LangBot 4.10.2アップデート解説：Sandbox、Skills、RAGプラグイン化、エンタープライズ向けAIボットフレームワーク機能

LangBot リリース 4.10.2 のアップデート内容を、Sandbox、Skills、RAG のプラグイン化、AI プラットフォーム連携、LangTARS、エンタープライズルーティング、IM 対応、ワークフロールーティング、高同時接続テスト結果を含めて、読みやすい英語版としてまとめたもの。

发布于 2026年7月8日•general•GEO 评分: 55•9 次阅读

LangBotLangBot 4.10.2LangBot リリース 4.10LangBot サンドボックスLangBot スキルLangBot Box ランタイムLangBot RAGLangBot プラグインシステムLangBot CloudLangTARSAIボットフレームワークエンタープライズ向けAIボットAstrBot 比較IMボットプラットフォームAIエージェントフレームワーク

选择语言

العربية Deutsch English Español Français Italiano 日本語 한국어 Português Русский 中文

LangBot の名称を配し、AIエージェントのネットワークを思わせる控えめなライン、Sandbox、Skills、RAG、IM プラットフォームの小さなアイコン、そして LangBot 4.10.2 アップデートに関する簡潔なタイトルをあしらった、クリーンな 16:9 のダークテック調カバー画像。

サンドボックスは、Box Runtimeとも呼ばれ、組み込みエージェントに隔離された実行環境を提供します。簡単に言えば、エージェントはより開発者のように作業できます。つまり、ホスト環境に直接触れることなく、コマンドを実行し、ファイルを読み書きし、ファイルを編集し、プロジェクトの内容を検索できます。

ネイティブのツールセットには、6つのコアツールが含まれています:

ツール	用途
`exec`	シェルコマンドを実行します。
`read`	ファイルの内容を読み取ります。
`write`	ファイルを書き込みます。
`edit`	既存のファイルを編集します。
`glob`	パターンでファイルを照合します。
`grep`	ファイル内容内を検索します。

サンドボックスのバックエンドはプラガブルです。デプロイ環境に応じて、LangBot は分離バックエンドとして Docker、nsjail、または E2B を使用できます。システムは適切なオプションを自動的に選択できます。

元の作者は、アーキテクチャ上の利点についても指摘しています。LangBot はすでにプラグインのランタイムをメインシステムから分離しています。これにより、設計の拡張が容易になります。たとえば、WebUI は1台のマシンで実行し、LangBot バックエンドは NAS 上で実行し、Plugin Runtime は Raspberry Pi など別の場所にデプロイできます。

Box Runtime は stdio モードの MCP サーバーもホストできるため、LangBot はより安全かつ柔軟にツール機能を拡張できます。

Docker デプロイでフルプロファイルを有効にするには、次を使用します。

`docker compose --profile all up`

サンドボックスを無効にするには、次のように設定します。

box:
  enabled: false

スキルシステム

スキルはオンデマンドの命令パッケージです。スキルには、プロンプト、スクリプト、手順、テンプレート、または参照ファイルを含めることができます。重要なのは、Agent がすべてのスキルを常にコンテキストに読み込んでおく必要がないという点です。

その代わり、Agent は通常、利用可能なスキルの一覧だけを参照します。タスクに特定のスキルが必要な場合、その完全なスキル内容はその時点でのみ読み込まれます。これによりコンテキストの無駄が減り、長時間にわたる会話や複雑な会話をより管理しやすくなります。

この設計は、Agent に専門的な能力が必要でありながら、すべての指示をシステムプロンプトに持たせるべきではない場合に有用です。必要に応じてより深い能力を利用できるようにしつつ、デフォルトのコンテキストをより軽量に保ちます。

v4.9.x ですでに導入されていた機能

もともと v4.10.0 リリース向けに計画されていた機能の一部は、すでにそれ以前に v4.9.x シリーズでリリースされていました。

機能	変更内容
プラグイン拡張ページ	プラグインは、iframe とページ SDK を通じてカスタム UI をレンダリングできるようになりました。
監視とフィードバック	フィードバックをメッセージ ID に関連付けられるようになり、フィードバックデータをエクスポートできるようになりました。
セキュリティ強化	エンタープライズ利用シナリオ向けに、セキュリティ関連の修正と保護機能の改善が追加されました。

LangBot v4.9.0：ナレッジベースのプラグイン化

LangBot v4.9.0 では、ナレッジベース、つまり RAG 機能をプラグインベースのアーキテクチャへ再構築することに重点が置かれました。作者によると、これは長い間計画されていた大規模な更新であり、特に Dify のようなプラットフォームとのより良い統合を実現するためのものです。

