生成AIパスポート 用語解説
AIエージェントとは
目標に対して手順を自ら計画・分解し、外部ツールとも連携しながら自律的にタスクを実行するAI。
まず押さえる結論
AIエージェントは、生成AIパスポートの「第3章 現在の生成AI（ジェネレーティブAI）の動向」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-06-27。
公式シラバス（PDF）（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×RAGとファインチューニングの混同。RAGは外部知識（ベクトルデータベース）を検索して文脈に加える手法で、モデルの再学習はしない。ファインチューニングは追加学習。
×ディープフェイクと偽情報（ディスインフォメーション）の区別。前者は人物の映像・音声を本物のように偽造する技術、後者は意図的に作られ拡散される偽情報そのもの。
×生成物の種類の取り違え。Soraは動画、Image Generationは画像、音声生成AIは音声。名前ではなく生成する対象で見分ける。
関連する確認問題
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられるものはどれか。
正解は「MCP」である。MCPは、AIエージェントが外部のツールやサービスと連携するための仕組みとして挙げられる。RAGは外部の知識を検索して回答生成に活かす手法であり、外部ツール・サービスと連携する仕組みそのものではない。RLHFは人間のフィードバックをもとにモデルを調整する強化学習の手法であり、外部連携の仕組みではない。NLPは自然言語処理という技術分野を指す語であり、AIエージェントが外部と連携するための仕組みではない。外部のツールやサービスと連携するための仕組みという条件に当てはまるのはMCPだけである。
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
質問に1回ずつ回答する従来の対話型生成AIと比べたときの、AIエージェントの特徴として最も適切なものはどれか。
正解は「与えられた目標をタスクに分解し、計画・実行・結果の確認を自律的に繰り返して目標達成まで進める」である。AIエージェントは、目標を与えられると必要なタスクへ分解し、計画を立てて実行し、結果を確認しながら次の行動を決める、という一連の流れを自律的に繰り返す点が特徴である。人間の指示（目標設定）は前提であり、内部では学習済みモデルを活用する。テキスト生成ができないわけでもない。従来の一問一答との違いは、応答を一度返すだけでなく、目標に向けて計画・実行・確認の循環を続ける点にある。「完全に人間の指示がないこと」や「学習済みモデルを使わないこと」は自律性の意味ではない。
第3章 現在の生成AI（ジェネレーティブAI）の動向 / AIエージェント
次のうち、AIエージェントのツール事例として適切でないものはどれか。
正解は「ベクトルデータベース」である。Manus・GenSpark・Skywork AIは、目標を与えると自律的にタスクを進めるAIエージェントのツール事例として挙げられる。一方、ベクトルデータベースはRAG（検索拡張生成）で文書のベクトルを格納・検索するためのデータベースであり、目標達成に向けてタスクを自律的に進めるツールではない点で、AIエージェントのツール事例には当たらない。設問は『AIエージェントのツール事例として適切でないもの』を選ぶ形式であり、自律的にタスクを進めるツールそのものと、RAGで使う検索用のデータベースという別の技術要素を混同しないことが判断の軸になる。 固有名詞かどうかではなく、目標から複数作業を進めるエージェント製品か、検索基盤を構成するデータストアかで分類する。
同じ章で確認したい用語
到達チェック
- AIエージェントを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、AIエージェントに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）