AIエージェントとは何か／学習ロードマップ
AIエージェントとは、LLMが目標に向けて「考える→ツールを使う→結果を見る」を自律的に繰り返すシステムです。本レッスンでは、単発のチャットや固定ワークフローとの違いと、本サイトの進め方を整理します。
AIエージェントを、基礎から順番に。
LLMの仕組みからツール使用・ReActループ・計画・メモリ/RAG・設計パターン・評価と安全まで、レッスンを上から順に読めば体系的に身につきます。各レッスンには出典を添えています。
土台：LLM・トークン・プロンプト・コンテキストウィンドウ
LLMは「次に来るトークンを確率的に予測する」モデルです。トークン・コンテキストウィンドウ・プロンプトという基本語と、誤り（ハルシネーション）が起きる前提を、初学者向けにやさしく整理します。
ツール使用（Tool / Function calling）
ツール使用とは、モデルが「呼ぶべき関数名と引数（JSON）」を出力し、外部のプログラムが実際に実行して結果を返す仕組みです。これがエージェントが外の世界に作用するための手段になります。
基本ループ：知覚→思考→行動→観察（ReAct）
ReAct（Reasoning + Acting）は、思考（推論）と行動（ツール実行）を交互に行い、観察した結果を取り込みながら目標に近づく考え方です。エージェントの心臓部となる基本ループを解説します。
計画とタスク分解（Planning）
計画（Planning）とは、大きな目標を扱いやすいサブタスクに分解し、順序立てて進めることです。逐次的・階層的な計画やPlan-and-Execute、再計画、Chain-of-Thoughtとの関係を整理します。
メモリと外部知識（RAG）
エージェントは短期記憶（会話やスクラッチパッド）と長期記憶を使い分けます。長期記憶は埋め込みとベクトル検索で実現し、RAG（検索拡張生成）はコンテキスト制限と知識の鮮度を補う手法です。
設計パターン：ワークフロー vs エージェント
Anthropic「Building effective agents」の整理にもとづき、決まった手順を踏むワークフロー（prompt chaining等）と、進め方を自分で決める自律エージェントの違い、そして「まずシンプルに」という原則を解説します。
マルチエージェント協調
マルチエージェントとは、役割を分けた複数のエージェントが協力して目標を達成する設計です。オーケストレータと専門ワーカーによる分担、メッセージ連携の利点と、調整・コスト・エラー伝播という難しさを整理します。
評価・安全・ガードレール
エージェントには暴走・無限ループ・誤ったツール実行・プロンプトインジェクションといった失敗モードがあります。ヒューマン・イン・ザ・ループ、権限最小化、評価（eval）とトレース観測で安全に運用する考え方を解説します。
最小エージェントを作る考え方
最小のエージェントは「モデル呼び出し→ツール選択→実行→観察を追記→終了判定」のループで作れます。ツール定義・システムプロンプト・停止条件をそろえ、まず小さく作って計測しながら足す指針を示します。
MCP入門 ─ エージェントとツールをつなぐ標準規格
MCP（モデルコンテキストプロトコル）はAnthropicが2024年11月に公開したオープン規格で、AIエージェントが外部ツール・データに統一インターフェースで繋がれるようにする。ホスト・クライアント・サーバーの3者構成と3つのプリミティブ（ツール・リソース・プロンプト）を押さえれば、エージェントがどうやって外界と会話するかが見えてくる。
リフレクション ─ エージェントが自己修正する仕組み
リフレクションとは、エージェントが自分の出力を評価して言語的なフィードバックを生成し、次の試行に活かす自己修正ループ。モデルの重みを変えずに精度を高められる実用的な技術で、Reflexionフレームワークがその代表例とされる。
プロンプト設計の基本パターン ─ システムプロンプト・Few-shot・Chain-of-Thought
