A2A（Agent2Agent Protocol）

異なる企業や開発基盤で作られたAIエージェントどうしが、互いの能力を見つけ、作業を依頼し、結果をやり取りするためのオープンなプロトコルで、Googleが2025年に発表し、同年Linux Foundationに移管された。各エージェントは自らの能力や接続先を記したエージェントカードを公開し、HTTPとJSON-RPCでタスクを受け渡す。エージェントとツールをつなぐMCPと補い合う関係にある。

AIに1回の指示で最終的な結果を出させるのではなく、計画の立案、ツールの利用、結果の検証と修正（リフレクション）などの手順を繰り返させながら、段階的にタスクを進めさせる処理の流れ。複数のAIエージェントに役割を分担させることもあり、単発の生成より高い品質を得やすい。

複数のAIエージェントが役割を分担し、互いに情報をやり取りしながら協調して1つの目標に取り組む仕組み。全体を統括するエージェントが作業を分解して専門のサブエージェントに割り振る構成などがあり、複雑な課題を並列に処理できる一方、エージェント間の調整やコストの管理が課題となる。

AIエージェントが、1回の対話やタスクを超えて情報を保持し、後のタスクで参照できるようにする仕組み。モデルのコンテキストウィンドウに収まる短期の記憶とは別に、利用者の好みや過去の作業の結果などを外部のデータベースなどに保存し、必要なときに検索して取り出す。

AIアプリケーションやAIエージェントを、外部のツール、データ、サービスに接続するための標準的なプロトコル。2024年にAnthropicが公開し、AIアプリケーション側のクライアントが、機能を提供するMCPサーバとJSON-RPCで通信する。接続方法を共通化することで、ツールごとの個別の連携開発を減らせる。

大規模言語モデルやAIエージェントがタスクを適切に遂行できるよう、指示、参照する文書、会話や作業の履歴、利用できるツールの情報など、モデルに与える情報（コンテキスト）全体を設計・管理する技術。限られたコンテキストウィンドウに必要な情報を過不足なく、適切な順序で収めることを重視する。

AIエージェントにどこまで自律的に判断・実行させ、どの場面で人間が確認・承認・介入するかの度合いの設計。自律性を高めると効率は上がるが、誤った操作や想定外の行動の影響も大きくなるため、重要な操作の前に人間の承認を求めるヒューマンインザループ、操作履歴の監視、停止の手段などを用意し、リスクに応じて関与の度合いを決める。