概要
xpander 750万ドル調達発表 要約
元AWSプリンシパルエンジニアのDavid Twizer（CEO）、Moriel Pahima（CTO）、Ran Sheinberg（CPO）らが創設したxpanderは、2026年8月17日に750万ドル（約11億円）のSeed資金調達を発表した。
本ラウンドはPico Venture Partnersが主導し、Emerge Ventures、Samsung Next、SeedILが参加した。
- 資金調達の背景: McKinseyの調査によると企業の88%がAIを部分利用している一方で、成熟した運用環境を持つ企業はわずか1%にとどまり、約3分の2がPoC（実証実験）段階で停滞している。この「AIパイロットと本番運用のギャップ」を埋めるため、モデル・フレームワーク・クラウド非依存で自律型エージェントを実行・統合できる基盤を開発した。
- 新機能・プロダクト:
- Universal Agent Harness: 既存のインフラを変更せずに顧客自身の環境内でポータブルなワークロードとしてAIエージェントを実行・管理するプラットフォーム。
- Omni（自社開発AIエージェント）: 複雑なシステム統合やコード記述を行うオープンソースの「AIエンジニア型エージェント」。AIエージェントの総合的タスク遂行能力を測る「GAIAベンチマーク」において、当時の世界最高記録となる90.9%のスコアを獲得した。
技術的まとめ
- 課題: LLMに社内システムやSaaSのAPIを実行させる「Function Calling（ツール呼び出し）」は、トークンコストの肥大化・実行エラーの頻発・OAuth/権限管理などのセキュリティリスクが本番運用の壁となっている。
- 解決策: xpander.aiはLLMとAPIの間に「Universal Agent Harness（ガバナンス/実行基盤）」を挿入することで、スキーマ最適化・安全な認証情報注入・ユーザーID継承（OIDC）を自動化する。
- 結論: 開発者はLangChain等の上位フレームワークを変更することなく、コード数行の追加でエンタープライズ対応のAIエージェントを安全に本番稼働できる。
出典元：xpander プレスリリース
LLMのFunction Calling実装における3つの技術的課題
LLMを用いたAPI連携を自作・運用する際、エンジニアは主に以下の3つの問題に直面します。
| 課題 | 具体的影響 |
| 1. スキーマ定義によるトークン圧迫 | OpenAPI/JSON Schemaをコンテキストに含めると数万トークンを消費し、応答速度の低下とコスト高騰を招く。 |
| 2. 不正確な引数とエラーリカバリの複雑化 | LLMが型違いやハルシネーション（存在しないID指定等）を起こし、複数APIの依存関係（マルチステップCall）の処理が煩雑になる。 |
| 3. 認証（OAuth）とセキュリティリスク | プロンプトインジェクションによるAPI Keyの漏洩リスクや、エージェントへの過剰な権限付与による破壊的リクエストのリスク。 |
xpander.ai とは？
xpander.ai は、AIエージェントの運用・統合・ガバナンスを提供する実行プラットフォーム（Runtime Layer）です。
- 開発元: 元AWSプリンシパルエンジニア（David Twizer, Moriel Pahima, Ran Sheinberg）が創業。
- アーキテクチャ上の位置づけ: LangChain、Agno、OpenAI Agents SDKなどのフレームワークを置き換えるのではなく、その下で機能する「Universal Harness（汎用ハーネス）」として動作する。
xpander.ai が提供する3つのコアソリューション
① リレーショナルグラフによるコンテキスト圧縮（Context Compaction）
- 膨大なOpenAPI Specificationを事前にグラフ構造化。
- リクエスト内容に応じて必要なAPIと引数のみを動的にコンテキストへ抽出し挿入するため、トークン消費量を最小限に抑え、呼び出し精度を高める。
② 実行時クレデンシャル注入（Runtime Credential Injection）
- LLMやプロンプト内、コード上にAPI Keyなどの秘密情報を保持させない。
- ツール実行が決定した瞬間に、バックエンドの暗号化Vaultから認証情報を抽出し、リクエストヘッダーへ安全に挿入する。
③ エンドツーエンドの認証・権限継承（OIDC Auth）
- 実行ユーザーの身元（OIDC）をエージェント経由のAPIリクエストまで継承。
- ユーザー自身が持たない権限の操作はエージェント側でも実行拒否され、すべての実行履歴はユーザーIDに紐づいた監査ログとして記録される。
xpander.aiに関するよくある質問（FAQ）
Q1. xpander.ai は LangChain や LlamaIndex の代替ですか？
いいえ。 LangChainやAgnoなどのオーケストレーションフレームワークと競合するものではなく、その下でAPI接続・セキュリティ・トークン最適化を担うインフラストラクチャ／ガバナンス層です。
Q2. 従来のFunction Callingと何が違いますか？
従来の方式では手動でJSON Schemaの記述やAPI Keyの管理が必要でしたが、xpanderではスキーマの自動グラフ化によるコンテキスト削減と、安全な実行時認証情報の注入がプラットフォーム側で自動化されます。
まとめ
LLMを用いたAIエージェント開発は、単に「プロンプトやモデルの精度を上げる」フェーズから、「既存のAPIやセキュリティ基盤とどう安全に統合するか」という本番運用のフェーズへとシフトしています。
xpander.aiが提示する「Universal Agent Harness」というアプローチは、以下の点でエンジニアに大きな利点をもたらします。
- 開発効率の向上: 泥臭い認証ハンドリングやスキーマ圧縮、エラーリカバリの自作コードから解放される。
- エンタープライズレベルのセキュリティ: 認証情報の隠蔽やOIDCによる権限継承により、本番環境への導入障壁を下げる。
- ポータビリティの確保: 特定のLLMやフレームワーク（LangChain/Agno等）にロックインされず、既存のインフラ上で柔軟に運用できる。
今後、PoCから本番環境へAIエージェントを移行させるにあたり、このような「エージェント専用のガバナンス・実行インフラ層」の採用が標準的な設計パターンとなっていくと考えられます。