プロンプト設計の3大パターン「システムプロンプト・Few-shot・Chain-of-Thought」を習得すると、同じモデルでも出力の質と安定性が大きく変わる。エージェント開発の土台となる必須スキルを整理する。
コンテキストエンジニアリング ─ エージェントのコンテキストウィンドウを設計する
コンテキストエンジニアリングとは、LLMのコンテキストウィンドウに何を入れるかを戦略的に設計する技術で、プロンプトエンジニアリングより広い概念。Write・Select・Compress・Isolateの4操作を意識するだけで、同じモデルでもエージェントの精度とコスト効率が大きく変わるとされる。
コストとレイテンシを最適化する ─ モデル選択・プロンプトキャッシュ・バッチ処理
AIエージェントの実運用では精度だけでなくコストとレイテンシも設計の対象。モデル選択・プロンプトキャッシュ・バッチ処理の3施策を組み合わせると、同じ品質のまま費用を大幅に圧縮できる可能性がある。
ツール設計のベストプラクティス ─ description・命名・レスポンス設計
ツール設計で最も重要なのはdescriptionの質。モデルはdescriptionを手がかりにツールを選ぶため「いつ・何を・どのパラメータで」を詳しく書くだけで精度が大きく変わる。命名・ツール数の整理・レスポンス設計もあわせて押さえると、同じモデルでもエージェントの動作が安定する。
エージェントのトレーシングと観測性 ─ 動きを「見える化」するデバッグ術
エージェントは多ステップかつ非決定論的に動くため、動作を可視化する「観測性（Observability）」が必須。トレース・スパン・メトリクスの3シグナルを押さえ、LangFuse等のツールで「どのLLM呼び出しが遅いか」「どのツールで失敗したか」を特定できると、デバッグが当て推量から根拠ある調査に変わる。
構造化出力（Structured Output）─ LLMから確実にJSONを取り出す
構造化出力はLLMのレスポンスをJSONスキーマに準拠させる技術で、パースエラーなく型安全なデータをアプリに渡せる。データ抽出・分類などエージェントの出力を後続処理で扱う場面で信頼性を大きく高める実用的な仕組みだ。
プロンプトインジェクション ─ エージェントを乗っ取る攻撃と対策
プロンプトインジェクションはLLMへの入力に悪意ある指示を仕込み本来の振る舞いを乗っ取る攻撃手法。ユーザーが直接行う「直接型」と外部コンテンツに指示を埋め込む「間接型」があり、Webページやファイルを読むエージェントは特にリスクが高い。入力の分離・権限最小化・人間によるレビューを組み合わせることで防御層を厚くできるとされる。
LLM-as-a-Judge ─ LLMを評価者に使う手法
LLM-as-a-Judgeとは、LLMの出力を別のLLMが採点・評価する手法。人手評価のコストを抑えながら自由記述の品質を測れるが、位置バイアス・冗長さバイアス・自己優遇バイアスの3つの偏りに注意が必要とされる。
Advanced RAG ─ チャンキング・リランキング・HyDE で精度を上げる
基本的なRAGを使い始めて精度が物足りない場合、チャンキング・リランキング・HyDEの3手法が有効とされる。2024年のRAGサーベイはNaive・Advanced・Modular RAGへの進化を整理し、検索精度を段階的に改善できることを示している。
コンピューター操作エージェント（Computer Use）─ スクリーンを見て操作するAIの仕組み
Computer UseはLLMがスクリーンショットを「目」として使い、マウスのクリックやキーボード入力を出力することで、人間と同じようにデスクトップを操作できる技術。APIのない既存アプリも操作できる汎用性が最大の特徴とされ、専用の仮想環境と最小権限での実行が安全運用の基本とされる。
エラーハンドリングと再試行戦略 ─ エージェントの信頼性を高めるリトライ設計
エージェントはネットワーク障害やレート制限など一時的なエラーと必ず向き合う。エラーを「永続的」と「一時的」に分類し、指数バックオフ付きの再試行を組み込むだけで信頼性は大きく向上する。AnthropicのSDKはデフォルトで自動リトライを2回行うが、その仕組みと限界を理解することがエージェント設計の実力を上げる近道だ。
