生成AIパスポート 第3章 AIエージェント（2027年2月試験の新シラバス）一問一答

正解は「公開中のツールと実行を画面で明示し、利用者が呼び出しを確認・拒否できるようにする」です。MCP Toolsは、モデルが文脈と利用者の指示に基づいてツールを発見・選択できるモデル制御の機能として設計される。一方、公式仕様は人間が呼び出しを拒否できる状態を保ち、どのツールを公開しているか、いつ実行されたかを分かる形で示し、必要に応じて確認を求めることを推奨している。すべてを非表示または無条件許可にすると利用者が操作を判断できず、完全に隠すと外部操作を行う目的自体を失う。自動選択と利用者の統制を同時に満たすことが要点である。

https://modelcontextprotocol.io/specification/2026-07-28/server/tools （User Interaction Model）

正解は「700トークン」です。最初のチャンクは400トークンを覆う。2番目のチャンクも長さは400トークンだが、その先頭100トークンは最初のチャンクの末尾100トークンと同じ位置を重複して含むため、新たに加わる位置は400-100=300トークンである。したがって異なる位置の合計は400+300=700トークンとなる。300は2番目のチャンクが新たに加える位置だけ、500は400へ重複100を足した値、800は2チャンクの長さを単純に足して重複100を二重に数えた値である。チャンク件数を数えるのではなく、各チャンクの長さと、隣接部分で繰り返される位置を分けることが要点である。重複はチャンク境界の文脈を保つために使われるが、異なる位置の総数には2回加えない。

https://guga.or.jp/assets/syllabus.pdf; https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/rag/rag-chunking-phase （固定長・重複ありのチャンク分割）

【2027年2月試験から適用の新シラバス項目】正解は「コンテキストエンジニアリング」である。新シラバスでは第3章がAIエージェントとして独立し、「AIエージェントの仕組み」の学習項目に、記憶（メモリ）とコンテキスト管理、コンテキストエンジニアリングが含まれる。問題文の決定条件は、モデルに渡す文脈（指示・記憶・外部の情報）を設計し管理する点である。ファインチューニングはモデル自体を追加学習する手法で、渡す文脈の設計とは別の話である。2026年10月試験までは旧シラバスのため、この項目は2027年2月試験から問われる対象である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントの仕組み）

【2027年2月試験から適用の新シラバス項目】正解は「プロンプトインジェクション」である。新シラバスの「AIエージェントのリスク・安全性・評価」には、学習項目としてプロンプトインジェクションが載る。問題文の決定条件は、外部の文章に埋め込まれた指示にエージェントが従い、本来の依頼と違う挙動をした点である。ハルシネーションはもっともらしい誤情報の生成であり、外部から指示を紛れ込ませる攻撃ではない。新シラバスでは、このリスクを多層防御やガードレールなどの安全に使うための原則とあわせて学ぶ。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「最小権限の原則に従い、業務に必要な範囲のアクセス権限だけを付与する」である。新シラバスの「AIエージェントのリスク・安全性・評価」には、権限の過剰付与のリスクが学習項目にあり、詳細キーワードに最小権限の原則、アクセス範囲、情報漏えいが載る。問題文の決定条件は、権限の過剰付与を抑える点である。必要以上に広い権限を与えると、誤動作や攻撃を受けたときの被害範囲が広がる。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「Human-in-the-Loop」である。新シラバスの「AIエージェントのリスク・安全性・評価」の詳細キーワードにHuman-in-the-Loopが載る。問題文の決定条件は、重要な処理の実行前に人間が確認して承認する点である。サンドボックスは、隔離した環境で動作させてほかへの影響を抑える考え方であり、人間による承認の仕組みではない。実行前に人間が確認する形をとれば、誤った操作や想定外の操作を実行の前に止められる。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「連鎖的なエラーの拡大」である。新シラバスの「AIエージェントのリスク・安全性・評価」では、連鎖的なエラーの拡大が学習項目になっており、詳細キーワードにも連鎖的なエラーが載る。問題文の決定条件は、手順の誤りが後続へ引き継がれて拡大する点である。同じ中項目では、安全に使うための原則やAIエージェントの評価もあわせて学ぶ。一つの手順の誤りが次の手順の入力になるため、自動で進むエージェントほど影響が大きくなりやすい。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「サンドボックス」である。新シラバスのAIエージェントのリスク・安全性・評価の詳細キーワードに、サンドボックスが載る。サンドボックスは、本番環境から隔離した環境でプログラムや操作を実行し、誤動作や悪用による被害を限定する仕組みである。問題文の決定条件は、本番環境から切り離した隔離環境で実行するという点である。許可したものだけを通す方式や、モデルの追加学習とは別の概念である。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「接続先や操作の許可リスト（ホワイトリスト）を作り、載っていないものは実行させない方式」である。新シラバスのAIエージェントのリスク・安全性・評価の詳細キーワードに、ホワイトリストとアクセス範囲が載る。ホワイトリストは、許可したものだけを通す方式である。問題文の決定条件は、あらかじめ許可したものだけに限るという点である。危険なものだけを禁止する方式は、一覧にない新しい危険を防げない。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「多層防御」である。新シラバスのAIエージェントのリスク・安全性・評価の詳細キーワードに、多層防御、プロンプトインジェクション、ガードレールが載る。多層防御は、複数の対策を重ね、1つが突破されても全体の被害を抑える考え方である。問題文の決定条件は、複数の対策を重ねる点である。1つの対策だけに頼る方式は、その対策が破られると被害が広がる。過学習やデータ拡張はモデルの訓練に関する用語であり、エージェントの安全対策の考え方ではない。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「評価の仕組み（Eval）で品質や安全性を測り、導入後も継続的にモニタリングして見直す」である。新シラバスの「AIエージェントのリスク・安全性・評価」では、学習項目にAIエージェントの評価があり、詳細キーワードにEval、継続的なモニタリング、安全性が挙げられている。問題文の決定条件は、導入後の評価と監視である。導入前に1回だけ確認する運用は、あとから生じる誤動作や環境の変化を見逃す。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントのリスク・安全性・評価）

