マルチエージェント

役割の異なる複数のAIエージェントが、情報を受け渡しながら協調して1つの目的を達成する構成。全体を指揮するエージェントが作業を分け、調査、実装、検証などを担うサブエージェントに任せる形が多い。各エージェントの文脈を小さく保てて並列にも処理できるが、エージェント間の調整や情報の受渡しの失敗、費用の増加に注意が要り、異なる製品のエージェント間の連携にはA2Aなどのプロトコルを使う。

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、開発者から与えられた目標に向けて自律的に計画を立て、複数のファイルの読み書き、コマンドの実行、テストの実行と修正を繰り返して開発作業を進めるやり方。人は目標と権限の範囲を設定し、成果物をレビューする役割を担う。

利用者の指示や質問を自然言語で受け付け、情報の検索、文書の作成や要約、予定の管理などの作業を支援するAI。音声アシスタントや、業務アプリケーションに組み込まれた対話型の支援機能などがある。判断や実行の最終的な主体は利用者に残る点で、自律的に作業を進めるAIエージェントと区別されることが多い。

AIエージェントが、会話やセッションをまたいで保持する情報。利用者の好み、過去のやり取りの要点、作業から得た知識などを外部の記憶装置（ベクトルデータベースやファイル）に保存し、必要なときに検索してコンテキストに加える。会話の履歴などコンテキストウィンドウ内に置く短期記憶と対比され、古い情報や誤った情報の更新・削除、個人情報の扱いの管理が要る。

AIに1回の指示で完成品を出させるのではなく、計画、ツールの利用、結果の振り返り（自己評価と修正）、複数のエージェントの協調を繰り返しながら作業を進めさせる処理の流れ。人間が試行錯誤するように段階を踏ませることで、1回の生成より品質の高い結果が得られる。処理の手順をあらかじめ決めておくワークフローと、AIが自律的に手順を決めるエージェントの両方の要素を組み合わせて構成する。

AIエージェントに特定の作業の手順や知識を与える「スキル」（説明と指示を書いたSKILL.mdと、参照資料、テンプレート、スクリプトをまとめたもの）を設計するときの典型的な型。必要になったときだけスキルの中身を読み込ませる前提で、規約を教えるTool Wrapper、テンプレートで出力をそろえるGenerator、チェックリストで評価するReviewer、作業の前に利用者へ質問するInversion、検証の関門を挟んで手順を順に進めるPipelineの5つが示されており、組み合わせて使う。

見出し、箇条書き、強調などを「#」「-」「*」といった簡単な記号で表す軽量マークアップ言語のMarkdownで書かれたテキストファイル。人が読み書きしやすく、AIも解釈しやすいため、AI駆動開発では仕様書や、AIエージェントへの指示・プロジェクトの規約を記したファイルに使われる。