第3章 AIエージェントの要点
RAG、エージェントの仕組み、MCP、安全に使う原則を整理

更新日 2026年11月9日読む時間の目安約7分

この記事の要点

第3章は、AIが自分で手順を考えて仕事を進める仕組みの章です。AIエージェントの定義、RAG、エージェントの構成、MCP などの外部連携、活用事例、リスクと安全に使う原則が出ます。
RAG とファインチューニング、ワークフロー型と自律型、MCP・A2A・Agent Skills のように、似た仕組みの役割の違いが問われます。
用語は「何を解決するための仕組みか」で6つに分けると、覚えやすくなります。

この記事の目次

この章で問われること
6つのまとまりと押さえる用語
取り違えやすい組み合わせ
この章の勉強の進め方
この章の用語の違いをくわしく
第3章の問題を解いてみる
よくある質問

この章で問われること

第3章「AIエージェント」は、LLM（大規模言語モデル）を中核に、ツールや記憶を組み合わせて、目標に向けて自分で作業を進める AI の仕組みを扱います。RAG のような、生成AIの弱点を補う仕組みも含まれます。

本番の60問のうち、第3章からは12問前後と予想しています。もちこ道場の模擬試験（60問・60分）は、5つの章の出題数を第1章9問、第2章12問、第3章12問、第4章18問、第5章9問としていて、第3章は試験全体の20%にあたります。もちこ道場の第3章には134問があります。

出てくる用語は、何を解決するための仕組みかで、次の6つのまとまりに分けると整理しやすくなります。

第3章の用語の6つのまとまり（もちこ道場のまとめ）

6つのまとまりと押さえる用語

1. AIエージェントとは

用語	ひとことで
AIエージェント	目標に向けて、自分で手順を組み立て、ツールを使いながら進める AI。一問一答の対話型との大きな違いは「計画」
ワークフロー型	人があらかじめ決めた手順に沿って処理する。予測しやすく、説明しやすい
自律型	手順やツールの選び方まで AI 自身が判断する。柔軟だが費用が高く、誤りが積み重なる危険がある
Human-in-the-Loop	削除・決済・外部送信などの高リスクな操作の前に、人が確認・承認する設計

2. RAG（検索拡張生成）

用語	ひとことで
RAG	回答の前に外部の文書を検索し、その内容を質問と一緒に LLM に渡す。モデルを再学習せずに、最新情報や社内情報を使える
チャンク分割	文書を適切な長さの断片に分ける。長すぎると不要な内容が混ざり、短すぎると文脈が欠ける
埋め込み・ベクトルデータベース	断片を意味の近さを計算できる数値にして保存し、意味で検索できるようにする
ハイブリッド検索	意味による検索（ベクトル）とキーワード検索を併用する。型番など正確な文字列に強くなる
リランキング	最初に多めに取り出した候補を、関連度で並べ直し、上位だけを渡す
Graph RAG・Agentic RAG	要素の関係を知識グラフにして使う（Graph RAG）。検索の判断を AI に任せる（Agentic RAG）
データサイロ	部署やシステムごとに情報が分断され、横断して参照できない状態

3. AIエージェントの仕組み

用語	ひとことで
Function Calling（Tool Use）	LLM が使いたいツール名と引数を返す。実際の実行は LLM ではなくアプリ側が行う
短期メモリ・長期メモリ	会話の中の記憶と、会話をまたいで好みや過去の決定を保持する記憶
コンテキストエンジニアリング	システムプロンプト・ツール定義・取得データ・会話履歴など、モデルが見る情報全体を設計する
ガードレール	システム側で入出力やツール実行を検査し、違反時に止める。指示文（システムプロンプト）だけでは守られないことがあるため組み合わせる
構造化出力	出力を指定した形式に従わせる。保証されるのは形式で、内容の正しさではない
フィードバックループ	推論 → 行動 → 観察 → 再計画の繰り返し

4. MCP・Agent Skills と外部連携

用語	ひとことで
MCP	AI を外部のデータやツールにつなぐ、オープンな共通規格。連携ごとの個別開発の手間を減らす
マルチエージェント	リードエージェントが目標を分け、サブエージェントに任せて並列に進め、結果をまとめる。費用は高くなる
A2A	エージェントどうしが連携するためのプロトコル
Agent Skills	作業手順やノウハウをまとめたもの。最初は名前と説明だけ読み、必要なときだけ本文を読むので、コンテキストの消費を抑えられる

5. ツールと活用事例

用語	ひとことで
コーディングエージェント	コードを読む・書く・直す・テストするといった作業を、自分で進める
プルリクエスト	変更を取り込む前に人が確認する依頼。エージェントの成果を審査する関所になる
ハーネスエンジニアリング	制約・ツール・検証・フィードバックなど、モデルの外側の環境を設計して、信頼できる成果を出させる
ブラウザ操作エージェント	画面の操作を代行する。ログインや決済の確定の前には人の承認を入れる
ディープリサーチ	調査計画を立て、検索と閲覧を繰り返して、出典つきのレポートを作る。出典があっても人が事実確認する

