AI エージェントとは、Simon Willison が最終的に採用した定義によれば、目標を達成するためにツールをループで実行する大規模言語モデルである。広く使われている「ツールをループで実行する（tools in a loop）」という定式化に、彼自身が付け加えた目標の節を組み合わせたものだ。モデルにはハーネスに対してアクションを要求する能力が与えられ、各アクションの結果はモデルにフィードバックされ、モデルは目標が達成されるまで推論と行動を続ける。それぞれの部分に役割がある。「ツールをループで実行する」は仕組みを名指しし、「目標を達成するために」は、これを際限のないループと区別する停止条件を与えている。
この定式化には、ここで扱う情報源の中で記録された 2 つの時点がある。2025 年 5 月、Anthropic の開発者カンファレンスで、Anthropic の登壇者が、Anthropic では「エージェントとはツールをループで使うモデルである」と述べたと報告されている。これを好意的に書き留めたのが Simon Willison で、彼はそのイベントでこの言葉が定義されないまま頻繁に使われていたことに不満を抱いていた。2025 年 9 月、Willison はこの定式化を自身の作業上の定義として採用し、「ユーザーが設定した目標」というより狭い表現を検討したうえで退け、目標の節を自ら付け加えた。
用法
より長い解説では、この定義が何を含み、何を意図的に除外しているかが示されている。メモリは独立した要件ではない。情報源の主張によれば、ツールをループで実行するモデルには基本的な形のメモリが組み込まれている。ツール呼び出しはモデルとの会話の中に蓄積されていき、それ以前のステップが現在の目標に必要な短期記憶を提供するからであり、長期記憶はさらに別のツール群として追加するのが最善だという。また、目標がユーザーから与えられる必要もない。情報源は「ユーザーが設定した目標」を必須の節とすることを検討したうえで退けており、その根拠は、ある LLM が別の LLM の目標を設定するサブエージェントのパターンがすでに存在することにある。これは サブエージェントアーキテクチャ で説明されている形である。
エージェント型エンジニアリングのパターン で一般読者向けに定義を言い直す中で、Willison は、圧縮された定式化では暗黙のままになっている「エージェント」という語が実際に何を指すのかを詳しく説明している。エージェントとは、あなたのプロンプトと一連のツール定義を添えて LLM を呼び出し、LLM が要求したツールを実行してその結果を LLM にフィードバックするソフトウェアである。この読み方では、モデルはエージェントそのものではなく、エージェントの構成要素である。これはハーネスという捉え方が行うのと同じ分離である（AI コーディングエージェント を参照）。彼はさらに、コーディングエージェントを生み出す特殊化についても付け加えている。すなわち、そのツールの中にコードを実行できるものが含まれていることである。また、この用語を定義することの難しさは LLM の時代よりも前にさかのぼるとし、「エージェント」を明確に定義することは少なくとも 1990 年代から AI 研究者を悩ませてきたと指摘している。
情報源は、何を退けるかについても同様に明確である。エージェントを人間のスタッフの代替とする定義を最も好ましくないものとして取り上げ、その範疇は「依然として SF のままだ」と論じている。人間のスタッフを特徴づけるのは説明責任、つまり責任を引き受け、過ちから学ぶ能力であり、情報源はこれを、コンピュータは決して責任を問われることがないのだから決して経営上の判断を下してはならない、という引用された格言で説明している。関連して、人間は自らの目標を形成するという意味での主体性を持つが、AI エージェントはその名前にもかかわらずそれを持たないという点も指摘している。さらに、最大の混乱の源として OpenAI を名指ししている。同社の CEO はエージェントを独立して仕事をこなすシステムとして語り、同社の「ChatGPT agent」機能はブラウザ自動化システムであり、ツールをループで実行するという考え方に近いのは Agents SDK だけだ、というのがその観察である。
ベンダー自身による区別
効果的なエージェントの構築 は、同じ領域を Anthropic がより早く、より詳しく扱ったもので、2024 年 12 月、つまり上述の 2025 年 5 月の発言より前に公開された。この記事は、定義の問題を決着させないことによってこれに取り組んでいる。Anthropic は、顧客が「エージェント」をいくつかの意味で定義していることを指摘する。長期間にわたって独立して動作する完全に自律的なシステムを指す人もいれば、事前に定義されたワークフローに従う規範的な実装を指す人もいる。そのどちらかを選ぶ代わりに、Anthropic はこうしたバリエーションすべてを エージェント的システム（agentic systems） としてまとめ、そのカテゴリの内側にアーキテクチャ上の線を引いている。ワークフローは、LLM とツールが事前に定義されたコードパスを通じてオーケストレーションされるシステムであり、エージェントは、LLM が自らのプロセスとツールの使用を動的に指示し、タスクをどのように達成するかについての制御を保持するシステムである。
