悩んでる人AIエージェントって、社内システムまで触れるようになるの?
情シス あおい繋がります。ただし承認フローを設計しないと、危険な操作まで自動で走ってしまいます。
AIエージェントは、会話に答えるだけでなく、ツールを呼び出して作業そのものを進めます。
ローカルLLMと組み合わせれば、API料金を気にせず社内の業務システムに接続する構成も検討できます。
とはいえ、何でも自動実行させると、取り返しのつかない操作まで走ってしまう恐れがあります。
そこで、必要な機能・構成例・承認フローの設計までを、公式情報にもとづいて整理しました。
今回は、AIエージェント ローカルLLMで業務システムを自律化する構成例を紹介します。
- AIエージェントに必要な3つの機能（ツール呼び出し・MCP接続・承認フロー）
- 規模に応じたn8n・Dify・LangGraph／CrewAIの組み方
- Dify・n8nのライセンス条件と、AutoGenの現在地
先に実装手段の比較だけ知りたい方はフレームワークの選び方からどうぞ。
※本記事の構成例は、各ツールの公式ドキュメントにもとづいています（2026年10月確認）。実際に構築・動作検証したものではありません。
AIエージェント ローカルLLMとは｜チャットボットと違う3つの機能
AIエージェントは、会話に答えるだけでなく、ツールを呼び出して作業を実行するところまで担います。
ツール呼び出し（function calling）が自律の土台
Ollama公式は、/api/chatのtoolsフィールドにツール定義を渡す方式を採用しています。
モデルはJSON Schema形式の定義を受け取り、呼び出すツールと引数をtool_callsとして返します。
現行ドキュメントのサンプルでは、1回のリクエストで複数ツールを呼べる並列呼び出しにも対応しています。
OpenAI互換エンドポイントでも、同じtoolsパラメータが使えます。
公式のPython SDKなら、Python関数をそのままtools=[関数]として渡せます。
対応モデルは増え続けているため、Ollama公式のモデル一覧で確認する方法が安全です。
現在は245モデル中95モデルがツール呼び出しに対応しています（26年10月確認）。
業務システムへの接続はMCPが担う
MCP（Model Context Protocol）は、AIアプリと外部システムをつなぐ共通規格です。
複数のデータベースを横断してチャットで分析できる仕組みも、公式が挙げる用途例のひとつです。
業務システムに繋ぐという発想自体は、企業の導入事例でも見られます。
承認フロー（human-in-the-loop）が欠かせない理由
MCPの公式仕様は、ツール呼び出しを人間が拒否できる状態を保つべきだと明記しています。
承認フローの設計は、業務システムに繋ぐ構成の前提として考えておく必要があります。
業務システムと連携する構成例｜規模に合わせた3つの型
業務システムに繋ぐ構成は、梅・竹・松の3段階で考えると選びやすくなります。
梅：n8nでワークフロー自動化から始める
n8nには、チャットモデルとツールを1つ以上つなぐと動くAI Agentノードがあります。
Ollama用の接続情報も、公式クレデンシャルとして用意されています。
MCPとの連携も、公式ノードが担います。
n8n自身をMCPサーバー化する「MCP Server Trigger」と、外部サーバーを呼ぶ「MCP Client Tool」の2種類です。
竹：DifyのAgent機能でノーコード運用する
Difyには、ツール呼び出し・イテレーション数・ナレッジベース連携までそろったAgentがあります。
現行のAgent機能は、一部がベータ版として提供されています（26年10月確認）。
Ollamaとの接続は、公式マーケットプレイスの認証済みプラグインを入れるだけで完了します。
松：LangGraph・CrewAIでカスタム構築する
構成の自由度を求めるなら、LangGraphやCrewAIでコードから組み立てる松の選択肢になります。
LangGraphは公式のlangchain-ollamaパッケージ経由でOllamaに接続でき、ツール呼び出しにも対応します。
CrewAIは複数エージェントに役割を割る「Crew」構成が特徴で、LiteLLM経由でOllamaに接続します。
MCPで業務システムに接続する｜規格と実装は分けて考える
MCPは企業のDB・API連携を想定した規格ですが、公式が直接提供する実装はすでに絞られています。
MCPは企業の複数DB連携を想定した規格
MCP公式は、複数のデータベースを横断して分析できる仕組みを用途例として挙げています。
規格そのものの最新版は2026-07-28付けで、ライセンスはMITからApache 2.0への移行期にあります。
Claude・ChatGPT・VS Code・Cursorなど、複数のAIアプリが公式対応クライアントです。
公式のリファレンスサーバーはすでに役目を終えている
現行で公式が直接メンテナンスするのは、Everything・Fetch・Filesystemなど7種類だけです。
実装は各ベンダー・コミュニティ製のMCPサーバーに移っている
DB・APIへの接続は、各ベンダーやコミュニティが公開するMCPサーバー経由で行うのが実態です。
n8nのように、エージェント側がMCPクライアント・サーバーの両方になれる実装も増えています。
承認フロー（human-in-the-loop）の設計｜何を人に確認させるか
承認フローは、危険な操作ほど人間の確認を挟む設計にするのが基本です。
MCP公式が明記する「人間の確認」という前提
MCPの公式仕様は、ツール呼び出しを拒否できる人間を常に介在させるべきだと明記しています。
加えて「Elicitation」という機能で、サーバー側がユーザーに追加情報を求める仕組みも規定されています。
パスワード等の機密情報をフォーム入力で求めることは禁止されています（MUST NOT）。
代わりに、外部URLへ誘導する設計が規定されています。
CrewAIのhuman_inputフラグという実装例
CrewAIのTaskには、human_inputという真偽値のパラメータが公式に存在します。
