エージェント・フレームワークの選択は、開発チームにとって重要な判断になってきた。Composio による最新ベンチマークが、速度とコストのトレードオフを明確にした。

ベンチマークの設定——実務のために

Composio は 30 の実タスクで 4 つのフレームワークを検証した。使用モデルは DeepSeek V4 Flash という軽量モデルで、以下のツール連携を実測している：

  • Gmail：メール操作、下書き作成
  • GitHub：リポジトリ操作、PR レビュー
  • Slack：メッセージ送信、チャンネル操作
  • Notion：ページ作成、データベース更新

つまり、エンジニアやナレッジワーカーが「毎日使うツール」での実際の作業を、AI エージェントに実行させるシナリオだ。

結果——速度で Claude Code、価格で OpenCode

4 つのフレームワークの成績は以下の通り。

フレームワーク成功率平均時間1 タスク当たりコスト
Claude Code16/30122 秒$0.195 ⭐ 最速
Oh My Pi17/30272 秒$0.148
Codex15/30184 秒$0.115
OpenCode14/30203 秒$0.073 ⭐ 最安

深掘り——速度と価格の相関

Claude Code が高速な理由は、機械的な効率性にある。ベンチマークでは「最少のツール呼び出し（tool calls）、最少の出力トークン生成」を実現しており、処理パイプラインのオーバーヘッドが少ない。

一方、OpenCode は同じタスクをより多くのステップで分割実行するため、単価は安いが時間がかかる。

成功率に関しては、全フレームワークが 46～57% の範囲に収まっている。つまり、すべてのフレームワークが同程度の「失敗率」を抱えており、どれかが圧倒的に優位ではない。

重要な指摘——7 タスクはフレームワーク選択で合否が分かれる

データの中に埋もれた指摘が、意思決定に大きく影響する。Composio の分析では、30 タスク中 7 タスク（23%）は、フレームワークの選択によって成否が分かれている。

つまり、

  • Claude Code で成功したが他は失敗
  • OpenCode で成功したが Claude Code は失敗

といったケースが複数存在する。これは「万能なフレームワークはない」ことを示している。

どう選ぶか——要件に応じた判断

高速応答が必須な場合

  • → Claude Code
  • 例：リアルタイムチャットボット、ユーザーの即座のリクエスト対応

コスト効率が優先

  • → OpenCode
  • 例：バックグラウンドタスク、大量バッチ処理

バランス型

  • → Oh My Pi や Codex
  • 例：標準的なエンタープライズ用途

実装前に、自社の具体的なユースケースで 10～20 タスク程度の試行ベンチマークを実施することが推奨される。

背景——AI エージェント市場の競争激化

Claude Code は Anthropic の主力エージェント・フレームワークで、Claude 3.x/Opus 5 などの高性能モデルとセットで提供されている。一方、OpenCode や Oh My Pi は、より軽量・低コストの実装を志向している。

この競争の中で、フレームワーク選択が単なる「開発効率」の問題ではなく、ビジネスコストに直結する戦略的な決定になってきた。

実装上の課題——見落としやすいポイント

ベンチマークはあくまで「デスク上の測定」だ。実務では以下を検討する必要がある：

  • デプロイ環境での性能（ローカル、クラウド、マルチテナント）
  • プロダクション負荷下での成功率の変化
  • ツール連携の拡張性（既存ベンチマークにない API への対応）
  • 開発チームのスキル（学習曲線、ドキュメント充実度）
  • サポート体制（バグ報告、バージョンアップデート）

Composio のベンチマークは方向性を示す羅針盤だが、最終判断は自社の要件と環境に基づくべき