JSAI2026 Agentic Flow: Agentワークフローを明示的に記述可能とするフレームワーク
LLM Agentワークフローを、通常のPythonコードとして読み書きしやすくするためのフレームワーク
Agentワークフローを「暗黙に動くコード」から「実行点が見える Python コード」に戻す
pyCopied!
spec = agent("prompt") # specresult = await spec # exec課題
コードの読み書き ＝人間＋LLM の時代
OpenAI Agent SDKの例
処理が追いづらい
どこで何をしているのか認識しづらい
読み手のために、ライブラリとはどうあるべきか
問題
宣言と実行の混在
ボイラープレートの肥大
ストリーミング、フェーズ管理、エラー処理の定型コードが増えやすい
隠れた状態遷移
→ 読むのも生成するのも認知負荷が高い
提案
宣言と実行の分離
agent(prompt) は即実行せず、実行仕様 ExecutionSpec を返す 実行はawaitした地点でのみ発生する
awaitのところだけを読めば実行だと理解できる
Call-Spec Discipline
C(a, p) -> S
τ(S) -> E -> r
Gemini SDKもこういう書き方ができるようになっていた気がする？
関心の分離
WHAT: Agentの能力
WHERE: データ・状態の境界
HOW: 表示や観測
LIMITS: 実行制約
WHEN: ライフサイクルイベント
Phase Boundaries
内部思考と外部会話履歴の分離
WHERE軸の具現化
Graph DSL vs Plain Python
後者
短く書ける（トークンが少ない）
人間の新たな学習コストがない
Pythonだけ知っていればいい
評価
一部タスクでコード行数を最大 42% 削減
ストリーミング対応時の変更行数も少ない
認知的複雑度も低い傾向
応用例
GitHubでソースコードを公開しているよ
ブース展示もしているよ
Agentic Transcoder
質疑応答
Agent SkillsからPythonプログラムが参照されることもある
こういう書き捨てPythonのレビューがしやすくなるのも嬉しい点だ