AIエージェントという語は、製品の紹介にも社内の提案書にも出てきます。ところが画面を開くと入力欄が1つ並んでいるだけで、どこからがエージェントなのかは読み取れません。
この語が指すのは、目標を伝えると自分で手順を計画し、道具を呼び出しながら複数の手順を進めるAIです。ただし、どこまでの自律性を指すかは提供元によって線の引き方が違います。
この記事では、提供元4社の公式ドキュメントにある定義の照合から、中核にあるループ、道具を使う仕組み、自律の度合いによる線引き、AI検索での使われ方までをご紹介します。
AIエージェントという呼び名は、簡単なプロンプトに答えるAIから、複数の手順にまたがる業務を代行するソフトウェアまで、かなり幅広い意味で使われています。呼び方のばらつきを整理する手がかりになるのは、提供元4社の公式ドキュメントに書かれている定義です。
図1：3つの部品と、入力と出力のつながり。出典はMicrosoft Learn「Introduction to AI Agents」（2026年9月23日確認）。
図1：3つの部品と、入力と出力のつながり。出典はMicrosoft Learn「Introduction to AI Agents」（2026年9月23日確認）。
閉じる 出所：GMO AI検索ラボ Anthropic（＝対話AI「Claude」の開発元）は、技術記事「Building effective agents」の冒頭で、この語のばらつきをそのまま書いています。
"Agent" can be defined in several ways. Some customers define agents as fully autonomous systems that operate independently over extended periods, using various tools to accomplish complex tasks. Others use the term to describe more prescriptive implementations that follow predefined workflows. 「エージェント」にはいくつかの定義のしかたがあります。長い期間にわたって独立して動き、さまざまな道具を使って複雑な作業をやり遂げる、完全に自律した仕組みをエージェントと定義する顧客もいます。あらかじめ決められた手順に従う、より規定の強い実装を指してこの語を使う顧客もいます。
出典：Anthropic「Building effective agents」（2024年12月19日公開・2026年9月23日確認）（新しいタブで開く） Anthropic自身は、この両方をまとめて agentic systems と総称します。そのうえで、人が決めた手順をコードでなぞる仕組みをワークフローと呼び、LLM（＝大量の文章で学習した言語AI）が自らの処理と道具の使い方を動的に決める仕組みをエージェントと呼んで、2つを分けています。
Google Cloudの用語解説にあるAIエージェントの定義は、AIを使って利用者の代わりに目標を追求し、タスクを完了させるソフトウェアシステムです。推論と計画とメモリーが可能であることが示されており、意思決定と学習と適応を行うレベルの自律性を備えている、という書き方です。このページには最終更新日が出ており、2026年9月23日に開いた時点では2026年4月2日と表示されていました。
Microsoft Learnの解説は境目のほうから入っており、エージェントとアシスタントを分けるのは自律性であり、アシスタントは人を支え、エージェントは目標を完了させる、と書いています。同じページは、エージェントの構成要素をModel・Instructions・Toolsの3つに分けています。
OpenAIのAPIドキュメントは、エージェントができることを1文で並べており、道具を使って計画と完了を行い、ほかのエージェントと協働し、手順をまたいで文脈を保つ、という書き方です。単発の応答ではなく、複数の手順にわたる作業をやり切るところに重心を置いた説明だと読めます。
4社の公式ドキュメントにある定義。英文のページは原文から訳した（2026年9月23日確認）
提供元 ページ名 書かれている定義 Anthropic Building effective agents LLMが自らの処理と道具の使い方を動的に決め、作業のやり遂げ方を自分で制御し続ける仕組み OpenAI Agents（APIドキュメント） 道具を使って計画と完了を行い、ほかのエージェントと協働し、手順をまたいで文脈を保つもの Google Cloud AI エージェントとは AIを使って利用者の代わりに目標を追求し、タスクを完了させるソフトウェアシステム Microsoft Learn Introduction to AI Agents 判断を行い、道具を呼び出し、ワークフローに加わるソフトウェア。アシスタントと分けるのは自律性