新しい設計では、LangBot はもはや組み込みナレッジベースと外部ナレッジベースを別々の 2 つのカテゴリとして扱いません。代わりに、すべてのナレッジベースが統一された方法で管理されます。異なるナレッジエンジンはプラグインを通じて提供されます。

主な変更点は次のとおりです。

統一管理：組み込みおよび外部のナレッジベースは、1 つの管理モデルの下で扱われます。

新しいコンポーネントタイプ：`KnowledgeEngine` プラグインコンポーネントが導入されました。

動的フォーム：ナレッジベースの作成時、選択したエンジンに応じてフォームの表示内容が変わります。
API ベースの中核機能：埋め込み呼び出しとベクトルデータベース操作は RAGRuntimeService にラップされているため、プラグインは API を通じてそれらを呼び出せます。
自動移行：旧バージョンで作成されたナレッジベースは、v4.9.0 へのアップグレード後に自動的に移行できます。

スクリーンショットには、RAG 関連のナレッジエンジンプラグインがいくつか表示されています。元の投稿では、LangBot チーム独自の研究成果を含む 5 つの RAG オプションに言及しています。

その他の重要な更新

LangBot Cloud も正式にリリースされました。セルフホストしたくないユーザーは、公式クラウドサービスを通じて LangBot を利用できます。

このリリース系列には複数の修正も含まれており、Dify の出力解析、WebSocket メッセージ送信、設定タイプの変換などの領域をカバーしています。

ナレッジベースがプラグイン化されたことで、開発者はカスタム知識エンジンをLangBotに接続するための、よりクリーンな方法を得ました。これは、より複雑な業務要件を持つチームにとって特に有用です。

すでに追加されていたものの、あまり書かれてこなかった更新

その後、原著者は公開リリースノートの内容を超えて、すでに変更されていたものの、これまでの記事では十分に説明されていなかったいくつかの機能を挙げています。

LangBotプラグインマーケットの掲載数が400件を突破

元の投稿によると、LangBotプラグインマーケットの掲載数はすでに400件を超えています。著者はまた、チームがプラグインを審査しており、娯楽専用のプラグインは比較的少なく、重複も少ないと述べています。

この点が重要なのは、プラグインのエコシステムが、単一の組み込み機能一覧よりも重要であることが多いためです。エコシステムが大きいほど、ユーザーはあらゆる機能がコア製品に組み込まれるのを待つのではなく、さまざまなワークフローに合わせてLangBotを拡張できます。

外部AIアプリケーションプラットフォームとの互換性が7つのプラットフォームを突破

LangBot は、外部 AI アプリケーション開発プラットフォームとの互換性拡大を継続しています。元の記事では、Weknora と Deerflow に関する最近のアップデートに触れつつ、LangBot が拡張性を非常に重視していることを強調しています。

このスクリーンショットには、Coze、DashScope、DeerFlow、Dify、Langflow、ローカルエージェント、n8n、Tbox、Weknora など、複数のプラットフォーム向けのコネクタ関連ファイルが表示されています。

LangTARS と OpenClaw に似た機能は引き続き改善中

LangTARS は、モジュール化された機能レイヤーとして説明されています。LangBot は統合基盤として機能し、モデル、ツール、ナレッジベース、会話履歴をローカルまたはサードパーティのエージェントに安全に公開します。

これにより、エージェントはビジネスインテリジェンスに集中できます。つまり、ユーザーの意図を理解し、ツールを呼び出し、知識を取得し、回答を整理することです。エージェントは、低レベルの接続詳細を気にする必要がありません。

この記事では、これらの機能がサンドボックスベースの運用とパーソナルコンピューター制御の両方のシナリオをサポートできることにも言及しています。

SaaSプラットフォームのエージェント更新

SaaSプラットフォームにもエージェントの更新が加えられました。著者はここではあまり詳しく説明していませんが、SaaSユーザーはすでにこれらの変更を体験している一方で、オープンソースコミュニティではいくつかの機能を数バージョン後に体験する可能性があると述べています。

エンタープライズ向けモデルのコールバックルーティング

LangBotには、エンタープライズレベルのモデルコールバックルーティングが追加されました。モデル呼び出しが失敗した場合、メッセージは事前に設定されたフォールバックモデルにルーティングされます。

この設計の価値は、APIキーやモデルベンダーに関する制約を打破する助けになる点にあります。エンタープライズシステムでは、1つのプロバイダーが障害を起こしたり上限に達したりした際の信頼性向上につながります。

LangBotは30以上のIMプラットフォームを直接または間接的にサポート

LangBotはすでに幅広いインスタントメッセージングプラットフォームとの互換性を実現しています。元の記事によると、LangBotは30以上のIMプラットフォームを直接または間接的にサポートしています。

