最初の波のエージェントは、反復ループ（計画、実行、検証、回復）が複雑なタスクにおいて単発のプロンプトよりも優れていることを証明しました。しかし、ワークフローがチーム、システム、リスクの閾値をまたぐと、単一のループは不透明なボトルネックになります。無関係なドメインを扱い、壊れやすいツールチェーンを管理し、広範なコンテキストを保持しなければなりません。信頼性、監査可能性、保守性は規模が大きくなるにつれて低下します。グラフエンジニアリングは、多くの専門的なアクターと決定論的なルートにわたって作業を整理することでこれに対抗し、複雑さをより賢いプロンプトやモノリシックなループではなくアーキテクチャに宿らせます。
グラフはAIシステムをノード、エッジ、共有状態として構成します。ノードは専門化されており、計画者、検索者、コーダー、検証者、レビュアー、承認者など、それぞれ明確なツールと権限を持ちます。エッジはフローを符号化し、順次の引き継ぎ、並列分岐、条件付きルーティング、リトライ経路を表します。共有状態はメモリ、成果物、実行ログを同期し、すべてのノードが同じ進化するコンテキストを参照できるようにします。その結果、予測可能な実行と細粒度のガバナンスが実現し、各段階を観察し、人間の承認を挿入し、リソース使用を制限し、ワークフロー全体を再起動せずに障害を隔離できます。
現代のオーケストレーションフレームワークはこれを実用的にしました。チームは状態を持つグラフをモデル化し、ツールアクセスを制御し、独立した分岐を並列で実行し、長時間実行されるプロセスを永続化できます。明示的なオーケストレーションにより、エンジニアはいつ分岐やループを行うか、どの出力をキャッシュするか、監査のためにどこで証拠を収集するかを決定します。可観測性（トレーシング、コストとレイテンシのテレメトリ、プロンプトと成果物のスナップショット）を加えることで、運用チームは本番ソフトウェアに期待されるレバー（ロールバック、安全なデプロイ、ノード間のテスト可能な契約）を手に入れます。
グラフエンジニアリングの採用は最大限の複雑さを追求することではなく、目的を持ったモジュール化です。単一ループのベースラインから始め、信頼性や速度を改善するものだけを切り出します：検証の分離、外部化された検索、規制されたステップのための人間の承認など。成功指標を早期に定義します—初回合格率、平均回復時間、成功あたりコスト—そしてそれらを測定するためにグラフに計測機能を組み込みます。成果は複合的で、ノードごとの単純な推論、安全なツール境界、より速い並列処理、明確な障害面、そしてコアエージェントを書き換えずに進化できるシステムをもたらします。