AIエージェント

ざっくり言うと

最近よく聞く「ChatGPT の Agent 系機能」「Claude Code」「Devin」などは、この AIエージェントの考え方に近い例です。

名前に Agent と付いていても、全部が完全自動という意味ではありません。どの範囲まで自分で動けるかはサービスや設定で変わるため、「何を許可したら何を実行するのか」を見るのが出発点です。

イメージ

正確には

OpenAI の公式ガイド『A practical guide to building agents』では、エージェントはユーザーに代わってタスクを自律的に進めるシステムとして説明されています。単に LLM をチャットで呼び出すだけのアプリではなく、ツール利用や複数ステップの進行を制御する仕組みが入っていることが重要です。

Anthropic の解説『Building effective agents』では、エージェントを 「LLM が自分の使うツールと進め方を、タスクの途中で動的に決めていく仕組み」 と整理しています。あらかじめ決められた手順をなぞるだけの「ワークフロー」とは区別され、LLM 自身が次の一手を判断する点が本質だとしています。

Google の Agent Development Kit (ADK) のドキュメントでも、エージェントは 「目標達成のために自律的に行動するように設計された、自己完結した実行ユニット」 と説明されています。

仕組みの三本柱

構成要素	役割	ざっくり何?
LLM(脳)	推論・判断	「次に何をすべきか」を考える本体
ツール(手足)	外の世界に働きかける	Web 検索・ファイル読み書き・API 呼び出しなど(Function Calling で連携)
メモリ(記憶)	会話や作業の記録	過去のやりとり・途中経過を覚えておく(メモリ 参照)

代表例

名前	提供元	ざっくり何?
ChatGPT Work	OpenAI	現行のChatGPTにある、調査や資料作成などの長い作業を進めるエージェント。デスクトップ版では、許可したローカルファイルやアプリ、Built-in Browserを利用できる場合がある
ChatGPTデスクトップのComputer Use	OpenAI	ChatGPTデスクトップアプリで、許可されたアプリやブラウザのクリック・入力、ファイル移動などを扱う現行の画面操作機能
Gemini Spark	Google	個人向けGemini Appsの試験的なエージェント機能。Connected Apps、ログイン中のWebサイト、リモートブラウザやリモートコンピューター、カスタムMCPを使って作業できる
Claude Code	Anthropic	ターミナル上で動くコーディング用エージェント。ファイル編集・コマンド実行までこなす
Devin	Cognition AI	「AI ソフトウェアエンジニア」を名乗る自律エージェント
Microsoft Copilot Studio の agents	Microsoft	業務システムと連携して、社内タスクを自律実行する企業向けエージェント基盤

2026年7月15日時点のSparkは、18歳以上の個人Googleアカウント、Google AI Ultra、Keep Activityの有効化が必要です。英語のみで、日本は提供対象外です。カスタムMCPはさらに米国の18歳以上のユーザー向けで英語のみに限られます。ChatGPT Workもプラン、段階的な展開、Workspace設定によって利用可否が変わります。これらは一般ユーザー向け製品の例であり、GoogleやOpenAIのAPIで同じ機能が一律に使えるという意味ではありません。

「チャットボット」と「エージェント」の違い

エージェントで何ができる?

逆に「1問1答で済む質問」「法的・倫理的に最終判断が要る仕事」「ミスが許されない作業」は、エージェントに丸投げするとリスクが高い領域です。OpenAI のガイドでも、いきなり全自動にせず、人間の確認を挟む(Human-in-the-loop)設計 が推奨されています。

注意点

やってみよう

関連用語として、エージェントが外のツールを呼ぶ仕組みである Function Calling、PC 画面そのものを操作する Computer Use、過去のやりとりを覚えておく メモリ、ツール接続の共通規格である MCP もあわせて読むと、エージェントの全体像が立体的に見えてきます。