How it works
AI エージェントの仕組み
ステップ 1 / 6
知覚 / 目標受領
ユーザの目標と、現在わかっている状況(直近の観察・メモリ)を読み込み、いま何を達成すべきかを把握する。
エージェントの本質は「思考→行動→観察」を回すループ。一発で答えず、道具の結果を見て次の一手を決め、目標に届くまで反復する。この観察を挟む点が、単なる一問一答の言語モデルとの決定的な違い。
詳しい解説
ReAct ― 「考える」と「動く」を交互に織り込む
ReAct(Reason + Act)は、言語モデルに推論の痕跡(Thought)と具体的な行動(Action)を交互に生成させる枠組み。まず「何をすべきか」を言葉で考え、次に道具を呼び、返ってきた観察(Observation)を見て、また考える――この繰り返しで進む。推論だけでは事実を幻覚しやすく、行動だけでは戦略を持てないが、両者を織り合わせることで、外部情報で推論を裏取りしながら計画を更新できるようになる。現在の多くのエージェントの土台になっている考え方。
ツール使用と関数呼び出し ― モデルに「手」を与える
エージェントを実世界に接続するのがツール使用(関数呼び出し)。モデルには使える道具の名前・説明・引数スキーマが渡され、モデルは「この道具をこの引数で呼ぶ」という構造化された出力を返す。実行系がそれを実際に走らせ、結果をモデルに戻す。道具の説明が曖昧だとモデルは正しく使えないため、道具インターフェースの設計(命名・入出力・エラーの返し方)がエージェント性能を大きく左右する。近年は Model Context Protocol(MCP)のように、道具接続を標準化する枠組みが広がっている。
計画とメモリ ― 長い仕事をやり切るための背骨
多段のタスクをやり切るには、目標を部分課題に分解する計画と、途中経過を覚えておくメモリが要る。短期メモリは今の会話・観察の履歴、長期メモリは過去のやり取りや外部知識(しばしばベクトル検索で呼び出す)を担う。計画は事前に立てて実行する形もあれば、観察のたびに立て直す動的な形もある。ここが弱いと、エージェントは同じ失敗を繰り返したり、途中で目標を見失ったりする。
自律と監督 ― 力を与えるほどガードが要る
エージェントに自律性を与えるほど、誤った行動が現実に副作用を及ぼすリスクが高まる。メール送信・支払い・ファイル削除のような不可逆な操作は、人間の承認(human-in-the-loop)を挟むのが定石。Anthropic の「Building Effective Agents」は、複雑なフレームワークに飛びつく前にまず単純で透明な構成から始め、必要な時だけ自律度を上げるべきだと説く。実務では、能力の高さより「どこで人間に確認を取り、どこまで自動化するか」の設計が信頼性を決める。
主要な考え方・要点
ツール / 関数呼び出し
モデルに使える道具(検索・コード実行・API)を与え、構造化出力で呼び出させる仕組み。道具の説明とスキーマの質が性能を左右する。
計画
目標を部分課題へ分解する能力。事前計画型と、観察のたびに立て直す動的型がある。長いタスクの成否を握る。
メモリ
短期(現在の文脈・観察履歴)と長期(過去のやり取り・外部知識、ベクトル検索で想起)。途中経過を保持し、繰り返しの失敗を防ぐ。
ReAct ループ
思考→行動→観察を交互に回す中核パターン。外部情報で推論を裏取りしながら次の一手を決め、目標到達まで反復する。
自律度 vs 監督
どこまで自動で進め、どこで人間の承認を挟むかの設計。不可逆な副作用(送信・支払い・削除)は human-in-the-loop が定石。
最新の動向
Model Context Protocol(MCP)が道具接続の事実上の標準になりつつあり、GitHub・ファイルシステム・DB など実世界のツールスキーマを横断的に扱えるようになった(MCP-Bench, 2025, arXiv:2508.20453)。
エージェント評価は単発の正解でなく「多段のタスク完遂」を測る方向へ移り、τ-bench や SWE-bench などが標準指標として定着した(Spheron「Tool Calling Benchmarks 2026」)。
同じモデルでもエージェントの「足場(scaffold/harness)」次第でスコアが大きく変わることが認識され、ハーネス設計そのものが競争領域になっている。
Anthropic は複雑なフレームワークより単純で透明な合成パターン(プロンプト連鎖・ルーティング・オーケストレーション等)を推奨し、必要に応じて自律度を上げる方針を示している(「Building Effective Agents」)。
データ・ベンチマーク
推論と行動の統合効果
思考のみ・行動のみを上回り、幻覚と誤伝播を低減
ReAct は思考のみ/行動のみの手法を上回り、外部知識で裏取りすることで幻覚・誤りの伝播を減らすと報告(Yao et al., 2022, arXiv:2210.03629)。
実タスク評価の規模(MCP-Bench)
28ドメイン・250ツールにわたる複雑タスクをカバー
MCP-Bench は実世界の MCP サーバ由来のツールスキーマを用い、28ドメイン・250ツールの跨ドメイン課題を評価する(Wang et al., 2025, arXiv:2508.20453)。
※数値は各出典に基づく参考値です。前提により変わります。最新情報は一次情報をご確認ください。