【2027年2月試験から適用の新シラバス項目】正解は「LLMを中核としたエージェントの構成要素と、推論と行動のフィードバックループを理解すること」である。新シラバスの学習項目「AIエージェントの仕組み」は、記憶（メモリ）とコンテキスト管理、コンテキストエンジニアリング、推論と行動のフィードバックループを含み、学習目標はこの構成要素とループの理解である。問題文の決定条件は、学習目標という点である。描画方式、判例の整理、料金比較は、この項目の学習目標として載っていない。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントの仕組み）

【2027年2月試験から適用の新シラバス項目】正解は「Agentic RAG、リランキング、クエリの書き換え、Advanced RAG」である。2027年2月適用版の公式シラバスでは、RAGの詳細キーワードにAgentic RAG、リランキング、クエリの書き換え、Advanced RAGが載る。2026年2月適用版の詳細キーワードはRAG、チャンク、ベクトルデータベースの3語で、これらの新しい語は載っていない。問題文の決定条件は、旧版には載らず新版から載るという版の違いである。他の組み合わせは、旧版にあった語か、別の中項目の語である。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 RAG）

正解は「モデルが質問に直接答えるか、検索ツールを呼ぶかを判断し、必要な時だけ検索を行う」である。LangChain公式ドキュメント「Build a custom RAG agent with LangGraph」は、モデルが質問に直接答えるか検索ツールを呼ぶかを判断するノードを置くことで、検索を固定のパイプラインではなく、モデルが要求した時だけ検索が走るエージェント的なシステムにすると説明している。これは特定製品の実装例であり、全てのAgentic RAGの標準仕様ではない。公式シラバスもAgentic RAGの定義文は載せず、用語として列挙するだけである。問題文の決定条件は、固定の流れとの違いである。

https://docs.langchain.com/oss/python/langgraph/agentic-rag （LangChain公式ドキュメント「Build a custom RAG agent with LangGraph」、特定製品の実装例）。シラバスの語は https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 RAG）

正解は「LLMで複雑な質問を小さなサブクエリに分解する（クエリ計画）」である。Microsoft Learn「Agentic retrieval in Azure AI Search」は、agentic retrievalを複数クエリのパイプラインとし、LLMによるクエリ計画で複雑な質問を小さなサブクエリに分解し、サブクエリを並列に実行して各結果をセマンティックリランクし、最良の結果を統合して回答の素材を返す流れだと説明している。問題文の決定条件は、最初の処理である。統合は最後の工程で、単一クエリのパイプラインより遅延が増える。公式シラバスは用語を列挙するだけで、定義文は載せていない。

https://learn.microsoft.com/en-us/azure/search/agentic-retrieval-overview （Microsoft Learn「Agentic retrieval in Azure AI Search」）。シラバスの語は https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 RAG）

