エージェンティックコーディング

AIエージェントがコードの作成、実行、修正までを自律的に繰り返す開発の進め方。人間はゴールの設定と結果の承認を担う。

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、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。

異なる開発元や基盤で作られたAIエージェントどうしが、互いの能力を発見し、タスクの依頼や結果のやり取りを行って協調するための通信プロトコル。2025年にGoogleが公開し、各エージェントは自身の能力をエージェントカードで公開する。エージェントとツールを結ぶMCPと補完し合う関係にある。