Microsoft Researchは、自律型AIエージェントのトレーニングをより簡単かつ費用対効果の高いものにするために設計されたオープンソースフレームワーク「Orchard」を公開しました。同フレームワークは2026年8月4日月曜日にリリースされ、3月に発表された同社の初期研究をベースにしたものです。今回のリリースは、自律的に計画を立て、ウェブを閲覧し、コードを記述し、ツールを使用できるシステムである「エージェントAI」が業界競争で最も活発な領域の一つとなっている中で発表されました。大手研究機関からスタートアップまで、複数ステップの現実世界のタスクを処理できるエージェントの構築を競っています。

Orchardは、コーディング、ウェブブラウジング、ツール使用など、複数の領域にわたるAIエージェントのトレーニングと評価が可能です。研究者が個々のモデルやユースケースごとにサンドボックスインフラ、データパイプライン、評価システムを独自に構築する必要性をなくすことで複雑さを軽減することを目指しています。これは、大規模な技術企業が持つエンジニアリングリソースを欠く多くの学術機関や独立チームにとって、最先端のエージェント研究がこれまで手の届かないものとなる歴史的な障壁でした。

ブログ記事の中で、Microsoftは研究コミュニティが直面する課題を次のように認めました。「エージェントAIの能力を巡る期待が高まる中、研究コミュニティは持続的なボトルネックに直面しています。最先端のエージェントシステムの構築には、多くの場合、ほとんどの研究者や実践者がアクセスも再現もできない独自のインフラが必要となります。」

フレームワークの中核にあるのはOrchard Envで、Microsoftはこれを「再利用可能な隔離コンポーネントを提供する軽量なKubernetes環境」と説明しています。これらのコンポーネントは、トレーニングデータの収集から強化学習のロールアウトや評価に至るまで、大規模なエージェントの実行と構築に使用でき、毎回基盤となるアーキテクチャを再構築する必要はありません。Kubernetesという業界標準のコンテナオーケストレーションプラットフォーム上に構築することで、Orchardはローカルクラスタから主要クラウドプロバイダまで、さまざまなインフラにデプロイできるように設計されています。

フレームワークのアプローチを実証するため、Microsoftは3つの領域別トレーニングレシピ（Orchard-SWE、Orchard-GUI、Orchard-Claw）と、それらの開発に使用されたトレーニングデータおよび評価手法を公開しました。Orchard-SWEはソフトウェアエンジニアリングエージェントをトレーニングし、Orchard-GUIはブラウザナビゲーションに焦点を当て、Orchard-Clawは日常的な生産性タスクを対象としています。Microsoftは、各レシピでトレーニングされたモデルが確立されたベンチマークにおいて競争力のある結果を示したと報告しました。

同社はフレームワークのオープン設計がもたらす広範な影響を強調しました。「基盤となるインフラをオープン、軽量、かつ再利用可能にすることで、OrchardはエージェントAI研究のコストを引き下げます」とMicrosoftは述べています。「チームはもはやカスタムの隔離環境をゼロから構築したり、独自のクラウドサービスに依存したりする必要はありません。」このオープンソースアプローチは、MetaがLlamaモデルで行っていることやGoogleが複数の研究フレームワークで行っていることなど、大手AI研究機関がツールやモデルウェイトを公開し、コミュニティ主導の進歩を加速させるという業界全体の動向と一致しています。

Microsoftは今後の開発方向についての見解も示しました。「今後を見据えると、トレーニングの経験を再利用することが、累積的なエージェント学習に向けた有望な方向性だと考えています。トレーニングランが終了した軌跡を破棄するのではなく、それらを永続的なアセットとして扱います。例えば、再利用可能な価値モデルに蒸留します。」この累積的学習の概念（エージェントが毎回ゼロからトレーニングをやり直すのではなく、過去の経験に基づいて構築する仕組み）は、サンプル効率と知識の転送が未解決の課題である強化学習研究における長年の目標と一致するものです。

Orchardフレームワークは、関連する研究論文とともに、Microsoft Researchからオープンソースとして公開されています。