用語比較
RAGとAIエージェントの違い
RAG（検索拡張生成）とAIエージェントは、どちらも生成AIの能力を外部へ広げる仕組みですが、中心になる処理が違います。RAGは質問に関連する外部情報を検索し、回答の文脈へ加える仕組みです。AIエージェントは目標を受け取り、タスクを分解して計画し、必要なツールを使いながら結果を観察して次の行動を決めます。
生成AIパスポートの2026年シラバスでは、RAGとAIエージェントが第3章の独立した学習項目として並びます。外部情報を探して回答の根拠へ加えるならRAG、目標達成のために計画・ツール実行・観察・再計画を進めるならAIエージェント、と処理の役割で分けます。
このページは、RAGを使うチャットボットと、検索ツールを使うAIエージェントを同じものだと思っている人を対象にしています。二つは排他的ではありません。AIエージェントがRAGを情報取得の一工程として使うAgentic RAGもシラバスに含まれるため、違いだけでなく組み合わせまで判断できるようにします。
この記事の根拠と出典
本文の主要なセクションでは、公式一次資料と照合した内容と編集部の整理を、見出しの下のラベルで区別しています。 試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。生成AIパスポートの一次情報確認日: 2026-08-31。
結論
RAG
文書をチャンクへ分け、質問に関連する情報を検索し、回答時の文脈へ加える。中心は外部情報の検索と根拠の追加です。
AIエージェント
目標をタスクへ分解して計画し、ツールを実行し、結果を観察して必要なら再計画する。中心は推論と行動のフィードバックループです。
違いを表で確認
| 比較軸 | RAG | AIエージェント |
|---|---|---|
| 主な目的 | 質問に関係する外部情報を取得し、回答の根拠や最新情報として使う | 与えられた目標を複数の行動へ分け、外部ツールも使って完了へ進める |
| 中心の処理 | チャンク分割、埋め込み、ベクトルデータベース、意味的検索、リランキング、回答への文脈追加 | タスク分解、計画、ツール実行、記憶とコンテキスト管理、観察、再計画 |
| 外部との接点 | 文書やデータベースから関連情報を検索する | MCPなどを通じて、情報取得や外部システムへの操作を行うツールを呼び出す |
| 出力の単位 | 検索した情報を踏まえた回答や要約 | 調査、作成、更新、操作など、複数の手順を含むタスクの結果 |
| 人の確認 | 検索対象、取得した文書、最終回答が目的と合うかを確認する | 公開するツール、実行内容、権限、結果を確認し、必要な操作を拒否・承認できる状態を保つ |
| 組み合わせ | AIエージェントの情報取得工程として使える | RAGをツールや処理の一つとして呼び出せる。Agentic RAGは両者を組み合わせる考え方 |
どこで迷っているかを切り分ける
社内文書へ答えるチャットボットを作りたい人
質問に関連する規程や手順書を検索し、その内容を回答へ加えることが中心ならRAGです。モデルへ文書を丸ごと覚えさせるのではなく、質問時に必要な情報を探して文脈へ加える流れを確認します。
調査から資料作成まで一連の仕事を任せたい人
目標を受けて調査項目を分け、検索やファイル作成などのツールを使い、途中結果を見て次の行動を変えるならAIエージェントです。単発の回答ではなく、計画と実行の反復が中心になります。
検索できるエージェントをどちらと呼ぶか迷う人
検索する機能だけを見て一方に決めません。外部文書を取得して回答へ加える部分はRAG、目標を分解して検索を含む複数のツールを選び、結果に応じて次の行動を決める全体はAIエージェントです。一つのシステムに両方が含まれます。
具体例で使い分ける
例 1
就業規則から該当箇所を探して質問へ答える
利用者の質問に合う就業規則の箇所を検索し、その記述を参照して回答する場面です。
- 中心にあるのは、外部文書を小さなチャンクに分け、質問に関連する部分を取得する処理です。
- 取得結果を回答時の文脈へ加えますが、複数の仕事を計画して外部操作を繰り返すことは要件に含まれていません。
- 文書の更新を検索対象へ反映しやすい一方、取得した文書と最終回答が正しいかは別に確認します。
結論: 外部文書の検索と回答への根拠追加が中心なので、RAGを選びます。
例 2
競合を調べ、表を作り、報告書を保存する
複数サイトを調査し、比較項目を決め、表へ整理し、報告書ファイルとして保存する場面です。
- 一つの質問へ答えるだけでなく、調査、整理、作成、保存というサブタスクがあります。
- 各段階で検索やファイル操作のツールを実行し、得られた結果を観察して不足があれば再計画します。
- 外部文書の検索にRAGを使う場合もありますが、全体の中心は計画とツール実行の反復です。
結論: 複数の行動を計画・実行して目標を完了するので、AIエージェントを選びます。
例 3
最新の社内資料を調べて、必要な部署へ申請を出す
社内資料から申請条件を探し、その条件に合う申請データを作ってシステムへ送る場面です。
- 申請条件を社内資料から取得する部分はRAGの役割です。
- 条件を読み、入力項目を組み立て、外部システムのツールを呼び出す全体はAIエージェントの役割です。
- 申請のように影響がある操作では、実行前に内容と権限を人が確認できる状態を保ちます。
結論: 情報取得にRAG、計画と申請操作にAIエージェントを使う組み合わせです。
