エージェント型ワークフロー

エージェント型ワークフロー（Agentic Workflow）とは、LLM が一度の応答で終わるのではなく、計画を立て、道具を使い、結果を確かめ、必要なら修正するというループを通して作業を進める設計のことです。

通常の使い方との違い

通常のチャットは「質問に1回答える」形です。一方、エージェント型では、次のような流れを繰り返します。

• 計画：目的を達成するために、何をすべきか分解する。
• 実行：検索、ファイル操作、コード実行などの道具（ツール）を呼ぶ。
• 観察：返ってきた結果を読む。
• 見直し：目的に近づいたか判断し、手順を直す。

人に頼む仕事で言えば、「この件を調べておいて」と頼んだ部下が、資料を探し、読み、足りない点を追加で調べ、まとめて報告するような動きです。

二つの組み立て方

• 固定の流れ（ワークフロー）：手順があらかじめ決まっており、各ステップで LLM を呼ぶ。たとえば「抽出→要約→翻訳」と順番に処理する。動きが予測しやすく、テストしやすい。
• AI が自分で進め方を決める（エージェント）：どのツールをいつ使うかを、モデル自身が判断する。柔軟だが、結果のばらつきや費用が増えやすい。

実務では、まず固定の流れで始め、必要な部分だけ自由度を持たせるほうが安定すると言われます。

具体例

「競合3社の最新の料金を比較表にして」と頼むと、AIは各社のページを検索して読み、数字が見つからなければ別の情報源を探し、最後に表へまとめます。途中の判断を人が確認する地点を設けることもできます。

使うときの注意

• 誤りの積み重なり：途中の小さな誤りが後の手順に伝わり、大きなずれになることがあります。各段階で検証を入れるのが有効です。
• コストと時間：ステップ数だけ呼び出しが増えるため、料金も遅延も増えます。
• 勝手な操作のリスク：メール送信や削除など取り消せない操作は、人間の承認を挟みます。
• 終わらない：ループに上限（回数や時間）を設けておかないと、無限に続くことがあります。
• 評価（evals）と記録（ログ）がなければ、改善できません。

関連する考え方

複数のAIに役割を分けて協力させる方法がマルチエージェントです。道具との接続には MCP がよく使われます。