横にスクロールできます
4つを重ねると共通する骨格が3つ見え、1つめは目標に対して複数の手順を自分で組み立てること、2つめはその過程で道具を呼び出すこと、3つめは1回のやり取りで終わらせず、状態を保ちながら進めることです。
逆にばらついているのは、どこまでの自律性を指すかという範囲の取り方で、複数のエージェントの連携をどう扱うかという点でも、強調のしかたが各社で異なります。他社の説明をそのまま自社の定義として社内へ持ち込むと、話がかみ合わなくなる場合があります。
エージェントの中心にあるのは計画と実行と観察を繰り返すループで、この形は、人が決めた手順をコードでなぞるワークフローと対比すると見えやすくなります。ワークフローでは進み方を人が先に決めますが、エージェントでは目標をどう達成するかという方法そのものをAIの側が決めます。
図2：人が始めてから止まるまでの時間の流れ。出典はAnthropic「Building effective agents」（2026年9月23日確認）。
図2：人が始めてから止まるまでの時間の流れ。出典はAnthropic「Building effective agents」（2026年9月23日確認）。
閉じる 出所：GMO AI検索ラボ Anthropicは、エージェントの実装そのものは複雑ではないとも書いており、高度な作業をこなせるものの、やっていることは道具を使い、環境からの反応を受け取りながらループを回すLLMにすぎない、という説明です。だからこそ、道具の組み合わせと、その説明の書き方を丁寧に設計することが重要になると続けています。
進み方も同じページに書かれており、エージェントは人からの命令か対話で作業を始めます。目標がはっきりしたあとは自分で計画して独立して動き、追加の情報や判断が要る場面では人のところへ戻ります。途中では、道具の呼び出しの結果やコードの実行の結果を手がかりに、進み具合を確かめます。
止まり方についても記述があり、作業が終われば止まるものの、繰り返しの回数に上限を置くような停止の条件を入れて制御を保つ形も一般的だ、と書かれています。人が確認を挟む場所として挙がっているのは、区切りの地点か、行き詰まった地点です。
この違いが表れるのは必要な手順の数を先に見通せない課題で、Anthropicは、必要なステップ数を予測するのが難しい、あるいは不可能な課題にこそエージェントが向くと述べています。手順があらかじめ読める作業ならワークフローのほうが結果の読みやすさで勝るとし、エージェントの形にしない選択もありうると書いています。
Google Cloudは同じ動き方を要素に分けて説明しており、挙げているのは推論・行動・観察・計画・コラボレーション・自己改善の6つで、そのうち中核は推論と行動です。目標に対する戦略を立てる計画と、それを環境に対して実行する行動、実行結果を受け取る観察が、繰り返しの中で組み合わされます。
計画を実行に移す段になると、エージェントは自分の言葉だけで答えを作らず、外側にある機能を呼び出します。道具（ツール＝検索・コード実行・外部システムの呼び出しなど、AIの外側にある機能）を呼び出せることは、4社がそろって挙げている共通の要素です。
図3：学習した知識の外にある情報を取り込むまでの流れ。出典はGoogle CloudとMicrosoft Learnの公式ページ（2026年9月23日確認）。
図3：学習した知識の外にある情報を取り込むまでの流れ。出典はGoogle CloudとMicrosoft Learnの公式ページ（2026年9月23日確認）。
閉じる 出所：GMO AI検索ラボ Google Cloudは、ツールを、エージェントが環境とやり取りして機能を強化するために利用できる関数または外部リソースだと説明しています。ツールを使うことで、情報へのアクセス、データの操作、外部システムの制御といった作業ができるようになる、という書き方です。Microsoft Learnの説明はもっと短く、ツールはエージェントが知識を取り出したり行動を起こしたりするためのものだとしています。
Microsoft FoundryのAgent Serviceは、道具をまとめて管理する仕組みをToolboxesと呼んでいます。公式ドキュメントでそこへ登録するものとして挙がっているのは、Web検索・ファイル検索・コードインタープリター・MCPサーバー・独自の関数の5つです。読み取るだけの道具と、外のシステムを動かす道具が、同じ一覧の中に区別なく並んでいます。
道具を持つ意味は、AIが学習した知識だけに縛られなくなる点にあり、検索の結果や実行の結果という、その場で得られる情報を判断材料に加えられます。学習の時点より後に起きた出来事や、自社固有の情報にも手が届くようになりますが、どこまで届くかは、つないだ道具の種類によって決まってきます。
どの道具をどんな手順で呼ぶかという接続方法を規格としてそろえる動きもあり、その規格がMCPです。Anthropicは同じ技術記事の中で、簡単なクライアントの実装だけで第三者の道具が増え続ける環境へつなげられる方法として、MCPを挙げています。規格そのものの内容は MCPの記事 が扱っています。
