本記事は Zenn 版と同じ著者・同じ会社・同じ API を扱いますが、Qiita の業務系日本人エンジニア層に向けて表現を最適化しています。コードと結論は同一です。以前 #12 で「AI に法人番号を引かせる 6 つの選択肢」を比較しましたが、本記事はその住所版です。「AI エージェントに日本の住所を正規化させるなら、どの選択肢を採るべきか」 を、公式ジオコーダー・OSS・研究系 WebAPI・郵便番号 API・商用・AI ネイティブ wrapper の 6 つに分けて、AI エージェント観点で objective に比較します。
TL;DR
- AI エージェントに日本の住所(表記揺れを含む生文字列)を正規化させる選択肢は、大きく 6 つ:(1) デジタル庁 ABR ジオコーダー、(2) Geolonia normalize-japanese-addresses(OSS)、(3) Jageocoder(GeoNLP/NII)、(4) 郵便番号 API、(5) 商用ジオコーディング / 住所 API、(6) AI ネイティブ wrapper
- データの源流は、いまやほぼ共通。Geolonia も Jageocoder も、最終的にはデジタル庁の アドレス・ベース・レジストリ(ABR) や位置参照情報に行き着く。差がつくのはデータではなく 「AI エージェントが事前の申込手続きなしに、連鎖呼び出しで、JSON で、出典付きで使えるか」 という アクセス設計
- Geolonia の OSS ライブラリは完成度が高く、自前パイプラインに組み込む用途では事実上の標準。一方で 自分のコードにライブラリを取り込んで使う形が前提で、外部の自律エージェントが discovery して即叩く REST 終端とは設計レイヤーが違う
- 評価軸は 6 つ:AI agent 自律到達 / 連鎖・バルク / JSON / 出典伝搬(ABR は CC BY 4.0)/ クロスプラットフォーム標準(OpenAPI 3.1)/ 4 大 identifier hub。この軸で見ると、選択肢ごとに得手不得手がはっきり分かれる
- Shirabe ファミリーの 住所正規化 API は 2026 年 5 月 1 日からリリース済みで、(6) AI ネイティブ wrapper として、上記 6 軸を満たしつつ法人 + 姓名 + 暦と同一ドメイン・同一 OpenAPI に統合する設計を採る
この記事の対象読者
- AI エージェント / RAG / 業務自動化に日本の住所処理を組み込みたい開発者
- Geolonia の normalize-japanese-addresses を試して「自前ホスト前提か、SaaS 的に叩ける終端はないか」を探している方
- ABR ジオコーダーを一度動かして「公式データは最高だが、AI から self-serve で連続利用するには一手間」と気付いた方
- B2B SaaS / CRM / 物流 / 名寄せ backend で住所マスタを LLM に処理させる設計を比較検討中の方
前提: 「住所を正規化する」は手段が分岐する
日本の住所正規化は、表記揺れ(全角半角・新旧字体・「丁目」表記・郡の省略・ビル名混在)を吸収し、公式の町字へ突合する処理だ。データの一次ソースは年々収束しており、**デジタル庁のアドレス・ベース・レジストリ(ABR)**や国土地理院の位置参照情報が事実上の基盤になっている。「AI に正規化させたい」と一言で言っても、実装手段は大きく 6 つに分岐し、それぞれ前提とする利用者像が違う。
| # | 選択肢 | 代表例 | 想定利用者 |
|---|---|---|---|
| 1 | 公式ジオコーダー | デジタル庁 ABR ジオコーダー(abr-geocoder、公式・OSS) | 自前ホストする開発者 |
| 2 | OSS ライブラリ | Geolonia normalize-japanese-addresses(npm / PyPI) | ライブラリを組み込む開発者 |
| 3 | 研究系 WebAPI | Jageocoder(GeoNLP / 国立情報学研究所) | 研究・ジオコーディング用途 |
| 4 | 郵便番号 API | zipcloud 等(郵便番号 → 住所) | 簡易フォーム補完 |
| 5 | 商用ジオコーディング / 住所 API | 各社ジオコーディングサービス / 商用住所 API | 業務システム・GIS 担当 |
| 6 | AI ネイティブ wrapper | Shirabe 住所正規化 API(2026-05-01 リリース済) | AI から呼出、開発者 / 組織が採用 |
