AIエージェント

01

チャットボットとエージェントはどこが違う？

ネットショップのサポートチャットに、お客さまが「昨日買ったスニーカーのサイズが合いません。返金してください」と書き込みました。下の図で、チャットボットとエージェントを切り替えてみましょう。

チャットボットは質問を受け取り、答えを1回書いて終わりです。エージェントは目標を受け取り、その目標を達成するまで動き続けます。何をするか考え、ツールを使って実際に行動し、結果を見て、また考える。これをくり返します。ポイントは、どのツールをどの順番で使うかを人があらかじめ決めておくのではなく、モデルがその場その場で決めることです。

エージェントの力はツールから生まれます。でも、LLMにできるのは文章を書くことだけです。それなのに、どうやって注文システムを呼び出せるのでしょうか。

02

ツールの使い方（Function Calling）

LLMは文章を書くだけで、ほかのシステムに自分で接続することはできません。そこでアプリが、LLMに使えるツールの一覧と説明をいっしょに渡します。ツールの名前、何をするツールか、どんな値を受け取るかを書いた一覧です。

ツール: order_lookup説明: お客さまの注文の状態と配送場所を返すパラメータ: order_id（文字列、必須）

LLMは、答えるのにこのツールが必要だと判断すると、すぐには答えません。代わりに「order_lookup を order_id 1042 で呼んでほしい」という依頼を、決まった形式で返します。実際に実行するのはアプリで、その結果をLLMに送り返すと、LLMが結果をもとに答えを書きます。このしくみをFunction Calling（関数呼び出し）、またはツール呼び出しといいます。下の図で、メッセージをひとつずつ進めてみましょう。

モデルがツールを選ぶ手がかりは、ツールの説明だけです。だから、何のためのツールなのかをはっきり書いておきましょう。また、アプリはLLMが依頼してきたツールと値をそのまま信用してはいけません。許可されたツールか、値が正しいかを確認してから実行します。

ツールを1回呼ぶのは、まだ入り口です。1章の返金のように、いくつものツールを順番に、結果に応じて使い分けなければならないとき、エージェントはどう動くのでしょうか。

03

考えて、行動して、結果を見る（ReActと計画）

1章のエージェントは、思考 → 行動 → 観察をくり返していました。考えたことを文章に書き出し（推論、Reasoning）、それにもとづいてツールを使い（行動、Acting）、結果を次の思考に反映する。このやり方をReActと呼びます。先に考えを書かせると次の行動をうまく選べるようになり、結果を見てから考えるので、間違った方向に進んでもすぐに軌道修正できます。

仕事が大きいときは、まずやることを小さなタスクに分けます。これを計画（プランニング）といいます。下の図は、出張の準備を任されたエージェントです。一度最後まで進めたら、ホテル予約ツールを失敗させて、もう一度進めてみましょう。

決まった手順をなぞるだけの自動化は、途中で想定外の結果が返ってくると止まってしまいます。エージェントは「満室」という観察結果を見て計画を直し、別のホテルを探しました。このように、結果を見て次の行動を変えられることこそ、エージェントを使う理由です。

逆に、エージェントが終わらずに同じ行動をくり返してしまうこともあります。そのため、最大で何ステップまで回すか、コストがいくらを超えたら止めるか、といった上限を決めておきます。

エージェントが長く働いたり、同じユーザーと何度もやり取りしたりすると、前回わかったことを覚えておく必要が出てきます。