用語比較
RAGとAgentic RAGの違い｜毎回検索してから答えるか、検索の要否と再検索を判断するか（生成AIパスポート）
RAGとAgentic RAGの違いは、検索を誰がいつ決めるかです。通常のRAGは質問のたびに決まった手順で検索して回答を作り、Agentic RAGはモデルが検索するかどうか、結果が足りるか、質問を書き換えて検索し直すかを判断します。
毎回同じ手順で足りるなら通常のRAG、質問によって検索の回数ややり方を変える必要があるならAgentic RAGと使い分けます。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。
- 公式一次資料と照合した内容
- agentic retrievalの処理（クエリ計画、サブクエリの並列実行、セマンティックリランク、結果の統合）と、単一クエリより遅延が増える点は、Microsoft Learnの公式文書へ照合しています。検索の要否の判断、文書の関連性評価、質問の書き換えと再検索の構成例は、LangChain公式ドキュメントへ照合しています。生成AIパスポートの出題語は、2027年2月適用版の公式シラバスへ照合しています。
- 編集部が学習用に整理した内容
- 通常のRAGとAgentic RAGを、検索の手順を固定できるか、遅延を許容できるかから選ぶ手順と、社内規程・ホテル検索・検索結果が外れた場合の例は編集部の学習上の整理です。
資格ごとの公式資料の一覧
通常のRAGとAgentic RAGの要点
公式一次資料と照合：用語の定義は公式一次資料と照合しています。
通常のRAG
質問を受けたら外部の資料を検索し、取得した内容を大規模言語モデルへ渡して回答を作る。検索してから生成する手順が固定されている。
Agentic RAG
モデルが、検索ツールを呼ぶか直接答えるかを判断する。取得した文書が質問に関係するかを評価し、関係しなければ質問を書き換えて検索をやり直す構成がある。
判断の軸
検索の手順を固定できるか、質問ごとに変える必要があるか。Agentic RAGは複雑な質問に対応できる代わりに、単一の検索より遅延が増える。
違いを表で確認
| 比較軸 | 通常のRAG | Agentic RAG |
|---|---|---|
| 検索のタイミング | RAG：質問のたびに、決まった手順で検索する | Agentic RAG：モデルが、検索ツールを呼ぶか、直接答えるかを判断する |
| 複雑な質問の扱い | RAG：質問をそのまま検索に使う | Agentic RAG：複数の依頼を含む質問を、小さな検索質問（サブクエリ）に分けて実行する構成がある |
| 検索結果の評価 | RAG：取得した断片をそのまま回答の材料にする | Agentic RAG：取得した文書が質問に関係するかを評価する構成がある |
| 足りないとき | RAG：1回の検索結果の範囲で回答する | Agentic RAG：関係しないと評価したら、質問を書き換えて検索し直す構成がある |
| 遅延と手間 | RAG：検索が1回で済み、処理が短い | Agentic RAG：Microsoftはagentic retrievalについて、単一の検索より遅延が増えると説明している |
| 生成AIパスポートでの語 | RAG、埋め込み、ベクトルデータベース、チャンク分割 | Agentic RAG、クエリの書き換え、リランキング。2027年2月適用シラバスで詳細キーワードに追加 |
公式一次資料と照合：生成AIパスポートの一次資料で確認一次資料の一覧を見る
生成AIパスポートの学習に使う書籍（Amazon）
PR
どこで迷っているかを切り分ける
Agentic RAGを、RAGとは別の新しい技術だと思っている人
Agentic RAGは、RAGの検索部分をエージェントの判断で動かす構成です。外部の資料を検索して回答に使う点は、通常のRAGと共通します。
Agentic RAGなら、どんな質問でも通常のRAGより良い答えになると思っている人
Microsoftの文書は、agentic retrieval（Agentic RAGに近い検索）が向く質問として、複数の依頼を含む質問や、会話の前の文脈に依存する質問を挙げます。一方で、単一の検索より遅延が増えるとも書いています。1つの条項を探すだけなら、通常のRAGで足ります。
