AIエージェント

AIエージェントとは、入力を処理し、使えるツールで推論を行い、自らの判断に基づいて行動することで目標を達成するアプリケーションである

— Google Cloud Generative AI glossary より和訳

定義の中の「アプリケーション」が肝心です。 モデルそのものではありません。 LLMを部品として使う、その外側の仕組みを指します。

同じ用語集は、モデルの役割を「目標を処理し、計画を作り、応答を生成する生成系の言語モデル」と書いています。 モデルは構成要素の1つという位置づけです。

Googleの用語集は、エージェントの構成要素を挙げています。中心にあるのがオーケストレーションです。

エージェントのオーケストレーション層は、計画・ツールの利用・データの流れを制御することで、記憶・状態・意思決定を管理する

— Google Cloud Generative AI glossary より和訳

記憶は2種類に分けられています。

| | 公式ドキュメントの説明（和訳） | | --- | --- | | 短期記憶 | いまのタスクに必要な直近の文脈と情報を保持する | | 長期記憶 | 会話の履歴全体を保持する |

コンテキストウィンドウの話と混ざりやすい点です。 モデルへのリクエストは1回ごとに独立していますが、エージェントの側に記憶の仕組みが別に用意されている、という構図になります。

同じ用語集は、2段階で書いています。

まずエージェントは、1つ以上の関数を呼び出して複雑なタスクを扱うために、利用者のプロンプトを部分に分解する

— Google Cloud Generative AI glossary より和訳

次にエージェントは、推論とフィードバックを用いて関数の出力を振り返り、応答を改善する

— Google Cloud Generative AI glossary より和訳

分解して、呼んで、結果を見て直す。 これが「自分で手順を考える」と言われている部分の中身です。

AIエージェントは、入力の形を整え外部ツールとの正確なやりとりを確保するために、関数呼び出しを使う

— Google Cloud Generative AI glossary より和訳

ツールの側の説明は、MCPの公式ドキュメントが端的です。

ツールは、AIモデルが行動を起こせるようにするものである

— Model Context Protocol「Server concepts」より和訳

モデルは文脈に基づいてツールの実行を要求する

— Model Context Protocol「Server concepts」より和訳

要求するのはモデル、実行するのは外側という分担です。つなぎ方の標準がMCPです。

具体例としては、Anthropicのドキュメントが「Web検索ツールは、Claudeにリアルタイムのウェブコンテンツへの直接のアクセスを与える」と書いています。

これらの能力によってエージェントは、基盤モデルの受動的なテキスト生成の能力よりも堅牢な結果を出せる

— Google Cloud Generative AI glossary より和訳

「受動的なテキスト生成」が、モデル単体にできることです。 聞かれたことに答えるところまでで、自分で調べに行ったり、書き込んだりはしません。

NISTは、生成AIについて起こりやすさと大きさを評価すべき脅威を列挙しており、その中に自律エージェントを含めています。

リバースエンジニアリング、自律エージェント、モデルの窃取やモデル重みの露出

— NIST AI 600-1 より和訳（脅威の列挙の一部）

行動できることは、そのまま被害の範囲になります。 文章を間違えるのと、間違った内容で送信・削除・発注まで進むのは別の話です。 プロンプトに細工をされたときの影響も、エージェントでは行動まで届きます。

「AIエージェント」の定義として、日本の公的資料（総務省・IPA・経済産業省）の記述は、取得済みの資料の中には見つかりませんでした。 この記事の定義は、ベンダーの技術ドキュメント（階層3）に依っています。公的資料の定義が出てきた時点で、ここは書き直す対象です。

こう言うと伝わらない 「AIエージェントを導入したいです」

こう言えば一度で済む 「問い合わせメールを読んで、該当する注文番号を社内システムから引いて、下書きまで作らせたいです。送信は人が押す形にしたいです」

後者なら、相手はどのツールを与えるかとどこで人を挟むかを設計できます。後者が決まっていないと、権限の話が進みません。