AIキーワード：チャットから「実務」への進化の歩み

ここ2年、AI界隈ではLLM、トークン、プロンプト、RAG、MCP、エージェント、スキルといった用語が次々と生まれています。並べるだけでも気が遠くなるようなこれらの言葉は、一体どのように生まれ、それぞれどんな課題を解決しているのでしょうか。「週末の東京旅行」という例え話を通じて、これらの複雑な概念をつなぎ合わせ、AIがいかにして「ただのチャット相手」から「仕事をこなすパートナー」へと進化したのかを紐解いていきましょう。

第1段階：対話の基礎——モデルとプロンプト

チャット画面を開いて「今週末、東京に遊びに行きたい」と何気なく問いかけると、AIがすぐに回答を返してくれます。

LLM（大規模言語モデル）：

これは背後の核となるエンジンです。

トークン：

大規模モデルは直接文字を「読む」わけではなく、あなたの言葉をトークンに分解します。トークンは1文字や単語そのものではなく、モデルがテキストを理解する最小単位であり、それぞれが数字（トークンID）に対応しています。モデルは計算を通じて、次にくるべきトークンを予測し、回答をつなぎ合わせていきます。
・プロンプト：AIとやり取りするための指示です。「東京に行きたい」と尋ねるだけでは、AIの回答は表面的なものになりがちです。しかし、「予算2万元で、日ごとの旅程を計画して。人気スポットは除外して」と尋ねれば、回答の質は格段に向上します。このように「意図を明確に伝える」という手法を「プロンプトエンジニアリング」と呼びます。

第2段階：記憶と知識——コンテキストとRAG

対話が深まり、AIに自分の好みを覚えさせたり、プライベートな情報と関連付けたりしたくなると、以下の技術が必要になります。

コンテキスト：

メッセージを送る際、システムは過去の対話履歴をまとめて大規模モデルに渡します。これが「コンテキスト」です。しかし、モデルが扱えるコンテキスト長には限界があり、対話が長くなると、モデルは冒頭の内容を「忘れて」しまいます。

メモリ（モデルの記憶）：

この「忘れ」を防ぐため、一般的にはモデルに対話の要約・圧縮を行わせ、重要な情報だけを保持させます。これが「メモリ」です。

RAG（検索拡張生成）：

例えば「前に保存した旅行ガイドを見て」と尋ねると、AIはプライベートな資料を知らないため、答えに詰まってしまいます。RAGはこれを解決します。まず資料を小さな断片に分割してナレッジベースに保存し、質問時に最も関連性の高い断片を検索して背景情報としてAIに提供することで、回答の信頼性と真実性を高めるのです。

第3段階：手足を与える——外部ツールと標準化

大規模モデルは賢いですが、本来は外部ツールを操作できません。例えば「新幹線の予約方法」は教えてくれても、直接予約することはできませんでした。

ファンクションコーリング（関数呼び出し）：

モデルが外部ツールにアクセスするための重要な仕組みです。システムはまず利用可能なツールをモデルに教え、モデルが必要と判断した際に構造化された関数の指示を出力します。プログラムはその指示に従って処理（列車検索など）を実行し、結果をモデルに返します。

MCP（モデルコンテキストプロトコル）：

かつては新しいツールを導入するたびに個別の適応コードを書く必要があり、再利用が困難でした。MCPは、あらゆるサードパーティツールに対する統一されたインターフェースプロトコルを策定しました。AIプログラムはMCPに対応さえすれば、このプロトコルに従ってすべてのツールを操作できるようになり、開発コストが大幅に削減されました。

第4段階：指揮から代理へ——エージェントの台頭

以前はAIに一つ一つ指示を出す必要がありましたが、今は「東京旅行の手配をして」と一言伝えれば、後はエージェントがやってくれます。

エージェント：

大規模モデルの進化した形態です。目標を受け取ると、自律的に思考し、手順を計画し、外部ツールを呼び出し、各ステップの結果を記録します。独立して作業をこなし、継続的に学習・思考できるシステムです。

形態の違い：

市場に出回っているAI製品は本質的にすべてエージェントですが、自律的な実行度合いや形態が異なります。例えば、プログラミング用のCLIツールやデスクトップAIアシスタントなどです。これらのアシスタントはPCを操作したり、タスクを定期実行したり、SNSを通じて連絡を取り合ったりと、まさに助手のようにあなたの仕事をサポートします。

第5段階：効率化と安全性——スキルとハーネス

エージェントが使えるようになると、より効率的な管理が必要になります。

スキル(Skills)：

プロンプトは一度きりの「手品」のようなもので、毎回書き直しが必要です。一方、スキルは構造化された、再利用可能なプログラミング能力であり、「一冊の本」のようなものです。好みやルールをスキルとして書き込んでおけば、エージェントは実行中に必要に応じてそれを読み出し、使用するため、コンテキストの消費を大幅に抑えられます。

ハーネス（Harness）：

エージェントが独立して作業できるようになると、制御を失った際にチケットを勝手に購入したり、PCを初期化したりするリスクがあります。ハーネスは、脱走しそうなエージェントを制御するための「馬具」のようなものです。包括的で安定したコンテキストを提供し、境界線（レッドライン）を定め、タスクの成果を自動的に検証することで、AIの生産性を制御可能な範囲で最大限に引き出します。

まとめ

これらの概念は突如現れたわけではなく、一つひとつが前段階で生じた実際の課題を解決するために生まれました。単なるチャットから現在のエージェントに至るまで、AIは「ただ話せる」から「実際にできる」という進化を遂げようとしています。