ストリーミングレスポンス ─ LLMの出力をリアルタイムに受け取る
ストリーミングとはLLMの応答をトークン単位で逐次受け取る仕組みで、全文生成を待たずに画面へ表示できるためユーザー体験が大幅に改善する。API側では `stream:true` を指定するだけで有効になり、内部的にはServer-Sent Events（SSE）という標準プロトコルが使われている。
長文コンテキストウィンドウを使いこなす ─ 100万トークン時代の落とし穴と活用法
現代のLLMは100万トークン超のコンテキストウィンドウを持つが、「Lost in the Middle」研究が示すように重要な情報を中盤に置くと見落とされやすい「位置バイアス」がある。先頭・末尾への重要情報の配置とRAGとの組み合わせを意識するだけで、長文コンテキストの精度を大きく引き上げられるとされる。
拡張思考（Extended Thinking）─ モデルが考えてから答える仕組み
拡張思考（Extended Thinking）は、モデルが最終回答を出す前に内部推論を段階的に行う機能で、複雑な多ステップ問題での精度向上が確認されているとされる。APIで thinking パラメータを有効にするだけで「思考ブロック」として推論過程を取得でき、エージェントのデバッグや精度改善に活用できる。
マルチモーダル入力（Vision）─ 画像・スクリーンショットをエージェントに渡す
現代のLLMはテキストだけでなく画像を入力として受け取れる「マルチモーダル」機能を持つ。APIではcontentに imageブロックを追加するだけでJPEG・PNG等を渡せ、スクリーンショット読み取り・帳票解析・UI自動化など応用範囲が大きく広がる。
エンベッディング ─ 意味検索を支えるベクトル表現の仕組み
エンベッディングとはテキストを高次元の数値ベクトルに変換する技術で、意味が近い言葉ほどベクトル空間上でも近い位置に配置される。RAGの核心技術であり、キーワード一致では捉えられない「意味的な近さ」でドキュメントを検索できるようになる。
ファインチューニング ─ モデルを追加学習してカスタマイズする
ファインチューニングとはモデルの重みを追加データで更新してカスタマイズする技術で、プロンプトだけでは難しいスタイルや専門用語の一貫性を獲得できる。データ収集と計算コスト・過学習のリスクがあるため、まずプロンプト設計の限界を探ってから検討するのが定石とされる。
Tree of Thoughts ─ 木構造で思考を探索する推論手法
Tree of Thoughts（ToT）はChain-of-Thoughtを拡張し、複数の推論経路を木構造で探索しながら行き詰まったらバックトラックできるフレームワーク。数学パズルでCoTの成功率4%に対してToTが74%を達成したとされ、試行錯誤が必要な複雑なタスクで特に効果があるとされる。
ハルシネーション（幻覚）─ LLMが「嘘をつく」メカニズムと対策
ハルシネーションとはLLMがもっともらしく聞こえるが事実と異なる情報を生成してしまう現象。モデルは「正しいことを言う」ためではなく「次トークンを予測する」よう学習されているため、大きなモデルでも嘘をつく。RAG・出典要求・自己検証の多層防御がエージェントの信頼性を守る鍵とされる。
エージェントフレームワーク入門 ─ LangChain・AutoGen・CrewAI の役割と選び方
エージェントフレームワークはツール管理・会話履歴・マルチエージェント調整などの共通基盤を提供するライブラリ。LangChain・AutoGen・CrewAIはそれぞれ設計哲学が異なり、まずスクラッチで原理を掴んでから用途に合わせて選ぶのが定石とされる。
エージェントのベンチマークと性能評価 ─ SWE-bench・GAIAで能力を測る
エージェントの性能を客観的に測るにはベンチマークが欠かせない。SWE-bench（実際のGitHubイシュー修正）とGAIA（汎用AIアシスタントの総合力）は代表的な指標で、人間との差や改善余地を数値で把握できる。