MCP（Model Context Protocol）

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。

大規模言語モデルに、考える（Reasoning）ことと行動する（Acting）ことを交互に行わせるAIエージェントの設計パターン。「思考（次に何をすべきか）→行動（検索などのツールの呼出し）→観察（ツールの結果）」を目的が達成されるまで繰り返す。外部から得た情報に基づいて推論を進めるのでハルシネーションを減らせ、途中の思考の記録から動作を追跡しやすいが、ループが長引くと費用と時間がかさむ。

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。

大規模言語モデルに、利用できる関数（ツール）の名前、説明、引数の形式をあらかじめ渡しておき、モデルが必要と判断したときに、呼び出す関数名と引数をJSONなどの構造化された形式で出力させる仕組み。ツール呼出し（Tool Use）ともいう。モデル自身は関数を実行せず、アプリケーションが出力を受けて実際に関数を実行し、その結果をモデルに返して回答を続けさせる。

複数のクラウドサービスや社内システムを、用意されたコネクタと処理の流れ（ワークフロー）の定義によってつなぐ機能を提供するクラウドサービス。個別にプログラムを書かずにデータ連携や業務の自動化を実現できる。AIエージェントのツール連携では、iPaaSを介すことで、多数のSaaSを個別のAPI連携を作らずに操作させられる。

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。