BoxがAIプラットフォーム第3世代を構築した方法：動的な親子モデルを持つDeep Agents

何万もの組織ユーザーを持つビジネスコンテンツ管理プラットフォームのBoxは、AI能力構築において3つの明確に分かれた開発フェーズを経てきた。その進化の詳細――そしてDeep Agentsと呼ばれる現在のシステムのアーキテクチャ――は、LangChainプラットフォームが2026年6月12日に公開したBoxのAIエンジニアリングチームとの対話を通じて文書化された。

Box AIの3世代

フェーズ1――単一ドキュメントQ&A： 最初の実装は単一ファイル内で質問できるようにするものだった。孤立した分析には有用だが、異なるソースからの情報を統合する能力がなかった。

フェーズ2――Knowledge Hubs（RAG）： 次のステップはRAGベースのレイヤーを導入し、事前定義されたドキュメントセットへのクエリを可能にした。このアプローチは有用性を向上させたが、知識ソースの事前定義を必要とし、複雑なドキュメント間の関係を動的に理解できなかった。

フェーズ3――Deep Agents： 現在のアーキテクチャはフルエージェントパラダイムの上に構築されている。システムは何千ものドキュメントを分析し、複雑なコンテキスト的関係を理解し、以前の世代では生成できなかった統合的な結論を導き出すことができる。

なぜ動的な親子構造が重要なのか？

Deep Agentsアーキテクチャの核心は、グローバルエージェント（親）がリクエストを受け取りユーザーの意図を分類する階層的モデルだ。その分類に基づいて、親は具体的なタスクに合わせた子エージェントを動的に作成する――事前にではなく、実行時に。

代替アプローチとの主な違い：親と子エージェントは事前定義された専門化なしに同じツールレジストリを共有する。リクエストが単純な場合、親は子エージェントを起動せずにすぐに応答できる。タスクが複雑で多次元の場合、親はどの子を作成し、どのツールを割り当てるかを決定する。子エージェントは分離されたコンテキストウィンドウで動作し、相互のコンテキスト汚染を防ぎ、よりクリーンな並列実行を可能にする。

ツールレジストリにはBM25キーワード検索、ベクトル検索、テーブルに対する構造化Q&A、ファイル操作が含まれる。BoxのチームはAが統一されたツールレジストリが動的なサブセット化よりも効果的だと結論付けた――エージェントは常に利用可能な能力を完全に把握している。

開発速度：3ヶ月から3週間へ

BoxのチームはAは、親子アーキテクチャがハードコードされた専門的なサブエージェントに基づく以前のアプローチよりも4倍速くデリバリーされたと述べている。以前の設計が3ヶ月の開発を必要としたのに対し、新しいシステムは約3週間で準備ができた。新しいエージェントの反復サイクルは約2週間に短縮され、Boxは長い開発サイクルなしに新しいビジネス要件に迅速に対応できる。

さらに、アーキテクチャ自体の柔軟性により3倍速い反復も記録されている――委任ロジックの変更は専門化されたエージェント間のハードコードされた接続の書き直しを必要としない。

モデル非依存の設計とコンテキスト管理

BoxはLLMプロバイダーの選択に完全に依存しない抽象化レイヤーを構築した。クライアントはシステムのビジネスロジックを変更することなくOpenAI、Anthropic、Googleのモデルを使用できる。

カスタムミドルウェアはいくつかの重要な運用上の課題を解決する：

• ストリーミング応答のための並列引用生成、メインフローをブロックしない
• 繰り返しリクエストのレイテンシを削減するマルチターン会話のためのプロンプトキャッシング
• 会話履歴が170,000トークンを超えた時の自動コンテキスト要約――モデルが応答の一貫性を失わないよう保証する境界

妥協なきセキュリティと権限

エンタープライズプラットフォームの根本的な要件の一つは、既存のセキュリティモデルの遵守だ。Deep Agentsシステムはボックスの権限モデルを回避しない――何千ものドキュメントからの情報の統合は、リクエストを出したユーザーのアクセス権の範囲内でのみ行われる。セキュリティ統合は後から追加されたのではなく、開発の最初からアーキテクチャ上の要件だった。

BoxのAは、エンタープライズAI応用においてますます見られるトレンドを記録している：硬直した事前定義されたエージェントネットワークは、設計フェーズではなくランタイムで委任に関する決定を行う動的な階層よりも劣った結果をもたらす。