AIの統合は、単純な一方通行の指示から、動的で自己修正可能なシステムへと進化しています。初期の実装では 線形チェーン——プロンプトが直接出力に繋がる——という仕組みに依存していましたが、現代のAIは 自律型エージェント 論理的思考と環境との相互作用が可能なエージェントに頼っています。
根本的な転換：チェーンからグラフへ
初期のフレームワーク（例：初期のLangChain）は順次処理ロジックに基づいていました。現在では グラフアーキテクチャ （LangGraph）を用いて 循環実行を可能にしています。つまり、エージェントはアクションを実行し、結果を評価して、自身の誤りを修正するためにループに戻ることができるのです。
エージェントの4つの柱
- 自律性： 常に人間からの指示を受けなくても動作できる能力。
- ツール利用： MCPなどのプロトコルを通じて外部のAPIやデータベースに接続すること。
- 記憶： ステートスキーマを使用して、複数のステップにわたって状態を保持すること。
- 推論： 現在のデータに基づいて次の最適な行動を論理的に決定すること。
垂直統合と水平統合
- モデルコンテキストプロトコル（MCP）： AIの『USB-C』のような役割を果たし、モデルと特定のデータツールの間に垂直的な接続を提供する。
- エージェント同士通信（A2A）： 水平方向の通信を可能にし、異なるエージェントがタスクを交渉・共有できるようにする。
概念的論理：ステートとノード
問題1
AIが単なる「チェーン」ではなく「エージェント」として扱われるために不可欠な特徴はどれですか？
問題2
モデルコンテキストプロトコル（MCP）はエージェントワークフロー内でどのように機能しますか？
ケーススタディ：深い調査レポートの自動化
以下のシナリオを読み、質問に答えなさい。
エージェントは「2025年の量子コンピューティングのブレイクスルー」について調査する任務を与えられた。
課題： 初期の検索では表面的なニュースしか得られず、技術論文は見つからない。
エージェントの対応： エージェントは以前の失敗した検索の「記憶」に気づき、「推論」を使って、一般検索から専門的な研究データベースへのツール切り替えを、MCPサーバー経由で実行する。
課題： 初期の検索では表面的なニュースしか得られず、技術論文は見つからない。
エージェントの対応： エージェントは以前の失敗した検索の「記憶」に気づき、「推論」を使って、一般検索から専門的な研究データベースへのツール切り替えを、MCPサーバー経由で実行する。
Q
1. どのような能力がエージェントが最初の検索が不十分だったことに気づくことを可能にしますか？
答え：
エージェントはその 推論 能力を使って出力を元の目的と照らし合わせ評価し、またその 記憶（ステート） を使って、一般的な検索ツールはすでに使い尽くされていることを認識している。
エージェントはその 推論 能力を使って出力を元の目的と照らし合わせ評価し、またその 記憶（ステート） を使って、一般的な検索ツールはすでに使い尽くされていることを認識している。
Q
2. どのような技術がエージェントが専門的な研究データベースにスムーズに接続できるようにしますか？
答え：
この モデルコンテキストプロトコル（MCP） は標準化された垂直接続として機能し、エージェントがデータベースをツールとして利用できるようにする。
この モデルコンテキストプロトコル（MCP） は標準化された垂直接続として機能し、エージェントがデータベースをツールとして利用できるようにする。