第2章　AI Agentの全体アーキテクチャと構成要素

対象＝一般Web/アプリ開発者・アーキテクト。AI Agentをソフトウェアシステムとして捉え、どの部品がどう連携して動くのかを把握する。

1. AI Agentシステムの5大構成要素

実用的なAI Agentは、単一のLLMではなく、以下の5つの独立したコンポーネントの組み合わせで構築されます。

コンポーネント	役割	主な技術・実装要素
① Brain / Core	推論、意思決定、次手選択、出力生成	LLM（GPT-4o, Claude 3.5, Gemini 1.5/2.0等）
② Planning	タスクの分解、優先順位付け、自己修正	ReAct, Plan-and-Solve, Tree of Thoughts (ToT)
③ Memory	短期コンテキストと長期知識の保持	ワーキングメモリ（Window）、Vector DB、K-V Store
④ Tools & Actions	外部世界への働きかけ、API実行	Function Calling, MCP (Model Context Protocol), Code Sandbox
⑤ Safety & Guardrails	不正入力検知、トークン上限、HITL承認	Input Guard, ZDR設定, Audit Trail, キルスイッチ

Agent内部でのコンポーネント間のデータ連携と制御フローの全体図です：

外部環境（External Environment）: ユーザーからのGoal入力やWebhook、DBイベントをトリガーとして受信。
Safety & Guardrails: 入力のサニタイズ（プロンプトインジェクション検知）、トークン・ステップ上限値の検証を実施。
Planning Engine: 目標を依存関係のあるサブタスク（DAG: 有向非巡回グラフ）へ分解。
Brain (LLM 推論部) & Tools: ツール定義をもとに実行すべきActionを決定し、Tool Executor / MCP経由で外部APIやDB、検索を実行。実行結果（Observation）をBrainへフィードバックするReActループを形成。
Memory Module: ワーキングメモリ（短期実行コンテキスト）とVector DB等の長期記憶から関連知識を参照・蓄積。
Human-in-the-Loop (HITL) 承認ゲート: 破壊的アクションや外部確定送信の前に人間の確認・承認を挟み、安全性を担保して最終確定へ。

Agentの頭脳。プロンプトとして「システム指示（ペルソナ、ルール、制約）」と「利用可能なツール一覧（JSON Schema）」を受け取り、次に実行すべきツールの名前と引数をJSONで返します。

ユーザーの曖昧な指示「競合他社3社の新製品価格を調査して比較表をスプレッドシートにまとめて」を、

という依存関係のあるステップに変換します。

Working Memory（短期記憶）: 現在のReActループ内で交わされたプロンプトとTool実行結果の履歴。コンテキストウィンドウ上限に達すると溢れるため、古い思考の要約圧縮が必要。
Long-term Memory（長期記憶）: 過去のセッションで得たユーザーの好み、社内用語集、過去の類似タスクでの成功手順。Vector DBやリレーショナルDBに保存し、タスク開始時にセマンティック検索で呼び出す。

Agentが「考えるだけ」の存在から「実行する」存在へ進化するための鍵。

Token / Step Capping: 最大ループ回数（例: 最大10ループ）と最大消費トークン数を設定し、暴走を強制シャットダウン。
Human Approval Gate: 破壊的アクション（書き込み、送金、外部送信）の前にプロセスを一旦保留（Suspended）状態にし、人間のWebhook承認を待つ。