GraphRAGとAgentic RAGを混同している人
GraphRAGは、検索する対象を知識グラフにする方法です。Agentic RAGは、検索の要否や再検索を判断させる構成です。何を検索するかと、誰が検索を進めるかという別の軸の話です。
シラバスの語を、定義文まで暗記しようとしている人
公式シラバスは、Agentic RAGを詳細キーワードとして並べるだけで、定義文は載せていません。このページでは、MicrosoftとLangChainの公式文書で確認できる構成の特徴を整理しています。
具体例で使い分ける
編集部の整理
例 1
社内規程の1つの条項を探す場合（架空の場面）
社内の規程を検索できる仕組みに、『在宅勤務の申請期限はいつか』と質問します。期限は1つの規程に明記されています。
- 質問をそのまま検索に使えば、該当する条項のチャンクを取得できます。
- 質問を分けたり、書き換えたりしなくても、1回の検索で答えが取れます。
- 判断のための追加の処理を入れると、遅延が増えるだけになります。
結論: 手順を固定できる質問なので、通常のRAGで足ります。
例 2
1つの質問に複数の依頼が入っている場合（架空の場面）
『ビーチに近く、空港送迎があり、ベジタリアン料理店に歩いて行けるホテルを探して』と質問します。
- 1つの文に、場所、送迎、周辺の飲食店という複数の条件が入っています。
- Microsoftのagentic retrievalは、クエリ計画を使う場合、LLMで複雑な質問を小さなサブクエリに分け、並列に実行し、結果を統合します。
- 条件ごとに検索すれば、1回の検索では拾いにくい条件も別々に探せます。
結論: 複数の依頼を含む質問なので、質問を分解する構成を候補にします。
例 3
検索結果が質問に関係しなかった場合（LangChainの構成例）
検索ツールで文書を取得したが、質問と関係の薄い文書だった場合を考えます。
- LangChainの例では、取得した文書が質問に関連するかを評価するノードを置きます。
- 関連すれば回答の生成に進みます。関連しなければ、質問を書き換えて検索をやり直します。
- 通常のRAGの固定した手順には、この分岐がありません。
結論: 結果を評価して再検索する分岐があるのが、Agentic RAGの特徴です。ただし、これは1つの実装例で、すべてのAgentic RAGの標準仕様ではありません。
問題文から答えを選ぶ手順
編集部の整理：通常のRAGとAgentic RAGを、検索の手順を固定できるか、遅延を許容できるかから選ぶ手順と、社内規程・ホテル検索・検索結果が外れた場合の例は編集部の学習上の整理です。
- 1
検索の手順を固定できるかを見る
1つの断片に答えがあり、毎回同じ手順で足りるなら、通常のRAGから考えます。
- 2
質問が複数の依頼や前の文脈に依存するかを見る
複数の依頼を含む質問や、会話の前の文脈に依存する質問は、質問の分解や書き換えが効く候補です。
- 3
検索結果を確かめて再検索する必要があるかを見る
取得した内容が質問に関係するかを評価し、足りなければ検索し直す必要があるなら、Agentic RAGの構成を考えます。
- 4
遅延と費用の増加を許容できるかを見る
判断のために言語モデルの呼び出しや検索が増えます。応答の速さが重要な場面では、増加分を確かめます。
試験での見分け方
編集部の整理
- 1通常のRAGは、質問に応じて外部の資料を検索し、取得した内容を回答の生成に使う仕組みである。
- 2Agentic RAGは、検索の要否や、取得結果が質問に関係するかの評価、質問の書き換えと再検索を、エージェントの判断で行う構成である。
- 3Microsoftは、agentic retrievalが単一クエリの検索より遅延が増える一方で、複雑な質問を扱えると説明している。
- 4生成AIパスポートの2027年2月適用シラバスは、RAGの詳細キーワードにAgentic RAG、クエリの書き換え、リランキングを載せる。
- 5Agentic RAGは通常のRAGの上位互換ではなく、質問の性質と遅延の許容で選ぶ。
誤答しやすい選択肢
Agentic RAGをRAGとは別の仕組みと考える
修正: 外部の資料を検索して回答に使う点はRAGと同じです。検索の進め方をエージェントの判断で変える構成だと整理します。
Agentic RAGは必ず検索を何度も繰り返すと考える