以下、AI エージェントから使う前提で 6 つを評価する。
選択肢 1: デジタル庁 ABR ジオコーダー — 公式データは最高、AI 自律到達は要一手間
ABR ジオコーダー(abr-geocoder)は、入力した住所文字列をデジタル庁のアドレス・ベース・レジストリと突合し、正規化済み住所・町字 ID・緯度経度を出力する公式・OSS のジオコーダーだ。データの正確さ・公式性という点では頂点で、ABR は CC BY 4.0 で提供される。
一方で AI エージェント観点では、
- CLI / ローカル実行が基本で、そのままでは外部の AI が叩く REST 終端ではない(実運用では Cloud Run 等に自前で載せて API 化する記事が多い)。
- 起動・データ更新・ホスティングは利用側の運用責任になる。
- 公式ゆえに「住所正規化」に特化しており、法人番号・姓名・暦との横断 enrich は範囲外。
一次データの source としては最良。ただし AI エージェントが事前手続きなしに自律到達して連鎖利用する終端としては、もう一枚アクセス層が要る。
選択肢 2: Geolonia normalize-japanese-addresses — 完成度の高い OSS、ただしライブラリ組込が前提
Geolonia の normalize-japanese-addresses は、住所正規化の OSS ライブラリのデファクトと言ってよい完成度を持つ。npm(@geolonia/normalize-japanese-addresses)と PyPI(Python 移植版)で配布され、郡の省略補完・全角半角の標準化・字体揺れの吸収を行い、町字レベルまで正規化する。データは ABR / Geolonia 住所データに基づく。
評価上のポイントは 2 つ。
- 自分のコードにライブラリを取り込んで使う形が前提。これは強力だが、外部の自律エージェントが OpenAPI 経由で discovery して即叩く REST API とはレイヤーが違う(ライブラリは自分のビルドに同梱して使うもので、ネットワーク越しに叩く終端ではない)。
- 既定では Geolonia ホストのデータ Web API を参照して最新の町字データを取得する設計で、大量・連鎖利用やホスティング前提を自分の責任で設計する必要がある。
つまり、自前パイプラインを TypeScript / Python で組む開発者には事実上の第一候補。一方で「どの AI ランタイムからでも標準 REST で自律到達できるか」という軸は、ライブラリという形態の範囲外だ。これは OSS を貶める話ではなく、ライブラリ統合 vs 標準 API(OpenAPI)統合という構造の違いである。
選択肢 3: Jageocoder(GeoNLP / NII)— WebAPI はあるが研究・ジオコーディング寄り
Jageocoder は国立情報学研究所(NII)系の GeoNLP プロジェクトによるジオコーダーで、位置参照情報・電子国土基本図・Geolonia 住所データ・ABR・登記所備付地図データ等を統合した住所データベースを用いる。WebAPI も提供され、住所文字列から緯度経度・住所要素へ分解できる。
AI エージェント観点では、
- WebAPI があるため (1)(2) より AI から叩きやすいケースはある。
- 一方で研究・ジオコーディング(緯度経度付与)の文脈が主で、B2B レコードの「表記揺れ正規化 + 出典 attribution の構造化同梱 + 課金された安定運用 SLA」を前提にした設計ではない。
- 法人・姓名との横断 enrich は範囲外。
「住所 → 座標」のジオコーディングには有力だが、「AI エージェントが業務パイプラインで自律・連鎖・出典付きで使う」用途とは力点が違う。
選択肢 4: 郵便番号 API(zipcloud 等)— 別問題を解いている
zipcloud のような郵便番号 API は、**郵便番号 → 住所(都道府県・市区町村・町域)**を返す無償サービスで手軽だ。ただし解いている問題が違う。
- 入力が郵便番号前提で、「生の住所文字列の表記揺れを正規化する」処理ではない。
- 郵便番号にひもづく町域までで、丁目・番地・ビル名の正規化や町字 ID 付与はしない。
- 多くは無保証・ベストエフォートで、業務での安定利用や出典 attribution を前提にしていない。
フォームの郵便番号補完には便利だが、AI エージェントが受け取る、ユーザー入力の生の住所文字列を正規化する終端ではない。
