AIエージェントとは　1回の質問に答えるAIから、18時間作業を続けるAIへ

AIエージェントは、人が与えた目標に向けて、AIが自分で作業の手順を考え、必要な道具を使いながら、何段階もの作業を進める仕組みです。1つの質問に1つの答えを返す使い方と違い、調べる、書く、試す、直すを繰り返して、最後の成果物まで仕上げます。

仕組み　考える・使う・確かめるの繰り返し

中心にあるのは大規模言語モデル（LLM）です。モデルは目標を受け取ると、次に何をするかを文章で決めます。その指示に従って動くのが、外部の道具（ウェブの検索、ファイルの読み書き、プログラムの実行、画面の操作など）です。道具の結果をモデルに戻し、モデルが次の手を決めます。この繰り返しを、目標を果たすまで続けます。

道具とのつなぎ方をそろえる規格もできました。Anthropicは2024年11月25日、AIと、データのある場所をつなぐ公開の規格「Model Context Protocol（MCP）」を公開しました。グーグルドライブ、Slack、GitHub、Postgresなどにつなぐ部品を用意し、決済のBlockなどが採用したと発表しています。

各社のモデルの説明

エージェントの用途をうたう発表の例

発表	会社	内容
MCPの公開（2024年11月25日）	Anthropic	AIと外部のデータ・道具をつなぐ公開の規格
TPU 8iの発表（2026年4月）	グーグル	多数のエージェントがやりとりする推論のような、待ち時間に敏感な処理向けのチップ
Claude Opus 5.5（2026年9月22日）	Anthropic	プログラムを自律的に進める作業、コンピューターの操作に強いと説明

Anthropicは、Opus 5.5の試用で、ある顧客が68万行のプログラムの移行を1日かからずに終え、別の例では20万行のプログラムの点検を3時間未満で終えたと紹介しました。前のモデルのOpus 5では20時間超かかった作業です。会社は、Opus 5.5の出力の速さがOpus 5を30%超上回るとしています。

半導体の需要との関係

エージェントは1つの目標のために何度もモデルを呼び出すため、推論の回数と扱うトークンが増えます。東京エレクトロンは10月30日の説明会資料で、生成AIに加えエージェント型のAIの普及が先端半導体の需要を押し上げるとしました。演算の前処理、GPUへのデータの供給、周辺機器の制御などでCPUの必要数が増え、CPUやGPUの周りで一時的に置くデータが増えてDRAMの容量も広がるとの見方です。

関連する用語

• ツール利用（関数呼び出し）：モデルが外部の道具を呼び出す仕組み。
• RAG：外部の文書を検索して答えに使う仕組み。エージェントの道具の1つです。
• 推論：モデルが答えを出す計算。エージェントでは1つの作業で何度も行います。

Opus 5.5はアマゾン（AWS）、グーグル・クラウド、マイクロソフトのAzureでも使え、APIの料金は入力100万トークンあたり4ドル、出力20ドルです。