エージェント型AIはモデル、ツール、制御ループを組み合わせ、複数の段階で目標に取り組みます。結果を確認して次の行動を選べますが、信頼性は実装、権限、検証に左右されます。
自律型AIエージェントは、実行中に外部ツールを呼び出して能力を拡張します。一般的なツールには、ウェブ検索、コードインタープリター、ファイルの読み書き、カレンダーアクセス、外部サービスへのAPI呼び出しがあります。モデルはいつツールを使い、何を渡すかを決め、その出力を次の推論ステップに取り込みます。
各ツール呼び出しや行動の後、エージェント型システムは何が起きたかを観察し、調整します。ウェブ検索の結果が不十分なら別の検索語を試します。生成したコードがエラーを出せば、エラーメッセージを読み、コードを修正します。行動、観察、修正のこの循環により、各段階で人の案内を受けずに複雑なタスクを完了できます。
ユーザーは「先月の顧客苦情をすべて要約する」「木曜日までにベルリンへの最も安い航空券を予約する」「これらの契約のうち標準外の責任条項を含むものを特定する」といった高レベルの目標を与えます。システムは目標を入力として受けますが、達成方法の指示は受けません。
システムの中核にある言語モデルが計画を生成します。必要なステップ、利用できるツール、進める順番について推論します。一般的な枠組みとして、Yaoらが2022年に導入したReActパターンがあります。これは推論の軌跡と具体的な行動を交互に行います。モデルは何をすべきかを考え、実行し、結果を観察し、次に何をするかを推論して続けます。
計画は固定されません。初期ステップが予想外の結果を生んだ場合、モデルはあらかじめ決められたスクリプトに従うのではなく、方法を修正します。
実行にはモデルの内部知識を超えることが必要です。システムは、最新情報を取得するウェブ検索、計算を実行するコードインタープリター、構造化レコードを引き出すデータベースクエリ、外部システムで行動するAPI呼び出しといったツールを呼び出します。各ツール呼び出しは、現在のステップが必要とすることに応じてモデルが選びます。
各ツールの出力は次の推論ステップへの入力になります。モデルはツールの返却内容を読み、進むか、繰り返すか、方向を変えるかを決めます。
ファイル書き込みが失敗すれば、システムはエラーを読みます。検索が無関係な結果を返せば、クエリを組み直します。コードブロックが誤った出力を生めば、デバッグします。目標に達するか、行き詰まったと判断するまでループを続けます。