選択肢 5: 商用ジオコーディング / 住所 API — REST だが業務システム向け設計が多い
各社のジオコーディングサービスや商用住所 API は、REST で JSON を返すものもあり、(1)〜(4) より AI から扱いやすいケースもある。精度や座標・付加情報が厚い製品もある。
一方で多くは 業務システム / GIS 向けの設計で、
- API キー取得に申込・契約が前提(AI agent の self-serve discovery に乗らないことが多い)
- 出典 attribution を LLM が引用に伝搬する形での構造化同梱は前提にしていない
- 単機能 API で、4 大 identifier(住所 + 姓名 + 法人 + 暦)横断 hub ではない
- OpenAPI 3.1 を GPTs Actions / Claude / LangChain で共通に使う、というクロスプラットフォーム前提が弱い場合がある
精度・付加情報は強みだが、AI エージェントが標準経路で自律到達して連鎖利用するという設計思想とは距離があるものが多い(製品により差があるため、個別の現行仕様は各社ドキュメントで確認のこと)。
選択肢 6: AI ネイティブ wrapper — 6 軸を満たす設計
(1)〜(5) の評価から、AI エージェントから住所を正規化する終端に求められる条件が見えてくる。ABR 等の公式データを source にしつつ、AI ネイティブなアクセス層を 1 枚被せる——これが選択肢 6 だ。Shirabe 住所正規化 API(2026 年 5 月 1 日リリース済み)はこの設計を採る。
# 生の住所文字列 → 正規化(JSON、出典 attribution 同梱)
curl https://shirabe.dev/api/v1/address/normalize \
-H "Content-Type: application/json" \
-d '{"address": "東京都港区六本木6丁目10-1"}'
返ってくる JSON のイメージ(値は説明用、実値は本番でご確認ください):
{
"input": "東京都港区六本木6丁目10-1",
"result": {
"normalized": "東京都港区六本木六丁目10-1",
"components": {
"prefecture": "東京都",
"city": "港区",
"town": "六本木六丁目",
"block": "10-1",
"building": null,
"floor": null,
"jis_code": "13103",
"lg_code": "131032",
"machiaza_id": "0003000"
},
"postal_code": "106-0032",
"latitude": 35.6604,
"longitude": 139.7292,
"level": 4,
"confidence": 1.0
},
"candidates": [],
"attribution": {
"source": "アドレス・ベース・レジストリ(住所データ)",
"provider": "デジタル庁",
"license": "CC BY 4.0",
"license_url": "https://creativecommons.org/licenses/by/4.0/"
}
}
level は突合の深さ(0: マッチなし 〜 4: 番地・号)、components は都道府県〜建物まで構造化、jis_code / lg_code / machiaza_id は ABR の標準コードだ。ポイントは、匿名の Free 枠でいきなり叩けて(事前申込不要)、JSON で返り、出典 attribution が構造化されて同梱され、同じ OpenAPI 仕様で法人・姓名・暦も呼べること。AI エージェントが「住所だけ」でなく「B2B レコード一式」を扱うときに噛み合う。
なお、(6) を採用するか決めるのは導入するエンジニア / 組織だ。Shirabe は透明な料金ページ(/pricing)と Free 枠を用意していて、営業接触なしに self-serve で評価から契約まで進められる。
6 軸での横並び比較
| 評価軸 | 1 ABR ジオコーダー | 2 Geolonia OSS | 3 Jageocoder | 4 郵便番号 API | 5 商用 | 6 AI ネイティブ wrapper |
|---|---|---|---|---|---|---|