したがって線は、システムがどれほど有能か、どれほど自律的かではなく、経路を誰が決めるかによって引かれている。そしてそれによって、記事はそれぞれの側に異なる助言を付けることができている。明確に定義されたタスクで予測可能性と一貫性が求められる場合にはワークフロー、柔軟性とモデル主導の意思決定が大規模に必要な場合にはエージェント、というものである。
記事が描く動作中のエージェントの姿は、ループの定式化とよく一致している。エージェントは人間からのコマンドや対話的な議論から始まり、その後は独立して計画し動作する。情報や判断を求めて人間のもとに戻ることもある。実行中には、エージェントが各ステップで環境から「グラウンドトゥルース」（ツール呼び出しの結果やコードの実行結果）を得て進捗を評価することが極めて重要だとされている。Anthropic は実装を率直に述べている。エージェントは「典型的には、環境からのフィードバックに基づいてループの中でツールを使う LLM にすぎない」。これは上述の定義と同じ形であり、環境がループを誠実に保つ役割を担っている。
ループの定式化が未解決のまま残しているものにこの記事が付け加えているのは、終了についてである。タスクは完了によって終わることが多いが、制御を維持するために最大反復回数のような停止条件を含めることも一般的だと記事は述べている。これは、内側からループを有限にする目標と並んで、外側から課される制限である。
研究文献によるチェックリスト
ソフトウェアエンジニアリングにおける LLM から LLM ベースのエージェントへ：現状、課題、将来に関するサーベイ は、同じ定義の問題に研究の側から取り組み、LLM が LLM ベースのエージェントと見なされるために示すべき能力を正確に規定する、包括的で広く受け入れられた定義はまだ存在せず、ソフトウェアエンジニアリングの分野では特にそうだと報告している。一文の定義に落ち着く代わりに、このサーベイは主流の定義と 2024 年前半の文献から基準を総合し、6 つの基準を示して、その大部分を満たすアーキテクチャをエージェントとして扱っている。
- LLM が頭脳として機能する。すなわち情報処理と思考の生成の中心となる。
- フレームワークが、LLM の言語理解・生成能力だけでなく、意思決定と計画の能力を備えている。
- ツールが利用可能な場合、モデルがいつどのツールを使うかを自律的に決定し、その結果を自らの予測に統合できる。
- モデルが、複数の同種の結果の中から最適な解を選択できる。
- モデルが、複数回のやり取りを扱い、文脈の理解を維持できる。
- モデルが、自律的な学習能力と適応性を備えている。
サーベイは、最初の 4 つを基本的なレベルのエージェント性にとって不可欠なものとし、最後の 2 つを、有益ではあるが初期の分類には厳密には必要でない、より高度な振る舞いとして扱っている。これにより厳密さを保ちつつ柔軟性を持たせられるとしている。そのうえで、このリストを実際の判定基準として適用している。意思決定と計画がコードの生成と改善に限られ、全体的な計画を持たず、実行順序が完全に固定されている自己改善フレームワークは、エージェントではなく高度な LLM アプリケーションに分類される。一方、外部ツールとの統合を欠いていても、役割の分担、自己改善の能力、自律的な意思決定を理由に、複数の役割が協働するフレームワークはエージェントに分類される。この 2 つの判断は、サーベイがどこに線を引いているかを示している。すなわち、周囲の足場がどれほど精巧かではなく、制御フローを決めるのがモデルかどうかである。
適用される場面
この定義は、確立された業界上の意味としてではなく、技術的な実装者の間での作業上の慣習として提示されており、情報源はその境界について明示的である。技術的な実装者が「エージェント」と言うときには、有限のループの中で目標を達成するために LLM に接続されたツールを意味していると読むことを提案する一方、その分野の外、つまり技術者ではないビジネス側の相手と話す場合には、話を進める前に相手がどの定義を使っているのかを確認するよう助言している。
その理由として述べられているのは、専門用語は双方が定義を共有しているときにのみ役に立ち、意味の争われている用語はコミュニケーションをより効果的にするどころか、かえって効果を損なうということである。情報源はこれを新しい問題ではなく長年の問題として扱い、「エージェントとは何か」という問いは、「知能とは何か」という問いが主流の AI を困惑させるのと同じように、エージェントベースのコンピューティングのコミュニティを困惑させている、という Carl Hewitt の以前の発言を引用している。この定義がどれほど確立しているかは、情報源自身がそこに至った経緯の説明から推し量ることができる。著者は以前、クラウドソーシングで集めた 211 の定義を収集してクラスタリングを試みたと報告しており、この定義を、権威ある裁定としてではなく、自分が括弧付きの留保なしに使ってもよいと思えるようになった定義として提示している。意味の拡散（Semantic Diffusion） と比較されたい。
関連用語
AI コーディングエージェント、拡張 LLM、サブエージェントアーキテクチャ、エージェント型コーディング、長時間稼働エージェント、意味の拡散（Semantic Diffusion）、「エージェント」はついに、有用な専門用語となるほど広く合意された定義を持つに至ったのかもしれない、ソフトウェアエンジニアリングにおける LLM から LLM ベースのエージェントへ：現状、課題、将来に関するサーベイ