AIエージェントとコンテキストエンジニアリング｜PEP検定シラバス第6章

6-1. AIエージェントの基本概念と意義

AI エージェントは、目標を与えられると自分で手順を組み立て、ツール（検索、コード実行、社内システムの API など）を呼び出しながら作業を進めるプログラムです。「一問一答」の対話型 AI と違い、複数の段階を自律的に進めます。

意義は、人が手順を逐一指示しなくても仕事が進むことにあります。一方で、目的や制約が曖昧だと誤った方向に作業を重ねてしまうため、指示の質がこれまで以上に結果を左右します。

エージェントは「状況を認知する → 次の行動を判断する → ツールを実行する → 結果を認知する」のループを、目標を達成するまで繰り返します。途中の状態（何をして何が分かったか）を保持する状態管理が要で、長い作業では要約や外部メモリで管理します。

止まらない・堂々巡りする・危険な操作をする、といった失敗を防ぐため、最大回数、承認が必要な操作、完了条件を設計に組み込みます。

コンテキストエンジニアリングは、モデルに渡す情報全体（指示、履歴、文書、ツールの説明、出力例）を「限られた窓の中で何を、どの順で、どれだけ渡すか」という観点で設計する技術です。プロンプトエンジニアリングを、1回の指示から作業全体の情報設計へ広げたものと言えます。

品質は「必要な情報が入っているか」「不要な情報で薄まっていないか」「矛盾していないか」で評価します。

典型的な構成は、システムプロンプト（役割・ルール・出力形式）、ユーザーの指示、会話履歴、参照文書（RAG の検索結果など）、ツールの定義と結果です。優先度の高い固定情報を前に置き、頻繁に変わる情報を後ろに置くと、安定性とキャッシュ効率が上がります。

履歴は伸び続けるため、古い部分の要約や、不要になったツール結果の削除といった整理が必要です。

Function Calling（ツール呼び出し）では、モデルに「使えるツールの名前・説明・引数の形」を渡し、モデルが必要と判断したときに構造化された呼び出しを返します。実行はプログラム側が行い、結果をモデルに返します。

良いツール設計は、名前と説明が具体的で、引数が少なく、失敗したときのエラーが分かりやすいことです。外部 API を呼ぶときは権限を最小にし、取り込んだ外部文章は指示として扱わない（プロンプトインジェクション対策）を徹底します。