LiteLLM vs OpenRouter vs Portkey: LLMゲートウェイ完全比較【2026年版】
AIエージェント開発において、LLMゲートウェイは欠かせない存在になりました。複数のLLMプロバイダーを統一的に扱い、コスト最適化・フォールバック・レート制限を自動管理する—これがLLMゲートウェイの役割です。
本記事では2026年に注目すべき3大ゲートウェイ「LiteLLM」「OpenRouter」「Portkey」を徹底比較します。
なぜLLMゲートウェイが必要か？
AIエージェントを本番環境で運用すると、こんな課題に直面します：
- プロバイダーロックイン：OpenAIに依存しすぎると、障害時に詰む
- コスト爆発：GPT-4oを常に使うと費用がかさむ
- レート制限：スパイク時にリクエストが詰まる
- 可観測性の欠如：どのモデルに何トークン使ったか把握しにくい
LLMゲートウェイはこれらをまとめて解決します。
3ツール概要
LiteLLM
- URL: https://litellm.ai
- タイプ: オープンソース（セルフホスト or クラウド）
- 対応モデル: 100以上（OpenAI / Anthropic / Gemini / Mistral / Ollama など）
- 特徴: OpenAI互換API、ロードバランシング、フォールバック、コスト追跡
OpenRouter
- URL: https://openrouter.ai
- タイプ: クラウドサービス（マネージド）
- 対応モデル: 300以上（無料モデル含む）
- 特徴: 単一APIで全モデル横断、価格自動最適化、無料枠あり
Portkey
- URL: https://portkey.ai
- タイプ: クラウド + セルフホスト
- 対応モデル: 250以上
- 特徴: プロダクション向け可観測性、ガードレール、プロンプト管理
機能比較表
| 機能 | LiteLLM | OpenRouter | Portkey |
|---|---|---|---|
| 対応モデル数 | 100+ | 300+ | 250+ |
| セルフホスト | ✅ | ❌ | ✅（一部） |
| フォールバック | ✅ | ✅ | ✅ |
| ロードバランシング | ✅ | ✅ | ✅ |
| コスト追跡 | ✅ | ✅ | ✅ |
| プロンプト管理 | △ | ❌ | ✅ |
| ガードレール | △ | ❌ | ✅ |
| 無料枠 | OSS無料 | ✅ | ✅（制限あり） |
| OpenAI互換 | ✅ | ✅ | ✅ |
深掘り比較
1. LiteLLM — セルフホスト派の王道
import litellm
# 100+モデルを同じインターフェースで呼び出す
response = litellm.completion(
model="anthropic/claude-3-5-sonnet",
messages=[{"role": "user", "content": "Hello!"}]
)
# フォールバック設定
response = litellm.completion(
model="gpt-4o",
messages=[{"role": "user", "content": "Hello!"}],
fallbacks=["claude-3-5-sonnet", "gemini/gemini-1.5-pro"]
)
強み：
- 完全オープンソース、データが外部に出ない
- プロキシサーバーとして起動でき、既存コードを変更不要
- Kubernetes環境との親和性が高い
弱み：
- セルフホストの運用コストがかかる
- UIが比較的シンプル
向いている人： セキュリティ重視・社内インフラ統一・エンタープライズ
2. OpenRouter — モデル探索と実験に最強
import openai
client = openai.OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="your-openrouter-key",
)
# 300+モデルを1つのAPIで
response = client.chat.completions.create(
model="anthropic/claude-3.5-sonnet",
messages=[{"role": "user", "content": "Hello!"}],
)
強み：
- 無料モデルが多数（Llama 3 / Mistral / Gemma など）
- 自動的にコスト最安ルーティング
- モデル探索・プロトタイプに最適
弱み：
- クラウド経由のためデータプライバシーに注意
- 本番環境の細かい制御が難しい
向いている人： スタートアップ・個人開発者・モデル比較実験
3. Portkey — 本番運用の可観測性特化
from portkey_ai import Portkey
portkey = Portkey(
api_key="your-portkey-key",
virtual_key="openai-virtual-key"
)
# プロダクション向け：ログ・トレース・ガードレール自動適用
response = portkey.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Hello!"}],
)
強み：
- 詳細なトレース・ログ・コスト分析ダッシュボード
- プロンプトのバージョン管理
- A/Bテストがネイティブサポート
弱み：
- 高度な機能は有料プラン必須
- セットアップがやや複雑
向いている人： プロダクションチーム・MLOps・コスト管理重視
ユースケース別おすすめ
🔬 実験・プロトタイプ段階
→ OpenRouter 一択。無料モデルで費用ゼロ、セットアップ5分。
🏢 社内・エンタープライズ環境
→ LiteLLM のセルフホスト。データが外に出ない、既存インフラに統合しやすい。
🚀 プロダクション運用・チーム開発
→ Portkey。可観測性・プロンプト管理・A/Bテストが揃っている。
💰 コスト最適化最優先
→ OpenRouter（自動ルーティング）+ LiteLLM（フォールバック制御）の組み合わせも有効。
2026年のトレンド：ゲートウェイの役割拡大
LLMゲートウェイは単なる「プロキシ」から進化しています：
- エージェント対応：Tool calling / Function calling の標準化
- セマンティックキャッシュ：同意の質問を検出してAPI節約
- ガードレール統合：有害コンテンツ・PII漏洩を自動ブロック
- マルチモーダル対応：画像・音声・動画も統一インターフェース
まとめ
| ゲートウェイ | 最適シーン |
|---|---|
| LiteLLM | セルフホスト・エンタープライズ・インフラ統合 |
| OpenRouter | 実験・スタートアップ・無料モデル活用 |
| Portkey | プロダクション・可観測性・チーム開発 |
3つを排他的に選ぶ必要はなく、**OpenRouter（実験）→ LiteLLM（本番セルフホスト）→ Portkey（可観測性レイヤー）**という組み合わせも現実的です。
AIエージェントの最新ツールは AgDex.ai で。360以上のツールを4言語で収録中。
関連記事：