どこまでを自分で決めるのかという自律の度合いも、この語を理解するうえで欠かせない軸です。Google Cloudは、AIエージェント・AIアシスタント・botの3つを並べて、この軸の違いを整理しています。同じページはAIアシスタントを、利用者と直接やり取りするように設計されたAIエージェントの一種として定義しており、3つは横並びの別物ではありません。
図4：1回で終わらせず検索を重ねるときの流れ。出典はAnthropic「Building effective agents」（2026年9月23日確認）。
図4：1回で終わらせず検索を重ねるときの流れ。出典はAnthropic「Building effective agents」（2026年9月23日確認）。
閉じる 出所：GMO AI検索ラボ 3つをどう分けているのかは、同じページの「主な違い」の節に書かれています。
AI エージェントは、目標を達成するために、独立して動作し、意思決定を行うことができる、最高レベルの自律性を備えています。AI アシスタントは自律性が低く、ユーザーの入力と指示が必要です。Bot は最も自律性が低く、通常は事前にプログラムされたルールに従います。
出典：Google Cloud「AI エージェントとは」（2026年9月23日確認）（新しいタブで開く） 自律性の高いほうから並べると、AIエージェント・AIアシスタント・botの順です。同じ節は、扱えるタスクの複雑さと、学習して適応する力についても、同じ順で差があると書いています。
3つの違い。表の中の文はGoogle Cloud「AI エージェントとは」の表記をそのまま写した（2026年9月23日確認）
観点 AIエージェント AIアシスタント Bot 目的 自律的かつプロアクティブにタスクを実行 ユーザーの作業をサポート 単純なタスクや会話を自動化 機能 複雑な複数ステップのアクションを実行できる、学習して適応する、独立して意思決定できる リクエストやプロンプトに応答し、情報を提供して簡単なタスクを完了する。アクションを推奨できるが、決定はユーザーが行う 事前定義されたルールに従う。学習は限定的。基本的なやり取り インタラクション 予防型、目標指向 リアクション型: ユーザーのリクエストに応答する 受動的: トリガーやコマンドに応答する
横にスクロールできます
同じエージェントという語が付いていても、実際の自律性の度合いは製品によって幅があります。人による確認をどの場面に残すのかは、いまのところ各社の設計の判断に委ねられています。製品の名前だけで見分けようとすると、期待した働きと実際の働きがずれる場合があります。
「これはAIエージェントか」という問いは、はい・いいえで答えられる形に置き換えられます。4社の定義に共通していた骨格のうち、外から確かめやすい2つを取り出すと、次のようになります。
公式ドキュメントの記述から作った確認項目。判定の言葉はAnthropic「Building effective agents」とGoogle Cloud「AI エージェントとは」の区分に合わせた（2026年9月23日確認）
確かめること はいのとき いいえのとき 目標へ到達するまでの手順を、AIの側が組み立てているか Anthropicがエージェントと呼ぶ側に当たる 人が手順を先に決めているので、Anthropicがワークフローと呼ぶ側に当たる 複数の手順にわたる判断を、利用者の介入なしに進められるか Google Cloudが最高レベルの自律性と書く側に当たる 利用者の入力と指示が要るので、Google CloudがAIアシスタントと書く側に当たる
横にスクロールできます
自律の度合いを上げれば済むという話でもなく、Anthropicは、自律的であることは費用の増加と誤りの積み重なりにつながると書いています。同じページは、隔離した環境での十分な試験と、適切な歯止めを置くことをあわせて勧めています。
エージェントが呼び出す道具の一覧にはWeb検索が入っており、Microsoft FoundryのToolboxesにも、OpenAIのAPIドキュメントの道具の一覧にもWeb検索が並びます。検索は、エージェントにとって特別な機能ではなく、ファイルの操作や外部システムの呼び出しと同じ並びに置かれた道具の1つです。
図5：語の意味・つなぎ方の規格・検索して答えを作る流れで、扱う範囲を分けている。出典はGMO AI検索ラボの記事構成。
図5：語の意味・つなぎ方の規格・検索して答えを作る流れで、扱う範囲を分けている。出典はGMO AI検索ラボの記事構成。
閉じる 出所：GMO AI検索ラボ Anthropicは、エージェントが向く例の1つとして、網羅的な情報を集めるために何度も検索と分析を重ねる作業を挙げています。1回の検索で終わらせるのではなく、途中の結果を見てから次に何を調べるかを決め直す形です。同じプロンプトから始めても、検索をやり直す回数によって集まる情報は変わってくると読めます。