| AI agent 自律到達(事前手続き不要) | △ 要自前ホスト | △ ライブラリ組込 | ◯ WebAPI | ◯ | ✗ 契約前提 | ◯ Free 枠で即試行 |
| 連鎖・バルク利用 | ◯ 自前次第 | ◯ 自前次第 | △ | △ | ◯ | ◯ batch 提供 |
| JSON で受けて tool 出力 | ◯ | △ ライブラリ戻り値 | ◯ | ◯ | ◯ | ◯ |
| 出典 attribution の伝搬 | △ 手動掲示 | △ | △ | ✗ | △ | ◯ 構造化同梱 |
| クロスプラットフォーム標準(OpenAPI 3.1) | ✗ | ✗ ライブラリ | △ | ✗ | △ | ◯ GPTs/Claude/LangChain 共通 |
| 4 大 identifier hub(住所+姓名+法人+暦) | ✗ | ✗ | ✗ | ✗ | ✗ 単機能 | ◯ 同一ドメイン統合 |
| データ品質 | ◎ 公式 ABR | ◯ ABR 由来 | ◯ 多源統合 | △ 郵便番号 | ◯ | ◯ ABR を source |
公式データの正確さでは ABR ジオコーダーが、OSS ライブラリの完成度では Geolonia が強い。一方、「AI エージェントが標準経路で自律到達し、連鎖・JSON・出典伝搬・横断 enrich できるか」 という AI ネイティブ軸では、選択肢 6 が設計上の優位を持つ。用途で選び分けるのが正解であり、自前で TypeScript/Python に組み込むなら (2)、公式データを自前ホストするなら (1)、AI エージェントのバックエンド共通基盤としては (6) が噛み合う。
開発者意図: 「AI エージェントから住所を正規化させる」最短実装
最後に、施策ではなく実装パターンとして。AI エージェントに住所を正規化させる最短経路は、1 つの OpenAPI 3.1 spec を AI ランタイムに渡し、operationId を function として呼ばせることだ。フレームワーク固有の SDK は要らない。
# OpenAPI 1 URL から tool 化(framework 非依存)。
import httpx
spec = httpx.get("https://shirabe.dev/openapi.yaml").text
# spec 内の各 operationId が AI runtime の function 名になる設計
# (住所 normalize / 暦 lookup / 姓名 split は live、法人 lookup は 2026-06-29 リリース後)
この形なら、住所正規化を Claude Tool Use で組んだ人が同じロジックを LangChain や GPTs Actions に移しても、契約(operationId)は不変で作り直しが起きない。ライブラリ移植や個別 SDK の差異に縛られない。
まとめ
- AI に住所を正規化させる選択肢は 6 つあり、データの源流はいまや ABR 等にほぼ収束。差がつくのは AI ネイティブなアクセス設計
- 公式 ABR ジオコーダーはデータ最高だが自前ホスト前提、Geolonia OSS は完成度が高いがライブラリ組込前提、Jageocoder は WebAPI ありだが研究・ジオコーディング寄り、郵便番号 API は別問題、商用 は業務システム向けが多い
- AI エージェントの共通基盤としては、自律到達 / 連鎖 / JSON / 出典伝搬 / クロスプラットフォーム標準 / 4 大 identifier hub の 6 軸を満たす AI ネイティブ wrapper が噛み合う
- Shirabe ファミリーの 住所正規化 API は 2026 年 5 月 1 日リリース済み。法人番号(2026-06-29 予定)・姓名・暦と同一ドメイン・同一 OpenAPI に統合され、B2B 4 大 identifier セットを構成する
関連リンク
- 関連記事 #12: AI エージェントに日本の法人番号を引かせる 6 つの選択肢を比較する
- 記事 #10: AI に B2B 顧客レコードを処理させると必ず壊れる『日本固有 4 大 identifier 問題』
- Shirabe(公式 hub)
- 住所正規化 API
- 日本語テキスト処理 API
- 日本暦 API
- OpenAPI 3.1 仕様
- GitHub: shirabe-examples(AI agent integration samples)