ai-agents-for-beginners
(このレッスンのビデオを見るには上の画像をクリックしてください)
AIエージェントとエージェントのユースケースの紹介
AIエージェント入門 コースへようこそ！このコースでは、基礎知識と実際に動くコードを提供し、ゼロからAIエージェントの構築を始められます。
Azure AI Discordコミュニティにもぜひ参加してください。学習者やAI開発者がたくさんいて、質問に喜んで答えてくれます。
実際に構築を始める前に、AIエージェントとは何か、どんなときに使うべきかをしっかり理解しましょう。
はじめに
このレッスンでは以下を扱います：
- AIエージェントとは何か、存在する異なるタイプ
- AIエージェントが適しているタスク
- エージェント的なソリューション設計で使う基本要素
学習目標
このレッスンの終了時には以下ができるようになります：
- AIエージェントとは何か、通常のAIソリューションとどう違うか説明できる
- いつAIエージェントを使うべきか（使わないべきか）判断できる
- 実際の問題に対する基本的なエージェント的ソリューション設計が描ける
AIエージェントの定義とタイプ
AIエージェントとは？
簡単に考える方法はこちらです：
AIエージェントは、大規模言語モデル（LLM）に単なる応答ではなく、ツールと知識を与えて実際に行動させるシステムです。
少し詳しく見ていきましょう：
- システム — AIエージェントは単一のものではありません。複数の部品が連携して動く集合体です。基本的にエージェントは次の3つの要素を持ちます：
- 環境 — エージェントが動く領域。旅行予約エージェントなら、予約プラットフォームそのものです。
- センサー — 環境の現在の状態を読み取る方法。旅行エージェントはホテルの空き状況や航空券の価格を確認します。
- アクチュエーター — エージェントが行動を起こす方法。予約、確認メールの送信、キャンセルなどを行います。
-
大規模言語モデル — エージェントはLLMが登場する前からありましたが、LLMが現代のエージェントを強力にしています。自然言語の理解、文脈の推論、曖昧な要求を具体的な行動計画に変換できます。
-
行動の実行 — エージェントシステムなしではLLMは単に文章を生成するだけです。システム内では実際に手順を実行できます。データベース検索、API呼び出し、メッセージ送信などです。
-
ツールへのアクセス — 使えるツールは、(1) エージェントが動作する環境と (2) 開発者が与えたものによります。旅行エージェントは航空便の検索はできても顧客情報の編集はできないかもしれません。全ては配線次第です。
-
メモリー＋知識 — 短期メモリー（現在の会話）と長期メモリー（顧客データベース、過去のやり取り）を持つことができます。旅行エージェントは「窓際席が好み」と覚えているかもしれません。
AIエージェントの種類
全てのエージェントが同じ作りではありません。ここで主要なタイプを、旅行予約エージェントを例に分解します：
| エージェントタイプ | 機能 | 旅行代理店例 |
|---|---|---|
| 単純反射型エージェント | ハードコードされたルールに従う — メモリーなし、計画なし。 | 苦情メールを見て → カスタマーサービスに転送。ただそれだけ。 |
| モデルベース反射型エージェント | 内部モデルを持ち、変化に応じて更新。 | 過去のフライト価格を追跡し、急に高くなった区間を知らせる。 |
| 目標志向エージェント | 目標を持ち、それに向けて段階的に方法を決定。 | 出発地から目的地までのフライト、車、ホテルの予約をまとめて行う。 |
| 効用ベースエージェント | 妥協点を比較し、最良の解を見つける。 | 費用と利便性のバランスを取り、好みに最適な旅行を提案。 |
| 学習エージェント | フィードバックを元に時間をかけて改善する。 | 旅行後のアンケート結果に基づいて、次回の予約提案を調整。 |
| 階層型エージェント | 上位層のエージェントが作業を細分化し、下位層に委任。 | 「旅行キャンセル」依頼を、フライトキャンセル、ホテルキャンセル、レンタカーキャンセルに分割し、それぞれが別エージェントで対応。 |
| マルチエージェントシステム(MAS) | 複数の独立エージェントが協働（または競合）する。 | 協調：ホテル、フライト、娯楽の担当が分かれている。競合：複数エージェントがホテルの部屋を最良価格で提供するために競う。 |
AIエージェントを使うべき時
使えるからといっていつも使うべきとは限りません。エージェントが特に有効な状況は以下の通りです：
- オープンエンドな問題 — 問題解決の手順が事前にプログラムできないとき。LLMに動的に道筋を考えさせる必要がある。
- 複数ステップのプロセス — 一度の参照や生成ではなく、複数回にわたりツールを使う必要があるタスク。
- 時間経過での改善 — ユーザーフィードバックや環境のシグナルに基づき、システムを賢くしたいとき。
コースの後半「信頼できるAIエージェントの構築」レッスンで、AIエージェントの使うべき場合（と使わないべき場合）を詳しく掘り下げます。
エージェント的ソリューションの基礎
エージェント開発
エージェントを作るときに最初にやることは、何ができるかを定義することです。ツール、行動、振る舞いを決めます。
本コースでは、メインプラットフォームとして Microsoft Foundry Agent Service を使います。これにより以下が利用可能です：
- OpenAI、Mistral、Meta（Llama）などプロバイダーのモデル
- Tripadvisorなどのライセンスされたデータ
- 標準化されたOpenAPI 3.0ツール定義
エージェント的パターン
LLMとはプロンプトを通じてやりとりします。エージェントでは全てのプロンプトを手作業で作成できるわけではありません。多段階で行動を起こすために、エージェント的パターンが使われます。これはLLMのプロンプトやオーケストレーションの再利用可能で拡張性のある戦略です。
本コースは最も一般的かつ有用なエージェント的パターンを軸に構成されています。
エージェント的フレームワーク
エージェント的フレームワークは、開発者にテンプレート、ツール、インフラを提供し、エージェントの構築を容易にします。これにより：
- ツールや機能を接続しやすくし、
- エージェントの動作を監視（誤動作時のデバッグ）し、
- 複数のエージェント間での協働も可能にします。
本コースでは、製品レベルのエージェント構築に向けて Microsoft Agent Framework (MAF) に注力します。
コードサンプル
実際の動作を見たいですか？このレッスンのコードサンプルはこちら：
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
質問はありますか？
他の学習者と交流したり、オフィスアワーに参加したり、コミュニティでAIエージェントに関する質問に答えてもらいたい場合は、Microsoft Foundry Discordに参加しましょう。
このエージェントのスモークテスト（任意）
Lesson 16でエージェントのデプロイ方法を学んだら、このレッスンの TravelAgent のデプロイ後に素早く状態をチェックできる、既製のカタログ tests/lesson-01-smoke-tests.json を追加できます。実行方法は tests/README.md を参照してください。
前のレッスン
次のレッスン
免責事項： 本書類は AI 翻訳サービス Co-op Translator を使用して翻訳されています。正確性を期していますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知おきください。原文の原語版が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用により生じたいかなる誤解や解釈違いについても、当方は責任を負いかねます。