修正: LangChainの例では、モデルが検索せずに直接答える分岐もあります。検索の回数は質問と評価の結果で変わります。
LangChainの構成例を、Agentic RAGの標準仕様として覚える
修正: LangChain自身が一つの実装例として示している構成です。評価と書き換えの分岐は、構成の一例として読みます。
判断を増やせば、回答の根拠の確認が不要になると考える
修正: 検索や評価を重ねても、回答に使った内容が元の資料に基づくかを確かめる必要は残ります。
確認問題
Q1質問のたびに検索してから回答を生成する、手順が固定された基本構成は？
答え: 通常のRAG
検索してから生成する手順が決まっており、検索の要否を判断する分岐はありません。
Q2検索ツールを呼ぶか直接答えるかをモデルが判断し、結果が関係しなければ質問を書き換えて再検索する構成は？
答え: Agentic RAG
LangChainの例が示す、エージェント的な検索の構成です。
Q3Microsoftが、agentic retrievalは単一クエリの検索と比べてどうなると説明している点は？
答え: 遅延が増える
複雑な質問を扱える代わりに、処理が増えて遅延が大きくなります。
Q4Agentic RAGが生成AIパスポートの詳細キーワードに入るのはどの版？
答え: 2027年2月試験から適用されるシラバス
2027年2月適用版のRAGの詳細キーワードに載っています。
到達チェック
- 通常のRAGとAgentic RAGで、検索を決める主体の違いを言える
- 質問の分解、結果の評価、再検索がどこに入るかを説明できる
- Agentic RAGで遅延が増える理由を言える
- GraphRAGとAgentic RAGが別の軸であると説明できる
関連ページで確認する
同じ資格で次に知りたいこと
- 埋め込み（エンベディング）とベクトルデータベースの違い｜意味を表す数値と、その保管・検索の仕組み（生成AIパスポート）
埋め込みとベクトルデータベースの違いを、データ（数値の並び）とそれを保管して似たものを探す仕組みで整理。OpenAIの埋め込みの説明とベクトルデータベースの解説で確認し、RAGでの役割と生成AIパスポートの確認問題つきで解説。
- A2AとMCPの違い｜エージェント同士をつなぐか、エージェントとツールをつなぐか（生成AIパスポート）
A2A（Agent2Agent）とMCP（Model Context Protocol）の違いを、つなぐ相手、相手の性質、扱うやり取りで整理。A2Aはエージェント同士の協力、MCPはエージェントとツールの接続で、両方を併用する構成も、公式文書の例で比べます。
- 教師あり微調整（SFT）とRLHFの違い｜お手本を学ぶか、順位づけで調整するか（生成AIパスポート）
教師あり微調整（SFT）とRLHFの違いを、学習に使うデータで整理。InstructGPTの論文要旨にある2段階（人が書いたお手本で教師あり学習、出力の順位づけでRLHF）で確認し、生成AIパスポート第2章の確認問題つきで解説。
よくある質問
QRAGとAgentic RAGの違いは？
通常のRAGは質問のたびに決まった手順で検索して回答を作ります。Agentic RAGは、検索するかどうか、結果が質問に関係するか、質問を書き換えて再検索するかをエージェントが判断する構成です。
QAgentic RAGは通常のRAGより常に優れますか？
いいえ。Microsoftは、agentic retrievalは複雑な質問を扱える一方で、単一クエリの検索より遅延が増えると説明しています。1つの断片に答えがある質問は、通常のRAGで足ります。
QGraphRAGとAgentic RAGは同じですか？
同じではありません。GraphRAGは知識グラフを検索対象にする方法、Agentic RAGは検索の進め方をエージェントの判断で変える構成です。
QAgentic RAGは生成AIパスポートで問われますか？
2027年2月試験から適用される公式シラバスで、RAGの詳細キーワードにAgentic RAG、クエリの書き換え、リランキングが追加されています。定義文は載っていません。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: AI資格ドリル編集部（運営者情報を見る）