外部の情報を検索してから答えを組み立てる方式は、RAG（＝検索で集めた資料を根拠にして回答を作る仕組み）と呼ばれます。RAGとAIエージェントの受け持つ範囲の違いは MCPとRAGの違いの記事 で、AI検索そのものの仕組みは AI検索の記事 で扱っています。
事業者にとっての意味は、自社のページを読む相手が人だけではなくなるという点にあります。これまでのSEO（＝検索エンジン最適化）は、人が検索結果のリンクを1つずつ開いて読むことを前提にしていました。エージェントは複数のページを自動でたどり、そこから要点を抜き出してひとつにまとめ、その結果を比較や判断の材料として使います。
この変化に備えるときに手がかりになりそうなのは、書き方をどちらか一方へ寄せないことです。人が読んで分かりやすく、機械が読み取っても事実を誤読しない形を、同じページの中で両立させます。同じ事実が人にもエージェントにも同じ意味で伝わる状態にしておくと、あとから手直しする量は減る可能性があります。
AIエージェントかどうかの見分け方は、結局のところ手順を誰が決めているかに集まります。人が先に手順を決めているならワークフロー、AIの側が進め方と道具の使い方を決めているならエージェントです。Anthropicはこの2つを分けたうえで、両方をまとめて agentic systems と呼んでいます。
4社に共通していた骨格は3つで、目標に対して複数の手順を自分で組み立てること、その過程で道具を呼び出すこと、状態を保ちながら進めることです。ばらついていたのは、どこまでの自律性を指すかという範囲の取り方と、複数のエージェントの連携の扱いです。
定義そのものが動いている点にも注意が要り、Anthropicのページには、この記事で説明した道具まわりの状況は2024年12月から大きく変わったという注記があります。Google Cloudのページには最終更新日が出ており、2026年9月23日の時点では2026年4月2日でした。いま読める定義が半年後も同じとは限りません。
製品を選ぶ場面で見るのは名前ではなく2点で、手順をAIの側が組み立てているか、複数の手順にわたる判断を利用者の介入なしに進められるかを、提供元の資料で1つずつ確かめる順になります。社内の資料へ写すときは、定義と一緒に確かめた日も残しておくと、あとで見直しやすくなります。
次に読む記事は目的によって分かれ、社内のシステムへつなぐ側と、検索して答えを作る流れのどちらも MCPの記事 で扱っています。自社のページがAIの答えにどう扱われるかから考えたい場合は、お問い合わせが相談の窓口です。
AIエージェントとチャットボットは何が違いますか。 Google Cloudは、botを、事前定義されたルールに従い、学習は限定的で、基本的なやり取りを行うものだと書いています。AIエージェントについては、複雑な複数ステップのアクションを実行でき、学習して適応し、独立して意思決定できるとしています。分かれ目は、手順をAIの側が組み立てているかどうかです。
4社の定義は同じですか。 完全には一致しません。共通しているのは、目標に対して複数の手順を自分で組み立て、道具を呼び出しながら状態を保って進めるという骨格です。一方で、どこまでの自律性を指すか、複数のエージェントの連携をどう扱うかという強調点は各社で異なります。Anthropic自身も、エージェントという語には複数の定義のしかたがあると書いています。
エージェントとワークフローはどう違いますか。 Anthropicは、人が決めた手順をコードでなぞる仕組みをワークフロー、LLMが自らの処理と道具の使い方を動的に決める仕組みをエージェントと呼んで分けています。同じページは、必要なステップ数を予測するのが難しい課題にエージェントが向くとし、手順が読める作業ならワークフローのほうが結果を読みやすいとしています。
どんなAIでもエージェントと呼べますか。 呼べません。目標への到達手順をAIの側が組み立てているか、複数の手順にわたる判断を利用者の介入なしに進められるか、この2点で見分けます。Google Cloudは、この自律性の度合いでAIエージェント・AIアシスタント・botを区別しています。
AI検索とエージェントはどこでつながりますか。 Web検索が、エージェントの呼び出す道具の一覧に入っています。Microsoft FoundryのToolboxesにも、OpenAIのAPIドキュメントの道具の一覧にもWeb検索が並びます。Anthropicは、何度も検索と分析を重ねて情報を集める作業を、エージェントが向く例に挙げています。
AIエージェントを社内のシステムにつなぐには何が要りますか。 つなぎ方をそろえる規格としてMCPがあります。規格が決めていること、決めていないこと、導入の前に確かめることは MCPの記事 にまとめています。この記事は語の意味の側に絞り、提供元ごとの定義の違いと自律の度合いを扱っています。
