AIエージェントって何？「チャットボット」との違いから
AIエージェントは、会話するだけではなく、目的達成のために考えて（計画）→道具を使って（実行）→結果を見て（評価）→次の手を決めるところまでを繰り返せるソフトウェアです。チャットボットが「質問に答える」中心だとすると、エージェントは「タスクを進める」ことが主役になります。
たとえば「来週の出張を手配して」と言われたときに、エージェントは次のように動けます。
- 必要情報を確認（出発地、予算、ホテルの条件など）
- フライト検索APIや社内の旅費規程を参照
- 候補を比較して提案し、承認を取る
- 予約システムに入力して完了報告
このとき重要なのが、LLM（大規模言語モデル）単体ではなく、外部ツールやデータに安全につなぐ設計です。ここでMCPやツール連携、そしてマルチエージェントの考え方が効いてきます。
まず押さえる全体像：エージェントの基本アーキテクチャ
入門としては、エージェントを次の部品に分けて理解するとスムーズです。
- LLM（頭脳）：推論・要約・文章生成・ツール選択
- ツール（手足）：検索、DB、SaaS、社内API、コード実行など
- メモリ（記憶）：会話履歴、ユーザー嗜好、タスク状態、ベクトル検索
- オーケストレーション（進行役）：手順、状態遷移、リトライ、タイムアウト
- ガードレール（安全柵）：権限、監査ログ、PII対策、プロンプトインジェクション対策
ここが整理できると、「どのライブラリを使うか」より先に、何を作っているのかがブレにくくなります。
ツール連携のコツ：成功するエージェントは“道具箱”が賢い
エージェント開発の実務で一番ハマりやすいのがツール連携です。ポイントは、ツールを増やすほど賢くなるわけではなく、少数精鋭で失敗しにくい道具を揃えること。
よく使われるツールの種類
- Web検索/社内検索：RAG（検索拡張生成）。社内ならConfluence/Notion/Google Drive検索など
- データアクセス：SQL、BigQuery、Snowflake、DWHの読み取り
- SaaS操作：Slack送信、Jira起票、GitHub Issue作成、HubSpot更新
- 計算/実行：Python実行、スプレッドシート計算、簡易シミュレーション
設計の勘所：ツールは「入力と出力」を絞る
ツールを作るときは、引数を最小限にするのがコツです。たとえば「Slackに投稿する」ツールなら、必要なのは channel と message 程度で十分。自由度を上げすぎると、モデルが意図しない操作をしやすくなります。
実装でよくある落とし穴
- 曖昧な成功条件：実行結果が「OK」だけだと、何が起きたか追えない
- リトライ地獄：APIが失敗→同じ入力で連打。指数的にコストが増える
- 権限の渡しすぎ：読み取り専用で済むのに書き込み権限を渡してしまう
