AI エージェント 入門 ─ ReAct・Tool Use・Multi-Agent

LLM 単体では『答えを返す』だけ。AI エージェント は LLM に 計算・検索・コード実行 などのツールを与え、複雑なタスクを自律的に解決させる枠組みです。

なぜエージェントが必要か

LLM は次の問題が解けません:

• 最新情報: 学習データ以降のニュース
• 正確な計算: 大きい数の四則演算で間違える
• 実行: コードを動かしてその結果を反映
• 外部システム連携: DB ・ API ・ メール送信

→ ツールを呼べばすべて解決。

ReAct パターン

Reason(推論) + Act(行動) を交互に繰り返す。Yao et al. 2022 の論文が元祖。

User: 東京と大阪の人口の差は?

AI: Thought: 東京と大阪の最新の人口を調べる必要がある。
     Action: search('東京 人口 2024')
     Observation: 東京都の人口は約 1404 万人。

     Thought: 次に大阪。
     Action: search('大阪 人口 2024')
     Observation: 大阪府の人口は約 880 万人。

     Thought: 計算する。
     Action: calculator(1404 - 880)
     Observation: 524

     最終回答: 約 524 万人の差です。

Tool Use(Function Calling)

OpenAI ・ Claude API はネイティブで関数呼び出しをサポート。スキーマを宣言するだけで LLM が自動で引数を埋めて呼ぶ。

tools = [{
    'type': 'function',
    'function': {
        'name': 'get_weather',
        'description': '指定地の天気を取得',
        'parameters': {
            'type': 'object',
            'properties': {
                'city': {'type': 'string'}
            },
            'required': ['city']
        }
    }
}]

resp = client.chat.completions.create(
    model='gpt-4o',
    messages=[{'role': 'user', 'content': '東京の天気は?'}],
    tools=tools,
)

for call in resp.choices[0].message.tool_calls:
    if call.function.name == 'get_weather':
        args = json.loads(call.function.arguments)
        result = my_weather_api(args['city'])  # 実行
        # 結果を LLM に戻して最終応答を得る

代表的なフレームワーク

• LangChain / LangGraph: 最も普及、状態管理が強い
• AutoGen(Microsoft): Multi-Agent の代表
• CrewAI: 役割分担型 Multi-Agent
• Claude Agent SDK / OpenAI Agents SDK: 公式 SDK

Multi-Agent ─ 役割分担

1 つのタスクを 複数の専門エージェント で分担。

• プランナー: 全体計画立案
• リサーチャー: 情報収集
• コーダー: 実装
• レビュアー: 品質チェック
• マネージャー: 統括 ・ 調整

実用例

• コーディング支援: Claude Code ・ Cursor ・ Cline
• カスタマーサポート: 過去 FAQ + ナレッジ DB を参照
• データ分析: SQL 自動生成 + 実行 + 可視化
• 研究補助: 論文検索 + 要約 + 比較
• ワークフロー自動化: メール送信 ・ Slack 投稿 ・ DB 更新

実装上の注意点

• エラーハンドリング: ツール失敗時のリトライ ・ フォールバック
• コスト管理: 無限ループ防止、最大ステップ数
• セキュリティ: コード実行時のサンドボックス、Vercel Sandbox 等
• 評価: 完了率 ・ 正答率 ・ コスト効率の測定

学習リソース

• [LLM 入門](/blog/llm-introduction)
• [プロンプトエンジニアリング基礎](/blog/prompt-engineering-basics)
• [RAG 入門](/blog/rag-introduction)
• [MLOps 基礎](/blog/mlops-basics)

まとめ

AI エージェントは『LLM の能力を増幅する』アプローチ。2025 年は エージェント元年 と呼ばれ、業務自動化の主役になりつつあります。