エージェント

エージェントとは、次に何をするかをモデル自身に決めさせることです。同じ三つの質問に、固定のワークフローは 1 回の呼び出しで正解し、エージェントは 3～4 回かかりました。両者の違い、エージェントのコスト、そしてエージェントを使うべきか判断するチェックリストを説明します。

フレームワークを一切使わず、百数十行のコードでエージェントを書きます。ツールの登録、呼び出しのループ、停止条件、エラー処理。まず台本どおりに動く偽のモデルでオフラインにテストし、それから本物のモデルに替えて、何を調べるかを自分で決める様子を見ます。

同じ三つのツールでも、名前と説明があいまいだとモデルは 30 回中 14 回しか正しく選べず、はっきり書くと 30 回すべて正解しました。ツールの名前、説明、引数、戻り値、エラーメッセージをそれぞれどう書くべきかを説明します。

同じ複数ステップのタスクで、そのままやる、先に計画を立ててからやる、やり終えてから自己チェックする、の三つのやり方を比べます。先に計画を立てるとお金は倍かかって効果はほぼ同じ。自己チェックは本当に出典の誤りを二つ見つけましたが、4 倍のお金がかかりました。

エージェントの短期記憶はメッセージのリストで、長期記憶は自分で保存しておき、必要なときに取り出す必要があります。エージェントに「覚える」と「思い出す」の二つのツールを与え、まったく新しい会話で前回覚えた事実を使う様子を示します。

監督役のエージェントにタスクを分割させ、コンテキストが独立した三つの作業役のエージェントに並行して任せ、結果をまとめます。単一のエージェントと比べてトークンは 3 分の 1 少なくなり、監督役のコンテキストはわずか 472 トークンでした。マルチエージェントの本当の価値と代償を説明します。

公式の Python SDK で最小限の MCP サーバーを書き、httpx のドキュメントを調べる二つのツールを入れます。さらにそれに接続するクライアントを書き、DeepSeek に MCP 経由でこれらのツールを呼び出させて質問に答えさせます。

本当に再現できる間接プロンプトインジェクションの実験をします。Web ページに AI 向けの「指示」が隠されています。一方のモデルは一度もだまされず、もう一方はプロンプトではっきり禁止していても 4 回だまされました。すべてを止めたのは、プログラムのレベルでの確認の仕組みだけでした。

RepoBot をエージェントにします。まずドキュメントを調べ、ドキュメントになければ httpx のソースコードを調べます。v2 が答えられなかった既定値や例外のロジックに、v3 は正しく答え、ソースコードのファイル名と行番号を明記します。