AIエージェント（AI Agent）は、LLMが自律的にツールを呼び出し・計画を立て・複数ステップのタスクを実行するシステムです。単なる質問応答を超え、「自分でWebを検索してコードを書いてテストして報告する」ことが可能です。
AIエージェントとは、LLM（大規模言語モデル）が「脳」として機能し、外部ツール（Web検索・コード実行・API呼び出し・ファイル操作など）を自律的に利用しながら、複数ステップにわたるタスクを計画・実行・評価するシステムです。
従来のLLMは「質問→回答」の1ターンでしたが、AIエージェントは「目標を達成するまで自律的にループを繰り返す」点が根本的に異なります。
AIエージェントの構成要素
LLM（推論エンジン）
計画立案・ツール選択・結果評価
ツール群
Web検索・コード実行・DB・API
メモリ
短期（会話）・長期（ベクトルDB）
| 比較項目 | 通常のLLM | AIエージェント |
|---|---|---|
| 実行ステップ | 1回（1問1答） | 複数ステップ自律ループ |
| ツール利用 | なし | 自律的に選択・実行 |
| 外部情報取得 | 訓練データのみ | リアルタイム検索可 |
| タスク範囲 | 短い定型質問 | 複雑・長期タスク対応 |
| フレームワーク | 特徴 | 難易度 | 向いている用途 |
|---|---|---|---|
| LangGraph | グラフ構造でエージェントフローを制御。Anthropic公式推奨。 | ★★★ | 複雑なマルチエージェント・条件分岐 |
| CrewAI | 役割分担したエージェントチームをシンプルなYAMLで定義。 | ★★ | チーム協調型の業務自動化 |
| AutoGen | Microsoftが開発。エージェント間の会話でタスクを解決。 | ★★★ | コード生成・デバッグ自動化 |
| Dify（ノーコード） | GUIでエージェントワークフローを視覚的に構築。 | ★ | 素早くプロトタイプ・非エンジニア利用 |
「競合他社の新機能を調査してまとめてSlackに投稿する」を自律実行。Webクローリング→要約→投稿まで全自動。
仕様書を渡すとコードを書き・テストを実行し・エラーを修正して完成させるLoop。GitHub Copilot WorkspaceやDevin等。
「先月の売上CSVを分析して異常値を検出しレポートを生成する」を自律処理。PythonコードをLLMが書いて実行。
問い合わせを受け取り→FAQを検索→注文DBを確認→回答を生成→必要なら担当者にエスカレーション、まで自動化。
RPA（Robotic Process Automation）は決まった手順をそのまま自動化するツールです。AIエージェントはLLMが「状況を判断して次のアクションを決める」ため、想定外のパターンにも柔軟に対応できます。RPA的な「ルール通りの繰り返し」は得意ではなく、「複雑な判断が必要なタスク」でAIエージェントの強みが発揮されます。
Python（LangChain/LangGraph/CrewAIはPython製）とOpenAI/Claude等のAPI利用経験が最低限必要です。より高度な利用にはRAG・ベクトルDB・Tool Use（Function calling）の理解が必要。DifyのようなノーコードツールであればPythonなしでも作れます。
MCP（Model Context Protocol）はAIエージェントが外部ツールに接続するための標準プロトコルです。MCPサーバーを使うとAIエージェントがデータベース・GitHub・Slack等に安全に接続できます。詳しくはMCPの解説ページをご覧ください。