Semantic Kernelレビュー2026：機能・料金・代替ツール

Semantic Kernelは誰が開発したのか、そして今後どうなるのか

Semantic Kernelとは何か

• Kernel：登録されたAIサービス（chat completion、embeddings）、プラグイン、設定を保持する中心的なオブジェクト——すべてのSemantic Kernelアプリケーションはこれを1つ構築する
• Plugins：メタデータが付与された（Pythonでは@kernel_function、C#では`[KernelFunction]`）ネイティブコード関数またはプロンプトテンプレートで、モデルが発見・呼び出しできる——他フレームワークの「tools」に相当
• Planners：リクエストを満たすためにどのプラグインを呼び出すか決定するロジック。現在の標準は、古い専用プランナークラスではなくモデルプロバイダーのネイティブfunction calling（FunctionChoiceBehavior.Auto()）に依存する
• ベクトルストアコネクタ（メモリ）：対応するベクトルデータベース間でembeddingsを保存・取得するための標準インターフェース、Retrieval-Augmented Generationに使用
• Process Framework：Kernelの上に構築された、より長時間・多段階のビジネスプロセス向けワークフロー抽象化
• エンタープライズコンポーネント：本番Azureデプロイメント向けに設計された組み込みフィルター、可観測性・テレメトリフック、構造化ロギング

import asyncio
from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.connectors.ai.function_choice_behavior import FunctionChoiceBehavior
from semantic_kernel.contents.chat_history import ChatHistory
from semantic_kernel.functions import kernel_function

class LightsPlugin:
    @kernel_function(description="Turns a light on or off")
    def change_state(self, is_on: bool) -> str:
        return f"Light is now {'on' if is_on else 'off'}"

async def main():
    kernel = Kernel()
    kernel.add_service(AzureChatCompletion(deployment_name="gpt-4o-mini", api_key="...", base_url="..."))
    kernel.add_plugin(LightsPlugin(), plugin_name="Lights")

    history = ChatHistory()
    history.add_user_message("Turn on the light")

    chat = kernel.get_service(type=AzureChatCompletion)
    result = await chat.get_chat_message_contents(
        chat_history=history,
        settings=AzureChatCompletion.get_prompt_execution_settings_class()(
            function_choice_behavior=FunctionChoiceBehavior.Auto()
        ),
        kernel=kernel,
    )
    print(result[0])

asyncio.run(main())

Semantic Kernelの料金はいくらか

• Semantic Kernel（SDK）：永久に無料、MIT license、セルフホストまたはクラウド、フレームワーク自体に利用上限なし
• モデルAPIのコスト：接続するLLMプロバイダー（Azure OpenAI Service、OpenAIなど）ごとの従量課金——Semantic Kernel自体はモデルアクセスをホストも再販もしない
• Azureホスティングのコスト（任意）：Azure App Service、Azure Functions、Azure Kubernetes Serviceへのデプロイは標準のAzureコンピュート料金がかかる——Semantic KernelはAzureを必須としないが、Microsoft自身のサンプルとエンタープライズコンポーネントはデフォルトでAzureを前提としている
• ベクトルデータベースのコスト（任意）：メモリ/RAG用にAzure AI Searchや他のベクトルストアを接続する場合、そのサービス独自の料金がかかる
• サポート：既存のSemantic Kernelデプロイメントに対するMicrosoftの約束されたメンテナンス期間（重大なバグ修正とセキュリティパッチ）は少なくとも2027年まで続き、既存のMicrosoftまたはAzure契約以上の追加コストはかからない

Semantic Kernelのインストールと使い始め方

1. 1
   使用する言語向けにSDKをインストールする：dotnet add package Microsoft.SemanticKernel（.NET）、pip install semantic-kernel（Python）、またはcom.microsoft.semantic-kernel依存関係を追加（Java）。
2. 2
   モデルプロバイダーの認証情報を環境変数または設定として設定する——Semantic Kernel自体はモデルアクセスを提供しない。Azure OpenAI、OpenAI、または他の対応コネクタを接続する。
3. 3
   Kernelを作成し、AIサービス（例：.NETではAddAzureOpenAIChatCompletion、PythonではAzureChatCompletion）を追加し、モデルが呼び出せるプラグインを登録する。
4. 4
   自動function calling（FunctionChoiceBehavior.Auto()）を有効にし、専用のプランナーを書かずにモデルが登録済みプラグインを直接呼び出せるようにする。
5. 5
   全く新規のプロジェクトの場合、メンテナンスモードのSDKの上に構築する代わりに、Microsoftの明言された後継製品で2026年4月から一般提供されているMicrosoft Agent Frameworkから直接始めるべきか検討する。
6. 6
   最新のAPIリファレンスと移行ガイドについては、Semantic Kernelの公式ドキュメントとGitHubリポジトリを参照する。

Semantic Kernelはどのような人に向いているか

どのような場合にSemantic Kernelを使うべきでないか

• 既存のSemantic Kernelへの投資がなく2026年にゼロから始める場合——メンテナンスモードのSDKの上に構築する代わりに、Microsoft自身の一般提供された後継製品Microsoft Agent Frameworkへ直接進む
• .NET/Azureエコシステムの外にあり、LangChainやLlamaIndex周辺のより大きなコミュニティ、チュートリアル、統合カタログから恩恵を受けられるチーム
• 単一のkernelがプラグインを呼び出すのではなく、グループチャット内で名前付きエージェントが議論・交渉するといった、AutoGen/AG2スタイルの特定のマルチエージェント会話パターンを必要とするプロジェクト
• Kernel/プラグイン/プランナーの抽象化を採用するより、モデルプロバイダーへの直接APIコールの方がシンプルな軽量スクリプトやプロトタイプ
• プロジェクト途中での切り替えではなく、すでに動作している本番デプロイメントがあり、約束されたサポート期間がスケジュールをカバーしている場合にのみSemantic Kernelを使う

Semantic Kernel vs. 代替ツール

Semantic Kernel評価時によくある誤解

よくある質問

出典

関連記事

• LangChainレビュー：機能・料金・代替ツール ——Semantic Kernelより大きなコミュニティを持つ、Python/JavaScript-firstの最大級の汎用代替ツール。
• AutoGenレビュー：Microsoftのマルチエージェントフレームワーク ——Microsoft Agent FrameworkがSemantic Kernelと統合するもう1つのMicrosoft Researchプロジェクト。
• CrewAIレビュー：ロールベースのマルチエージェントフレームワーク ——カーネル/プラグインモデルではなく、ロールベースのエージェント「クルー」を中心に構築されたPython-firstの代替ツール。
• LangGraphレビュー：機能・料金・代替ツール ——明示的な状態管理・サイクル・人間参加型制御が必要なチーム向けのグラフベースのエージェントランタイム。
• LlamaIndexレビュー：RAGフレームワーク比較 ——ドキュメントのインデックス化とRAGが主要ニーズのチーム向けの検索特化型代替ツール。
• ローカルLLMソフトウェアディレクトリ ——本記事が属する、ローカルAIツールの全カタログ。エージェントフレームワークの中でSemantic Kernelがどこに位置づけられるかを含む。