【2027年2月試験から適用の新シラバス項目】正解は「タスク分解と計画、Function Calling、Tool Use、短期メモリ、長期メモリ」である。新シラバスの中項目「AIエージェントの仕組み」の詳細キーワードには、タスク分解と計画、Function Calling、Tool Use、記憶（メモリ）、短期メモリ、長期メモリ、コンテキスト管理、コンテキストエンジニアリング、システムプロンプト、ガードレール、構造化出力、フィードバックループが載る。問題文の決定条件は、この中項目の詳細キーワードという点である。他の組み合わせは、シャドーAIや国際ルールなど別の中項目の語である。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントの仕組み）

【2027年2月試験から適用の新シラバス項目】正解は「構造化出力」である。新シラバスの中項目「AIエージェントの仕組み」の詳細キーワードには、システムプロンプト、ガードレール、構造化出力、フィードバックループなどが載る。構造化出力は、出力の形式を決めてプログラムなどで扱いやすくする考え方である。問題文の決定条件は、出力の形式に関する語という点である。他の選択肢は、別の中項目の詳細キーワードである。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェントの仕組み）

【2027年2月試験から適用の新シラバス項目】正解は「ワークフロー型と自律型、自律性のレベル」である。2027年2月適用版の公式シラバスは、AIエージェントについて、従来の対話型生成AIとの違い、ワークフロー型と自律型、自律性のレベルを学習対象とする。問題文の決定条件は、対話型生成AIとの違いに加えて扱う観点という点である。描画方式、料金、文法は学習対象として載っていない。エージェントの動き方を分類する観点は、この版で学習対象として示されている。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェント）

【2027年2月試験から適用の新シラバス項目】正解は「MCP、MCPサーバー、権限管理、Agent Skills、データソース、アクセス権限」である。2027年2月適用版の公式シラバスは、AIエージェントの外部連携の詳細キーワードとして、MCP、MCPサーバー、権限管理、Agent Skills、データソース、アクセス権限を挙げている。2026年2月適用版にはAgent Skillsは載らない。問題文の決定条件は、外部連携の詳細キーワードという点である。他の組み合わせは、情報リテラシー、出力設定、機械学習の語である。2027年2月試験から問われる項目である。

https://guga.or.jp/assets/syllabus.pdf （2027年2月適用版 第3章 AIエージェント）

正解は「GPT-4oの視覚認識能力と強化学習による推論を組み合わせたComputer-Using Agent（CUA）というモデルにより、自らのブラウザを操作してWeb上のタスクを代行する」である。Operatorは、2025年1月23日にOpenAIが公開したリサーチプレビューのAIエージェントで、当初は米国のChatGPT Pro（月額200ドル）ユーザー向けに提供された。決定条件は、CUAというモデルでブラウザを操作してタスクを代行する点である。Pythonインタープリタを使うのはCode Interpreter、複数タスクを並行してこなすソフトウェアエンジニアリング向けエージェントはCodex、カスタム版を作成して公開・共有できるのはGPTsの説明である。

https://openai.com/index/introducing-operator/ （OpenAI公式「Introducing Operator」、第2章 ChatGPT）

正解は「2025年5月にクラウドベースのソフトウェアエンジニアリング向けAIエージェントとしてリサーチプレビューで公開され、2025年6月3日にChatGPT Plusユーザーへ提供、同年10月6日に一般提供（GA）された」である。Codex（2025年に刷新されたエージェント版）は、複数のタスクを並行してこなし、機能追加・バグ修正・プルリクエストの提案などを行う。決定条件は、2025年5月のリサーチプレビュー公開から同年10月6日の一般提供までの経緯である。2025年1月23日に公開されたのはOperator、2023年3月23日に発表されたのはCode Interpreter、2025年3月に発表されたのはImage Generationの説明である。

https://openai.com/index/introducing-codex/ ・ https://openai.com/index/codex-now-generally-available/ （OpenAI公式「Introducing Codex」「Codex is now generally available」、第2章 ChatGPT）