AIエージェント入門

IT基礎知識初級〜中級全8レッスン約200分

公開日：2026年6月13日

コース概要

「AI エージェントが仕事を全部やってくれる」——2024〜2025 年に SNS や PR 動画でよく目にしたフレーズです。一方、エージェントを業務に組み込んでいる現場では、もう少し落ち着いた議論が進んでいます。「どこまで自律的に任せ、どこから人間が確認するか」「エージェントが失敗したことをどう検知するか」「複数のエージェントが連携するときの暴走をどう防ぐか」——こうした設計・評価・リスク管理の論点こそ、本番運用の腰になります。本コースは、2026 年 6 月時点の最新モデル（Claude Opus 4.7・GPT-5.5・Gemini 3.1 Pro）と標準プロトコル（MCP）を前提に、AI エージェントを「観察・思考・行動の循環を持つ自律的システム」として体系的に学びます。実装コードには踏み込まず、「自社のユースケースで何ができ、何をしてはいけないか」を判断できる軸を、8 レッスンで提示します。

学習の流れ

レッスン 1 で AI エージェントの定義と、LLM チャットとの違い、2026 年 6 月時点の主要モデルと reasoning モデルの位置づけを押さえます。レッスン 2 はエージェントを構成する 5 要素（観察・思考・行動・記憶・道具）のフレームワークを学び、自社ユースケースを分解する発想を持ちます。レッスン 3〜4 は「外部世界との接続」と「プランニング」で、Function Calling／MCP／ReAct／Plan-and-Execute／Reflection など代表的な技術を扱います。レッスン 5 は記憶とコンテキスト管理、レッスン 6 はマルチエージェント協調を扱います。レッスン 7 は評価とデバッグの中核で、本コースの中心メッセージとなる「うまく動いたをどう測るか」の運用設計を提示します。最後のレッスン 8 で、自律性の 5 レベル・Human-in-the-Loop・プロンプトインジェクション対策・業務適用のチェックリスト、コース修了後の学習方向を案内します。前半（レッスン 1〜2）は「考え方の土台と全体像」、中盤（レッスン 3〜6）は「構成要素ごとの設計」、後半（レッスン 7〜8）は「評価とリスク管理」という三段構えです。

このコースで学べること

✓ AI エージェントを「LLM チャットの延長」ではなく「観察・思考・行動の循環を持つ自律的システム」として捉えられる
✓ エージェントの 5 つの構成要素（観察・思考・行動・記憶・道具）で、自社のユースケースを設計上分解できる
✓ Function Calling・MCP・JSON Schema を「外部世界との接続インターフェース」として理解できる
✓ ReAct・Plan-and-Execute・Reflection など代表的なエージェントパターンを使い分けられる
✓ 短期・長期・エピソードという 3 種類の記憶と、コンテキスト管理の基本を持てる
✓ マルチエージェント設計（Orchestrator-Worker・Hierarchical・Debate）の発想と限界を理解する
✓ エージェントの「うまく動いた」を測る評価設計（Task Success Rate・トレース・LLM-as-a-Judge）ができる
✓ 自律性の 5 レベルと Human-in-the-Loop を軸に、業務適用のリスク管理を設計できる

対象者

社内で AI エージェント／自律 AI の導入を任されている PM・企画・コンサル・SE。生成 AI 入門・プロンプトエンジニアリングを学び終え、次の段階として「自律的に動く AI」の設計と評価を学びたい方。AI を業務に組み込む中小〜中堅企業の経営者・幹部。エンジニアでも、エージェント設計・評価・リスク管理の体系を整理したい方に役立つ

講師紹介

高梨結衣（たかなしゆい）

AI エージェント・アドバイザー／元 AI スタートアップ CTO

新卒で米系大手 IT 企業の東京オフィスに機械学習エンジニアとして入社し 5 年。レコメンデーション基盤と社内向け LLM ツールを担当した。2022 年に国内 AI スタートアップに参画し、エージェント特化のプロダクトを CTO として立ち上げ・拡大（社員 0→40 名、シリーズ B まで）。ReAct ベースの自律タスク実行、社内文書 RAG、MCP サーバーの設計・運用を経験。2025 年に独立し、現在は中堅 IT 企業 3〜4 社で AI エージェント導入のアドバイザリーを並行。スタンス：「派手な自律性デモ」より「人間が確認できる範囲で粛々と価値を生むエージェント」の運用設計を信条とする

受講される方へのメッセージ

「「AI エージェント」という言葉は、2024〜2025 年に一気に広がりました。SNS や PR 動画では「全自動で仕事が片付く魔法のシステム」のように描かれることが多いですが、実務で運用しているエンジニアの感覚はずいぶん違います。本コースは、2026 年 6 月時点の最新モデルと標準プロトコル（reasoning モデル、MCP、Function Calling）を前提に、AI エージェントを「観察・思考・行動の循環を持つ自律的システム」として体系的にお伝えします。実装コードには踏み込まず、設計・評価・リスク管理を中心に「自社のユースケースで何ができ、何をしてはいけないか」を判断できる軸を、一緒に持ち帰っていただければ幸いです」

レッスン一覧

このコースの用語集（63語）

AI エージェント（えーあいえーじぇんと）: 目的に応じて環境を観察し、計画を立て、ツールや行動を選択して目的に向かって進む、自律的に動くソフトウェアシステム。観察・思考・行動の循環を持つ点で、単発のやり取りで完結する LLM チャットと区別される。
Action: エージェントの 5 要素の 1 つ「行動」。思考の結果を外部世界に作用させる出力。Function Calling、メッセージ送信、コード実行、ほかのエージェント起動、ユーザーへの質問などが該当する。
イテレーション（いてれーしょん）: 設計→評価→改善のサイクルを繰り返すこと。エージェント開発で「魔法のプロンプト」を探すのではなく、評価セットを使って継続的に磨き続ける運用視点を本コースが推奨する。
Orchestrator-Worker（おーけすとれーたー・わーかー）: マルチエージェントの基本パターン。Orchestrator が全体の進行を管理し、Worker（専門エージェント）にタスクを振り分け、結果を統合する。設計がシンプルで責任が明確、デバッグもしやすい。
Observation（おぶざーべーしょん）: ReAct ループの 3 段階のうち、ツール実行の結果を読み取る段階。Thought → Action → Observation → Thought ……と繰り返す。
オブザーバビリティ（おぶざーばびりてぃ）: エージェントの実行状況・コスト・失敗パターン・パフォーマンスを観察可能にする仕組み全般。LangSmith・LangFuse・Arize・Helicone などの専用ツール群が普及している。本番運用には前提インフラ。

すべての用語を見る →