ボットフレームワークにとって、IM の対応範囲は非常に重要です。企業によっては、1 つのボットシステムを WeChat、QQ、Lark、DingTalk、Telegram、Discord、Slack、LINE など複数のプラットフォームで動作させる必要があります。統一されたボットフレームワークを使うことで、重複する連携作業を減らせます。

パイプラインルーティング：ワークフローのような会話ルーティング

この記事では、ワークフローにやや似た挙動をするパイプラインルーティングについても触れています。

この機能により、LangBot は業務キーワードやその他の条件に基づいて会話を異なるパイプラインへ振り分けることができます。異なるパイプラインでは、それぞれ異なるプロンプト、拡張機能、データベースを使用できます。また、ネストすることも可能です。

原著者は重要な補足も加えています。ビジュアル Workflow のアップデートが導入された後は、ビジュアルなワークフローオーケストレーションのほうがより安定していて使いやすくなるため、このパイプラインルーティング機能は削除または置き換えられる可能性があります。

QRコード設定

一部の対応しているオープンプラットフォームでは、LangBot は QR コードベースの設定を利用できます。これにより、すべての詳細を手入力しなくても、オープンプラットフォームの設定がより簡単になります。

今後のアップデート予告

いくつかの今後の機能は、元の記事が書かれた時点ですでに開発が進められていました。著者によれば、その一部は非常に新しく、当時は公式サイトでさえまだ更新されていなかったとのことです。

ビジュアル・ワークフロー・オーケストレーションはすでに開発済み

ビジュアル・ワークフロー・オーケストレーション機能はすでに開発を完了しており、マージの時期も決定されています。

これは、WebUI から複雑なロジックをより簡単に構築・保守できるようになるため、今後の重要な変更のひとつです。

他の CLI スタイルのエージェント機能の統合

記事では、cc と連携したプロジェクトがある程度注目を集めていたことにも触れられており、そのためチームは Claude Code や Codex に似た他の CLI スタイルの機能もサポートすることを決定しました。

この方向性は、AI エージェントが開発環境、コマンドラインツール、ローカルプロジェクトとより直接的に連携して作業できるようにするという、より大きなトレンドにも合致しています。

さらに多くの機能が登場予定

著者は、今後追加予定の残りの機能については予告として伏せています。主なメッセージは明確です。現在の LangBot のアップデートは到達点ではなく、ロードマップには Agent および Workflow 関連のさらなる改善が引き続き含まれています。

未検証の比較に関する注意

元の記事では、著者によれば、比較を行う前に十分な詳細確認をしなかった別の記事にも反応しています。

スクリーンショットでは、LangBot と AstrBot はどちらも実用的な AI ボットのエコシステムを目指しているものの、重視する方向性は異なると述べられています。LangBot は AI アプリケーションをチャットのエコシステムへ迅速に接続することにより重点を置いている一方、AstrBot はボット自体を拡張可能なインテリジェントプラットフォームにすることにより重点を置いています。

実務上の要点はシンプルです。比較は、検証済みの機能、ユースケース、導入要件に基づいて行うべきです。あるフレームワークが「より小さい」ように見えるのは、プラグインシステム、ランタイムの分離、プラットフォーム連携、またはエンタープライズ向けルーティング機能を比較から除外した場合に限られます。

私たちはみな似ている

著者は簡潔に内省的な視点を付け加えている。同じエコシステム内のプロジェクトがしばしば似て見えるのは、似たようなユーザーニーズに応えようとしているからだ。

AIボットフレームワークはどれも、モデル、ツール、ナレッジベース、メッセージングプラットフォーム、そしてユーザーワークフローを接続しようとしている。似ていること自体は必ずしも問題ではない。本当の違いは、アーキテクチャ、拡張モデル、デプロイ設計、そしてチームが実際のユースケースにどれだけ迅速に対応できるかにある。

それぞれ異なる状況がある

チームごとに異なる制約のもとで開発している。ローカルでの使いやすさを重視するチームもある。プラグインの豊富さを重視するチームもある。エンタープライズ向けのデプロイを重視するチームもある。チャットプラットフォームの対応範囲を重視するチームもある。

だからこそ、真剣な比較では単に「どちらの機能が多いか？」と問うべきではない。あわせて、どのフレームワークがデプロイシナリオ、チーム規模、プラットフォーム要件、保守能力、そして長期的な拡張計画に適しているのかも問うべきである。