trueに設定すると、エージェントの最終回答を人間がレビューする工程が挟まります。
規格レベルの推奨と、実装レベルのフラグがそろっている点は、構成を検討するときの安心材料になります。
AIエージェント フレームワークの選び方｜5つの選択肢とライセンス
5つの選択肢は、コードの自由度とライセンスの条件で向き不向きが分かれます。
| フレームワーク | タイプ | ライセンス | 備考 |
|---|---|---|---|
| LangGraph | コード型 | MIT | ツール呼び出し公式対応 |
| CrewAI | コード型（マルチエージェント） | MIT | human_input対応 |
| Dify | ノーコード | Dify Open Source License（改変Apache2.0） | マルチテナントは別途商用ライセンス |
| n8n | ノーコード（ワークフロー） | Sustainable Use License | 競合サービス化・有償再配布は不可 |
| Microsoft Agent Framework | コード型（AutoGen後継） | MIT | Ollama用パッケージはプレリリース |
5つとも、26年10月時点で開発が続いています。
表のライセンス条件も、同じく2026年10月確認時点のものです。
LangGraph・CrewAIはコードで作る自由度重視の選択肢
LangGraphとCrewAIは、ライセンスがどちらもMITで、コードで柔軟に組み立てられます。
既製のUIがない分、業務システム特有の分岐や例外処理も書き込めます。
Dify・n8nはノーコードで早く動かせる選択肢
Difyとn8nはノーコードで早く動かせますが、商用利用の条件を必ず確認してください。
AutoGenからMicrosoft Agent Frameworkへ移った経緯
AutoGenは公式に「メンテナンスモード」入りしており、新機能は追加されません。
公式READMEは、新規ユーザーに後継のMicrosoft Agent Frameworkから始めるよう案内しています。
Ollama用の連携パッケージは、まだ--pre指定が必要なプレリリース扱いです。
Hermes Agentという個人アシスタント型の実装例｜ローカルLLMでの位置づけ
Hermes Agentは、業務システム自動化とは別の、個人アシスタント型の実装例です。
業務プロセス自動化と個人アシスタントの違い
Hermes Agentは、Telegram・Discord・Slackなど複数のプラットフォームに常駐するソフトです。
学習ループでスキルを自作しながら改善し、内蔵cronで日次レポート等を無人実行します。
本記事のLangGraphやCrewAIは、複数の業務プロセスを自動化する用途で設計が異なります。
MCP経由で外部ツールに繋ぐという発想自体は、どちらも共通しています。
接続手順はHermes Agentの記事で確認する
Hermes Agentの導入手順・対応OS・接続条件は、別記事で公式ドキュメントにもとづいて整理しています。
詳しくはHermes AgentをローカルLLMで使う方法で確認できます。
AIエージェント ローカルLLMに関するよくある質問
AIエージェント ローカルLLMに関するよくある質問をまとめました。
- AIエージェントとチャットボットは何が違いますか？
-
ツールを呼び出して実際の作業まで実行できる点が、会話だけのチャットボットとの違いです。
- ローカルLLMでもMCPは使えますか？
-
使えます。n8nのように、ローカルLLMと接続した上でMCPのクライアント・サーバーになれる実装があります。
- Difyやn8nは無料で商用利用できますか？
-
社内業務での利用はできますが、Difyはマルチテナント運用、n8nは競合サービス化や有償の再配布に別途条件があります。
- 承認フロー（human-in-the-loop）は必ず必要ですか？
-
MCPの公式仕様は、ツール呼び出しを人間が拒否できる状態を推奨しています。
業務システムに繋ぐ構成では、組み込むのが基本的な考え方です。
- AutoGenはもう使えないのですか？
-
使えますが、公式が「メンテナンスモード」と明記しており、新規ユーザーには後継のMicrosoft Agent Frameworkが案内されています。
まとめ｜AIエージェント ローカルLLMで業務システムを自律化する前に確認すること
ここまでの内容を、構成を検討する前に確認したい点として整理しました。
必要な機能：ツール呼び出し・MCP接続・承認フローの3つが、業務システム自律化の土台になります。
規模の選び方：小さく試すならn8n、ノーコードで広げるならDify、自由度を求めるならLangGraph・CrewAIです。
MCPの実態：規格は企業のDB・API連携を想定していますが、公式の実装は一部アーカイブ済みです。
ライセンス：Difyとn8nは商用利用に条件があり、AutoGenは後継への移行が案内されています。
確認方法：本記事は公式ドキュメントにもとづく構成例で、実機での動作検証ではありません。
悩んでる人どれから手を付ければいいんだろう…
情シス あおいまずは梅の構成から、1つのワークフローだけ動かしてみるのがおすすめです。
接続先のツール選びや、個人アシスタント型との違いで迷ったら、以下もあわせて確認してみてください。
- Hermes AgentをローカルLLMで使う方法：個人アシスタント型の実装例を詳しく確認できます
- ローカルLLM企業の導入事例：業務システムに繋ぐ発想を実際の企業事例で確認できます
- ローカルLLM活用事例（個人・小規模チーム）：個人開発者としての活用の広げ方を確認できます
- ローカルLLMの活用方法（カテゴリトップ）：他の活用例もまとめて確認できます
参考資料
MCP公式サイト
Ollama公式モデル一覧（Toolsフィルタ）
LangGraph公式GitHub
CrewAI公式GitHub
Dify公式GitHub
n8n公式GitHub
Microsoft Agent Framework公式GitHub
AutoGen公式GitHub
コメント