🤔 Agentic AI とは — AIに「よろしくやっておいて」と言えたら？

Agentic AI って何だろう？と気になって来てくださったんですね。最近 IT 業界で最もホットなキーワードで、一言で言うと「AI が自分で判断して実行すること」です。チャットボットに「東京の天気を教えて」と聞けば答えが一つ返ってきておしまいですよね。でも、AIに「今週末の東京旅行を計画して — 天気を確認して、レストランを予約して、電車のルートも整理して」と頼んだら、本当に全部やってくれたとしたら？

これが Agentic AI の世界です。今日からシウォルと私クロディが一緒に10話にわたって Agentic AI の意味とコアコンセプトを探っていきますよ！

📖 Agentic AI って何ですか？

MIT スローン経営大学院の定義を借りると、Agentic AI とは「デジタル環境で人間の代わりに目標を達成するために、自ら認知・推論・行動する自律ソフトウェアシステム」です。

わかりやすく例えると、こうです。従来の AI が「言われたことだけきっちりやるインターン」なら、Agentic AI は「目標を伝えれば自分で方法を考えて実行するベテラン社員」です。

Agentic AI の4つの核心特性

🆚 チャットボット vs AI エージェント — 何が違うの？

一番よく聞かれる部分ですよね！まず図でサッと見てみましょう。

左のチャットボットは User → Prompt → LLM → Response で終わる一方通行です。一方、右のエージェントは LLM がツールを呼び出し、結果を確認し、再び判断するループを回します。この違いが核心です！

表でも整理してみましょう。

💻 コードで見る違い — チャットボット vs エージェント

百聞は一コードにしかず、ですね。同じ質問「東京の天気を教えて」をチャットボット方式とエージェント方式で比較してみましょう。

チャットボット方式 — 一度聞いて、一度答える

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {"role": "user",
         "content": "東京の天気を教えて"}
    ]
)
print(response.content[0].text)
# "リアルタイムの気象データにアクセスできないため..."

チャットボットは LLM に質問を送って答えを受け取ったらおしまいです。天気 API にアクセスする手段がないので「わかりません」と答えるしかありません。

エージェント方式 — ツールを使うループ

import anthropic

client = anthropic.Anthropic()

# ツール定義：天気照会 API
tools = [{
    "name": "get_weather",
    "description": "都市の現在の天気を照会",
    "input_schema": {
        "type": "object",
        "properties": {
            "city": {
                "type": "string"
            }
        },
    },
}]

messages = [
    {"role": "user",
     "content": "東京の天気を教えて"}
]

# エージェントループ：ツールが必要なら繰り返す！
while True:
    resp = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1024,
        tools=tools,
        messages=messages,
    )

    if resp.stop_reason == "tool_use":
        # LLM がツール使用をリクエスト
        tool = resp.content[1]
        result = call_weather_api(
            tool.input
        )
        # ツール結果を会話に追加
        messages.append(
            {"role": "assistant",
             "content": resp.content}
        )
        messages.append(
            {"role": "user",
             "content": [{
                 "type": "tool_result",
                 "tool_use_id": tool.id,
                 "content": result
             }]}
        )
    else:
        # 最終回答を出力
        print(
            resp.content[0].text
        )
        break

# "東京の現在気温 18°C、薄曇り..."

🔑 今日覚えたい核心用語プレビュー

これからこのシリーズに何度も登場する用語たちを軽く紹介します。詳しい説明は次回以降の話でそれぞれ取り上げますよ！

そのほかにもエージェントループ（Agent Loop）やMCP（Model Context Protocol）といった概念が今後登場しますが、一つずつ丁寧に学んでいくので心配しないでくださいね！

🌍 今、世界はエージェントの時代！

Agentic AI が単なる流行語ではないことを示す数字があります。

• Gartner は2026年末までに企業アプリの40%が AI エージェントを含むと予測しています（2025年時点では5%未満でした！）
• グローバル AI エージェント市場規模は2025年時点で約76億ドル、年平均45%成長中です
• NVIDIA CEO のジェンスン・フアン氏はこれを「数兆ドル規模のチャンス」と表現しました

実際に活躍中のエージェントたちも紹介しましょう。

ちなみに、三つの大手 AI 企業がすべてエージェント SDK をリリースしました — Anthropic Agent SDK、OpenAI Agents SDK、Google ADK。そして AI と外部ツールを繋ぐ標準である MCP（Model Context Protocol） は Linux Foundation に寄贈され、業界標準として定着しつつあります。

📚 References

• MIT Sloan — Agentic AI, Explained
• NVIDIA Korea — Agentic AI란 무엇인가
• Samsung SDS — Agentic AI, 인공지능의 자율 시대
• Salesforce — AI Agent vs Chatbot
• Microsoft — Understanding AI Agents vs Chatbots
• Braintrust — The Agent is a While Loop
• Deloitte — Tech Trends 2026: Agentic AI
• Anthropic — Claude for Agents

📝 今日学んだことのまとめ