高同時接続バックログテスト

元の記事の最後で、著者はパフォーマンスに関するデータを追加している。フレームワークにとって、高同時接続とマルチセッション処理は重要な指標である。

テスト方法は、未処理セッションを50～70程度まで意図的に蓄積させ、その後徐々に速度を下げて、システムが負荷平衡に達した際のTPSを観察するというものでした。

著者は、テスト中にセッションの滞留があったため、これは高同時実行環境を表しており、通常の本番トラフィックと完全に同じではないと指摘しています。しかし、それでも負荷がかかった状況におけるフレームワークの性能を把握するうえで有用な見方を提供しています。

元記事で説明されているテスト条件：

単位

項目	テスト条件
ハードウェア	8GBメモリ搭載のRaspberry Pi 5
システム	Ubuntu 22
デプロイメント	フロントエンドとバックエンドを同時に実行
コンテナ使用状況	コンテナによるデプロイなし
AI API	同一のOpenAIインターフェース
モデル/APIレイテンシ	同一のAIインターフェースのレイテンシモデルおよびデフォルトパラメータ
1時間あたりの返信数

国内フレームワーク A/B

以下のグラフは、元の記事で示された国内フレームワーク A/B テストのものです。

元の著者によるグラフの読み取りでは、TPS は1時間あたり約240件の返信です。

LangBot

以下のグラフは、元の記事で示された LangBot のテストのものです。

元の著者によるグラフの読み取りでは、このテストにおいて LangBot は1時間あたり約1260件の返信に達しています。

著者はまた、LangBot が Runtime コンポーネントを1つ多く搭載した状態で開始しているため、この比較は LangBot に対してなおやや不公平である可能性があるとも指摘しています。それでも、その追加コンポーネントがある状態で、示されたテスト結果は依然として大幅に高くなっています。

パフォーマンス指標の読み取りに関する注意

これらのグラフは有用ですが、汎用的な本番環境ベンチマークとして扱うべきではありません。著者は Raspberry Pi 5 と特定のテスト手法を使用しているため、絶対的な数値は、異なるハードウェア、異なる API、異なるモデル遅延、異なるデプロイ構成によって変わる可能性があります。

より有用な指標は、同一のテスト環境下での相対的な TPS 比です。元の著者によれば、関連するテストソフトウェアは今後オープンソース化される可能性もあるとのことです。

よくある質問

LangBot とは何ですか？

LangBot は、AI を活用したインスタントメッセージングボットを構築するための、オープンソースの本番運用向けプラットフォームです。大規模言語モデルや AI アプリケーションプラットフォームを、Discord、Telegram、Slack、WeChat、QQ、Lark、DingTalk などのチャットプラットフォームに接続します。

LangBot v4.10.x では何が変わりましたか？

最も重要な更新は、Sandbox と Skills の導入です。Sandbox は Agent にコマンド操作とファイル操作のための分離されたワークスペースを提供し、Skills は必要なときにだけ Agent が専門的な指示を読み込めるようにします。

LangBot Box Runtime とは何ですか？

Box Runtime は LangBot のサンドボックス実行環境です。exec、read、write、edit、glob、grep などのツールを提供でき、実行をホスト環境から分離した状態に保ちます。

Docker で LangBot のサンドボックスを有効にするにはどうすればよいですか？

Docker デプロイでは、元の記事ではフルプロファイルを起動するために docker compose --profile all up を使用しています。サンドボックスを無効にするには、設定で box.enabled: false を指定してください。

LangBot Skills は何に使われますか？

スキルは、エージェント向けのオンデマンド型の指示パッケージです。これにはプロンプト、手順、スクリプト、参照ファイルを含めることができ、エージェントは開始時にすべてをコンテキストに読み込むことなく、専門知識を活用できます。

LangBot は AstrBot より優れていますか？

答えはユースケースによって異なります。LangBot は、AI アプリケーションのチャットエコシステムへの接続、エンタープライズ向けルーティング、プラグイン実行環境の分離、RAG、MCP、マルチプラットフォーム IM 展開に強く注力しています。AstrBot も強力な Agent およびボットフレームワーク機能を備えているため、適切な選択は導入シナリオと機能の優先順位によって決まります。

この記事の TPS 数値は本番環境のベンチマークですか？

いいえ。元のテストでは、特定の Raspberry Pi 5 構成と、制御されたバックログシナリオが使用されました。これらの数値は参考として有用ですが、本番環境での性能は、ハードウェア、API レイテンシ、導入方法、セッション負荷、構成に左右されます。

LangBot は企業向けボットに使用できますか？

はい、LangBot は本番運用やエンタープライズ向けのシナリオを想定して設計されており、特にチームがマルチプラットフォーム IM サポート、ナレッジベース統合、モデルルーティング、モニタリング、拡張可能なプラグイン機能を必要とする場合に適しています。

docker compose --profile all up