この記事は株式会社ドットログによる
コンストラク体操日記 Advent Calendar 2025 の 11日目 の記事です。
はじめに
「MAS」について調べていたら、「MoA」と「MAS」がごちゃついて頭の整理のメモ程度で記事を書いてみました。
正直に言うと、私はこの2つの用語を完全に混同していました。どっちも「マルチエージェント」っぽいし、どっちも「複数のAIが協力する」みたいな話っぽく感じました。調べていくうちに**「あ、これって親子関係なんや」**ということがわかったりして整理できてスッキリしたので、同じように混乱している人はなかなか少ないと思いますが、MoAとMASのどちらか一方でも分かっていない人には、input材料として焼くだけていただければ幸いです。
この記事でわかること
- MASとMoAの違い（結論：親子関係）
- ついでにMoEとの違いも整理
- 2025年時点での具体的な活用事例
結論：MASが親、MoAが子みたいな感じ→ MASがでかい要素、MoAがその中の一部
先に結論を言うと、この2つの関係はシンプルでした。
MASは「広い概念」、MoAは「具体的な手法」。MoAはMASの一種。
| 用語 | 正式名称 | 一言で言うと |
|---|---|---|
| MAS | Multi-Agent System | 複数AIが協力する仕組み全般 |
| MoA | Mixture of Agents | LLMを階層的に組み合わせる具体的な手法 |
| MoE | Mixture of Experts | モデル内部で専門家を選ぶ仕組み（別物） |
※MoEについては最後くらいに軽く触れます、、
MAS（マルチエージェントシステム）って何？
ざっくり言うと
複数のAIエージェントが協力して問題を解決するシステムの総称です。
1970年代から研究されている歴史ある分野で、「生成AIの時代に急に出てきた概念」ではありませんでした。
私が勘違いしてたこと
MASは「最近のLLMブームで生まれた概念」だと思ってましたが、50年近い歴史がありました。ロボット工学や交通システムなど、LLM以外の分野でも昔から使われていたようです。
特徴
- 複数のエージェントがいる：1つじゃなくて、複数のAIが動く
- それぞれが自律的：各エージェントが自分で判断して動く
- 協力・分担する：情報を共有したり、役割分担したりする
2025年時点での具体例
調べてみると、最近はこんなサービスがMASを使っているようです。
- Gemini Enterprise：Googleの汎用マルチエージェントシステム
- Microsoft Magentic-One：Microsoftの汎用MAS
- OpenAI Operator：ブラウザ操作などを行うAIエージェント
- Anthropic Claude Computer Use：PCを操作できるAIエージェント
他にも、自動運転車同士の連携とか、Amazonの倉庫ロボットの協調動作なんかもMASの一種らしいです。
ポイント
MASは「考え方・設計思想」です。AIにおいてでいうと、MASは「複数のAIを協力させよう」という大きな枠組みであり、具体的なやり方は色々あります。
MoA（Mixture of Agents）って何？
ざっくり言うと
複数のLLM（大規模言語モデル）を階層的に組み合わせて、より良い回答を作る手法です。
2024年6月にTogether AIという会社が発表しました。MASの中でも、LLMに特化した具体的なやり方の1つ。
仕組み
ステップ1：複数のLLMがそれぞれ回答を作る（Proposer）
↓
ステップ2：それらの回答を参考に、さらに良い回答を作る（中間層）
↓
ステップ3：最終的に1つの回答にまとめる（Aggregator）
出典：Wang et al., 2024 "Mixture-of-Agents Enhances Large Language Model Capabilities"
なぜこれで性能が上がるのか
LLMには「他のモデルの出力を見ると、より良い回答ができる」という性質があることがわかっっているらしいです。これを「協調性（collaborativeness）」と呼ぶそうです。人間で言うと、他の人の意見を聞くと考えが深まるみたいな感じ。
実績（※2024年発表時点で古いかもです）
- AlpacaEval 2.0というベンチマークで**65.1%**を達成
- 当時のGPT-4oの**57.5%**を上回った
- オープンソースのモデルだけでこの性能を実現
注意
GPT-4oは2024年時点のモデルです。今はGPT-5とか出てるので、単純比較はできないかもしれません。「当時すごかった」という文脈で理解してください。
2025年の活用事例
調べてみると、実際にMoAを使っているサービスがいくつかありました。
- GenSpark MoA：MoA技術を採用したAI検索エンジン。検索・画像生成・翻訳などを統合
- 医療分野：放射線科、ゲノム、薬剤治療など専門分野のエージェントが協調して診断支援
- 金融分野：リスク分析などで複数エージェントが協調
メリット・デメリット
| メリット | デメリット |
|---|---|
| 単体のLLMより高品質な出力が得られる | 処理に時間がかかる（複数のLLMを順番に動かすため） |
| 既存のモデルをそのまま使える（再学習不要） | コストが高い（複数回の推論が必要） |
MoAとMASの関係を図で整理
ここまで読んで「結局どういう関係なの？」と思った人向けに、図で整理します。
↑ nano bananaで作成
MASは「広い概念」、MoAは「具体的な手法」くらいで覚えておけばOKです。
「MoEも似てない？」問題
ここで、私が最初に混乱したもう1つの用語について触れておきます。
MoE（Mixture of Experts）という用語、MoAと1文字違い。
MoEは別物です
名前は似てますが、やってることは全然違います。
| 項目 | MoA | MoE |
|---|---|---|
| 正式名称 | Mixture of Agents | Mixture of Experts |
| 何をするか | 複数LLMの出力を合成 | 入力に応じて専門家を選択 |
| レベル | アプリケーション層 | モデル内部の構造 |
| 目的 | 回答の質を上げる | 計算効率を上げる |
MoA vs MoE 比較図
MoA
MoE
参考記事：
もっとわかりやすくするためにnano banana proに投げてみた画像
ざっくり言うと
- MoA：みんなの意見をまとめて良い答えを作る
- MoE：得意な人に任せる（他の人は休んでる）
全然違いますね。名前が似てるだけで別物でした。
実装したい人向け：フレームワーク
「自分でもMASやMoAを試してみたい」という人向けに、使えるフレームワークも調べてみました。
| 名前 | 開発元 | 特徴 |
|---|---|---|
| LangGraph | LangChain | グラフ構造でワークフローを定義。細かい制御が可能 |
| AutoGen | Microsoft | 会話ベースで複数エージェントを協調させる |
| CrewAI | CrewAI Inc. | 役割を定義してチームのように動かす。初心者向け |
| OpenAI Agents SDK | OpenAI | 2025年3月リリース。MAS構築に特化 |
OpenAI Agents SDKで私ものちのちに手を動かそうかなと思います。情報が多そう、この辺りは、あまり調べてません。
まとめ
MoAとMASの違い、整理できましたか？
今回わかったこと
- MASは複数AIが協力する仕組み全般（広い概念、1970年代〜）
- MoAはLLMを階層的に組み合わせる具体的な手法（MASの一種、2024年〜）
- MoEは別物。モデル内部で専門家を選ぶ仕組み
- MASが親、MoAが子という関係
覚え方
- MAS = Multi-Agent System = 複数エージェントのシステム
- MoA = Mixture-of-Agents = エージェントの混合
- MoE = Mixture-of-Experts = 専門家の混合
少しでも、参考になれば幸いです。