6. リスク・安全性・評価

用語	ひとことで
権限の過剰付与	仕事に必要な範囲を超えた機能・アクセス権・自律性を与えてしまうリスク
最小権限の原則	担当業務に必要な最小限の機能やデータだけを与える。被害の範囲を小さくできる
連鎖的なエラー	途中の小さなミスが次の手順の入力になり、進むほど誤りが大きくなる
間接プロンプトインジェクション	Webページやメールの中に埋め込まれた攻撃者の指示を、命令として実行してしまう
サンドボックス	アクセスできるファイルや通信先を限った隔離環境。誤動作や乗っ取りの影響を限定する
Eval（評価）	用意した課題で結果を採点し、成功の度合いを測る。運用中のモニタリングと補い合う

取り違えやすい組み合わせ

選択肢には、同じまとまりの用語が並びます。次の組み合わせは、「何が違うか」を一言で言えるようにしておきます。

組み合わせ	見分け方
ワークフロー型と自律型	手順を人が決める（ワークフロー型）か、AI が判断する（自律型）か
RAG とファインチューニング	資料を検索して渡す（RAG。モデルは変えない）か、モデル自体を追加学習する（ファインチューニング）か
ハイブリッド検索とリランキング	検索のしかたを組み合わせる（ハイブリッド）か、取り出した候補を並べ直す（リランキング）か
Graph RAG と Agentic RAG	関係を知識グラフで使う（Graph RAG）か、検索の判断を AI に任せる（Agentic RAG）か
短期メモリと長期メモリ	会話の中だけか、会話をまたいで保持するか
MCP と A2A	AI と外部のツール・データをつなぐ（MCP）か、エージェントどうしをつなぐ（A2A）か
ガードレールとシステムプロンプト	システム側で止める仕組み（ガードレール）か、モデルへのお願い（システムプロンプト）か
最小権限とサンドボックス	与える権限を絞る（最小権限）か、動かす環境を隔離する（サンドボックス）か

この章の勉強の進め方

6つのまとまりの名前を覚え、用語を見たら「どのまとまりの話か」を言えるようにします。
RAG は、「準備（チャンク分割・埋め込み）→ 検索 → 回答」の順に流れを説明できるようにします。
リスクは、「何が起きるか」と「その対策は何か」を2点セットで覚えます。
問題を解いて、迷った用語をその日のうちに見直します。

RAG とファインチューニングは「RAG とファインチューニングの違い」でくわしく整理しています。勉強の全体の計画は「勉強時間の目安と1か月の計画」にまとめています。

この章の用語の違いをくわしく

RAG とファインチューニングの違い

第3章の問題を2問、解いてみる

もちこ道場の第3章の問題です。演習画面と同じ解説（図解・選択肢ごとの解説）を付けています。

問1

エージェントシステムのうち、人があらかじめ定義した明確なコードや手順に従って処理を順次実行していく構成を1と呼ぶ。業務プロセスが定型化されており、予測可能性や動作の安定性、説明責任が強く求められる業務場面で特に適している。

答えと解説を見る

正解は 3（ワークフロー型エージェント）です。

【概要】

人があらかじめ決めたコードや手順に沿って処理を進める構成がワークフロー型エージェントである。道筋を人が設計するため、予測しやすく説明もしやすい。

【各選択肢の解説】

1. 自律型エージェントあなたの解答自律型エージェントは、LLM自身が手順を決めて進める構成であり、人が手順を定義する本問の構成ではない。
2. Agentic RAGあなたの解答 Agentic RAGは、RAGにエージェント的な動きを加えた発展形であり、手順固定の構成を指す語ではない。
3. ワークフロー型エージェント正解あなたの解答ワークフロー型エージェントは、決められた手順を順に実行する構成で、定型業務に向く。
4. Graph RAGあなたの解答 Graph RAGは、関係性をグラフで扱うRAGの発展形であり、エージェントの構成区分ではない。

問2

AIアプリケーションと外部のデータソースや各種ツール（ファイル操作・データベース・検索等）を接続する際、個別開発の手間を削減し相互運用性を高める目的で策定されたオープンな接続規格（標準プロトコル）を1と呼ぶ。

答えと解説を見る

正解は 3（MCP（Model Context Protocol））です。

【概要】

MCPは、AIアプリケーションを外部のデータやツールにつなぐためのオープンな共通規格である。接続方法をそろえ、連携ごとの個別開発の手間を減らす。

【各選択肢の解説】

1. A2A（Agent-to-Agent）あなたの解答 A2Aは、異なる仕組みのエージェントどうしが連携するためのプロトコルであり、ツールやデータへの接続規格ではない。
2. Agent Skillsあなたの解答 Agent Skillsは、作業の手順やノウハウをまとめた部品であり、外部への接続口ではない。
3. MCP（Model Context Protocol）正解あなたの解答 MCPは、AIアプリと外部のツール・データを共通のやり方でつなぐ標準規格である。
4. RLHFあなたの解答 RLHFは、人の評価を使ってモデルを調整する学習手法であり、外部システムとの接続規格ではない。