、その耐久性とワークフローオーケストレーションの力で、開発者がこれらの複雑な課題を克服し、Agentic AIの真の可能性を解き放つための「民主化された信頼性」を提供します。

まとめと次のステップ

Temporalは、Agentic AIアプリケーション開発における複雑性、信頼性の低さ、デバッグの困難さといった主要な課題に対する包括的なソリューションを提供します。その実績ある耐久性、多言語対応のSDK、そしてマネージドサービスとしてのTemporal Cloudは、開発者がビジネスロジックに集中し、革新的なAIエージェントを迅速かつ確実に本番環境に展開することを可能にします。

もしあなたがAgentic AIの可能性に魅了され、その開発に挑戦しようとしているなら、Temporalは強力な味方となるでしょう。

次のステップ:

  • Temporal Code Exchangeにアクセス: temporal.io/code-exchange にアクセスし、提供されているAIエージェントのコード例を実際に体験してみてください。QRコードも利用できます。
  • Temporal Cloudにサインアップ: Google、Microsoft、またはメールアドレスで簡単にサインアップできます。現在、$1,000の無料クレジットを提供する期間限定オファーも実施中ですので、ぜひTemporal Cloudの力を試してみてください。
  • AI Engineer World's Fairのブースに訪問: もし会場にいらっしゃるなら、ブースG3に立ち寄って、Temporalのチームと直接チャットし、疑問を解消し、デモを体験する絶好の機会です。

Agentic AIの未来は、信頼性の高い基盤の上に築かれます。Temporalは、その基盤を提供することで、AI開発の新時代を切り拓いています。

← 一覧に戻る