Rasa とは
Rasaは成熟した会話型AIフレームワークで、学習済みのNLUパイプラインによるインテント分類とエンティティ抽出と、ルール、ストーリー、ポリシーによる対話管理を備えます。Pythonネイティブでセルフホストが可能であり、大量処理のシナリオ型カスタマーサービスアシスタントの定番として長年使われてきました。Rasa Proは、LLM駆動の対話を含む商用ティアを追加します。
共通の課題、異なる世代の解決策
EDDIとRasaはどちらも会話型AIの世界から生まれており、EDDIは2006年から会話型プラットフォームとして継続的に開発されてきました。違いは、知性がどこにあるかです。Rasaは、自社のラベル付きデータで学習するモデルに知性を置き、正確で再現可能な制御を実現します。EDDIは、宣言的な設定で統制されたオーケストレーション済みのLLMに知性を置き、ある程度の決定性と引き換えに、対応範囲と変更の速さを得ます。
対話、ツール、変更のコスト
| 観点 | Rasa | EDDI |
|---|---|---|
| 理解 | 学習済みNLU：ラベル付きデータからのインテント分類とエンティティ抽出 | LLMによる理解と、インテントベースのエージェント検出およびルーティング |
| 挙動の変更 | 学習データを更新し、再学習し、評価し、再デプロイする | JSON設定を編集。再学習も再デプロイも不要 |
| 決定性 | 高い。ルールとポリシーによりフローが再現可能でテスト可能 | 性質上は低い。Behavior Rulesと承認ゲートで補う |
| 言語 | Python。カスタムアクションはPythonコード | JVMランタイム。エージェントのロジックは設定で、ツールは宣言する |
| ツールのエコシステム | 自分で構築してホストするカスタムアクションサーバー | 84のMCPツール、組み込みのエージェントツール、および任意のOpenAPIエンドポイント |
| マルチエージェント | デプロイごとに1つのアシスタントが一般的なパターン | コーディネーターベースのオーケストレーションと、7つのグループディスカッションスタイル |
| ライセンス | コミュニティ版と、商用ライセンスのRasa Proティア。最新の条件は要確認 | Apache 2.0（OSI承認） |
| コンプライアンス | セルフホストでデータ所在地に対応。フレームワークはデプロイごとに実装 | 監査台帳、データ主体の権利API、15+のフレームワークにプラットフォームで対応 |
他ツールに関する内容は、2026年10月時点の公式ドキュメントとリポジトリで確認しています。これらのプロジェクトは変化が速いため、判断する前にベンダーに最新の挙動をご確認ください。
選び方
Rasa が適している場面
- ラベル付きの会話データがすでにあり、NLUパイプラインを保守できるMLチームがいる場合。
- 規制またはブランド上の制約により、言語モデルが関与しない、監査可能な判断経路を持つ決定論的なアシスタントが必要な場合。
- 対象のインテントが限られた非常に大量の処理で、ターンごとのLLMコストが支配的になる場合。
- 分類の信頼度しきい値とフォールバックの挙動を、きめ細かく制御する必要がある場合。
EDDIが適している場面
- アシスタントが、再学習のサイクルより速く変わるドキュメントやシステムを基に回答する必要がある場合。
- ビジネスユーザーが、MLエンジニア、学習の実行、デプロイなしで挙動を変更する必要がある場合。
- 1つのフラットなインテントツリーではなく、複数の専門エージェントが協調する必要がある課題の場合。
- LLMの柔軟性は欲しいが、本番稼働の前にコンプライアンス担当者が承認ゲートと署名付きログを求める場合。
- モデル層でのロックインを避けたい場合：19のプロバイダー、またはOllamaやJlama経由のローカルモデル。
Rasa からのアシスタントの移行
両者は知性を置く場所が異なるため、対応づけは機械的ではなく概念的です。ファイルを変換するのではなく、インテントの構造をルーティングとプロンプトに置き換えることになります。
| Rasa | EDDI |
|---|---|
| インテントと学習例 | インテントベースのエージェント検出。ラベル付きデータは学習の入力ではなく評価用の素材になる |
| エンティティとスロット | 構造化された抽出と永続的なユーザーメモリ |
| ストーリーとルール | Behavior Rulesとパイプライン設定 |
| カスタムアクションサーバー | MCPツールまたはhttpCallツール定義 |
| レスポンスとドメインファイル | 再利用可能でバージョン管理されたプロンプトスニペット |
| フォールバックポリシー | タイムアウトポリシー付きのヒューマン・イン・ザ・ループによるエスカレーション |
よくある質問
EDDIは、学習済みNLUを置き換えるだけの、もう一つのLLMラッパーですか？
EDDIは2006年から会話型プラットフォームとして開発されてきました。現在のLLMの世代よりずっと前のことで、重要な部分は維持されています：インテントベースのルーティング、管理された会話状態、パイプラインアーキテクチャです。LLMが置き換えたのは理解の層であり、その周りのオーケストレーションではありません。
コンプライアンスのために決定論的な回答が必要です。それはEDDIの除外理由になりますか？
必ずしもそうではありませんが、トレードオフは明示すべきです。LLMの出力は決定論的ではありません。EDDIは、応答を制約するBehavior Rules、重大なアクションに対する人間の承認ゲート、何がなぜ決定されたかを記録する署名付き監査台帳でこれに対処します。判断に言語モデルが一切関与しないことが要件であれば、Rasaのほうが適した答えです。
移行期間中に両方を稼働させられますか？
はい。よくあるパターンは、既知の大量処理のインテントを既存のRasaアシスタントにルーティングし、自由形式の問い合わせとシステム連携をEDDIが処理して、確信が高まるにつれてトラフィックを移していく方法です。EDDIはhttpCall経由でRasaのエンドポイントを呼び出せます。