問題文から答えを選ぶ手順
- 1
最終目的が回答か行動かを見る
外部情報を根拠に回答することが中心ならRAG、複数の行動を進めて目標を完了することが中心ならAIエージェントを疑います。回答に検索があるかだけでなく、完了条件を確認します。
- 2
処理の流れを動詞へ戻す
分割する、埋め込む、検索する、並べ替える、文脈へ加えるならRAGです。分解する、計画する、ツールを呼ぶ、観察する、再計画するならAIエージェントです。製品名ではなく動詞で判断します。
- 3
外部接点の種類を確認する
外部接点が文書やデータベースからの情報取得ならRAGの説明に近くなります。API、ファイル操作、システム更新などの実行可能なツールを選んで呼ぶならAIエージェントの説明に近くなります。
- 4
両方を使う構成を除外しない
Agentic RAGのように、AIエージェントが質問を書き換え、検索方法を選び、取得結果を評価する構成があります。設問が一つだけを求める場合は、どの処理を説明しているかへ戻ります。
- 5
人が止められるかを確認する
特にAIエージェントのツール実行では、公開されているツールと実行内容を表示し、人が拒否や確認をできる設計が重要です。自律的という語を、無制限に実行してよいという意味にしません。
試験での見分け方
- 1外部文書を検索して回答の文脈へ加えるならRAG。
- 2目標をタスクへ分解し、計画とツール実行を反復するならAIエージェント。
- 3チャンク、埋め込み、ベクトルデータベース、意味的検索はRAGの手掛かり。
- 4タスク分解、計画、Tool Use、記憶、観察、再計画はAIエージェントの手掛かり。
- 5検索ツールを使うAIエージェントには、RAGとAIエージェントの両方が含まれ得る。
- 6AIエージェントのツール実行では、権限と人の確認を省略しない。
誤答しやすい選択肢
外部情報を使う仕組みをすべてRAGと呼ぶ
修正: 情報を検索して回答へ加える処理がRAGです。検索以外のツールを選び、計画と実行を繰り返す全体はAIエージェントとして分けます。
AIエージェントを自動応答チャットと覚える
修正: 会話できることではなく、目標の分解、計画、ツール実行、観察、再計画という処理の流れを確認します。
RAGとAIエージェントは同時に使えないと考える
修正: AIエージェントがRAGを情報取得の一工程として使えます。Agentic RAGは両者の組み合わせを示す手掛かりです。
自律型なら人の確認は不要だと考える
修正: MCPの公式仕様は、ツール呼び出しを人が拒否できる状態や、実行時の表示・確認手段を推奨しています。影響のある操作ほど確認を残します。
確認問題
Q1文書をチャンクへ分け、質問に関連する箇所を検索して回答の文脈へ加える仕組みは？
答え: RAG
チャンク分割、検索、回答への文脈追加が処理の中心なのでRAGです。複数の外部操作を計画して反復する説明ではありません。
Q2目標をサブタスクへ分け、ツールを実行し、結果を観察して再計画する仕組みは？
答え: AIエージェント
タスク分解、計画、ツール実行、観察、再計画というフィードバックループがAIエージェントの手掛かりです。
Q3AIエージェントがRAGを使うことはある？
答え: ある
AIエージェントが外部情報を取得する工程でRAGを使えます。シラバスには両者を組み合わせるAgentic RAGも詳細キーワードとして掲載されています。
Q4MCPのツールをモデルが自動選択できる場合、人の確認は不要？
答え: 不要ではない
MCP公式仕様は、ツールをモデルが選択・実行できる一方、人が呼び出しを拒否できる状態と、実行内容の表示・確認手段を推奨しています。
到達チェック
- RAGを情報検索、AIエージェントを目標達成のための計画と行動として説明できる
- チャンク・ベクトルデータベースと、タスク分解・ツール実行を区別できる
- 一つのシステムにRAGとAIエージェントが共存する例を説明できる
- Agentic RAGを、RAGとAIエージェントの排他的な第三分類だと誤解していない
- ツール実行の権限と人の確認が必要な理由を説明できる
関連ページで確認する
よくある質問
QRAGとAIエージェントは同じもの？
同じではありません。RAGは外部情報を検索して回答へ加える仕組み、AIエージェントは目標を分解し、計画・ツール実行・観察・再計画を進める仕組みです。一つのシステムで組み合わせることはできます。
QAIエージェントは必ずRAGを使う？
必ずではありません。計算、ファイル作成、システム操作など、検索以外のツールだけを使う場合もあります。外部文書の検索が必要な場面ではRAGを組み込めます。
QAgentic RAGとは何？
AIエージェントの計画・判断・ツール実行と、RAGの情報検索を組み合わせる考え方です。検索語の書き換え、検索方法の選択、取得結果の評価などをエージェント側が担う構成があります。
QMCPはRAGの仕組み？
MCPは、サーバーがPrompts・Resources・Toolsを公開し、モデルやアプリケーションが外部の文脈や機能へ接続するためのプロトコルです。RAG専用ではなく、AIエージェントがツールやデータソースへ接続する文脈でも使われます。
Q試験ではどの語で見分ける？
チャンク、埋め込み、ベクトルデータベース、意味的検索、リランキングならRAG、タスク分解、計画、Tool Use、記憶、観察、再計画ならAIエージェントを疑います。
執筆: ミナト編集部（運営者情報を見る）