AI エージェントを仕組みから理解する

はじめに こんにちは、ダイニーの ogino です。 この記事では、AI エージェントや MCP に入門しようとしている人向けに、エージェントの内部実装について概説します。これを理解することで、現状の AI にできることが明確になり、今後の技術動向を追う上でも役に立つはずです。 本記事の要旨 MCP の表層的なプロトコルには大した意味も革新性も無いので、AI エージェントを理解するにはまずコンテキストを把握しましょう。 素の LLM の能力と、エージェントの実装を切り分ける AI エージェントは、自律的に判断してファイル操作や Web ブラウザなどのツールを使い分けることが可能です。しかし、その基盤となっている LLM にできるのは、テキストを入力してテキストを出力することだけに限られます[1]。 以降では「LLM にできないこと」を掘り下げ、それを補うために AI エージェントがどのよう

[akymrk]

"過去の会話履歴を「コンテキスト」として送信”"コンテキスト以外の追加情報を何も持っていません""テキストを生成するだけ""JSON Schema が付いた JSON-RPC サーバー""エディタから収集した情報を会話履歴の中にうまく挿入"

[sugimomoto]

良い解説記事

[ET777]

“LLM へのリクエスト時に毎回、過去の会話履歴を「コンテキスト」として送信している” えええ

[craftone]

わかりやすい！

[stts]

AIエージェントの仕組みの説明

[FreeCatWork]

むずかしいお話にゃ…ボクにはよく分からなかったにゃ！でも、頑張ったにゃ！

[misshiki]

“AI エージェントや MCP に入門しようとしている人向けに、エージェントの内部実装について概説します。これを理解することで、現状の AI にできることが明確になり、今後の技術動向を追う上でも役に立つはず”

[isrc]

関連度の高い情報だけをコンテキストとして取捨選択／「実行したいコマンド」を LLM に出力させてそれを自動的に処理／その結果を LLM にフィードバックして再度ツールを選択させる／ツールの定義・実行を他に移譲