AIエージェント
エージェントの構成(LLM・タスク分解と計画・ツール実行)
AIエージェントは、頭脳にあたるLLMを中心に、道具(ツール)や記憶を組み合わせて動きます。J-AISIが示す3つの層の構成、ReActのように「考える」と「行動する」を交互に行うこと、Function Calling(Tool Use)ではAIが「この道具をこう使いたい」と伝え、実際に動かすのはアプリ側であることを押さえると解けます。
要点 8件・基本問題 8問読む → 覚える → 解くまでこのページで完結

AIエージェントは、頭脳にあたるLLMを中心に、道具(ツール)や記憶を組み合わせて動きます。J-AISIが示す3つの層の構成、ReActのように「考える」と「行動する」を交互に行うこと、Function Calling(Tool Use)ではAIが「この道具をこう使いたい」と伝え、実際に動かすのはアプリ側であることを押さえると解けます。
このサイトでの学習
学習優先度 A対応する一問一答 12問
エージェントの構成(LLM・タスク分解と計画・ツール実行)|3つの層
J-AISIのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層(利用者との窓口)・AIエージェントシステム層(知覚・判断・実行)・環境層(つながる外の世界)の3つの層で整理している。
この論点の用語
用語集をすべて見る →01エージェントの構成(LLM・タスク分解と計画・ツール実行)の重要暗記項目
エージェントの構成(LLM・タスク分解と計画・ツール実行)|3つの層
J-AISIのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層(利用者との窓口)・AIエージェントシステム層(知覚・判断・実行)・環境層(つながる外の世界)の3つの層で整理している。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|層の中の要素
AIエージェントシステム層は、知覚・判断・実行を担う機能要素、推論と生成を担うモデル要素、情報の検索と蓄積を担う情報検索・蓄積要素からなる。
ひっかけ注意「J-AISIのリファレンスアーキテクチャでは、AIエージェントシステム層の中で推論と生成を担うのは、情報検索・蓄積要素とされている」は誤り。 推論と生成を担う要素が誤り。ガイドの付録は、推論と生成を担うのは「モデル要素」で、「情報検索・蓄積要素」は情報を探したりためたりする役割としている。人に例えると、モデル要素は「考える頭」、情報検索・蓄積要素は「手帳や資料棚」、機能要素は「目と手」にあたる。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|LLMに道具を選ばせる
LLMを使うシステムには、関数を呼び出したり他のシステムとやりとりしたりする能力(ツール・スキル・プラグインなど)が与えられることがあり、どれを使うかの判断をLLMに任せることもある。前の呼び出しの結果を使って、次に何を呼ぶかを決めていく。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|ReActの推論と行動
ReActは、LLMに考えの過程(推論)と行動を交互に出させる手法である。推論は行動の計画を立てて見直し、想定外のことへの対処を助け、行動は外の情報源とやりとりして情報を集める。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|交互に行う
ReActは、推論と行動を別々に扱うのではなく、交互に織り交ぜて行う点に特徴がある。
ひっかけ注意「ReActは、推論と行動を別々に扱い、すべての推論を終えてから最後にまとめて行動する手法である」は誤り。 「すべての推論を終えてから最後にまとめて行動する」が誤り。ReActの論文は、それまで別々に研究されていた推論と行動を、交互に出させる方法を提案した。旅行の計画を全部机の上で決めてから出発するのではなく、現地で天気や混み具合を見ながら行き先を決め直すような進め方である。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|計画(プラン)
2026年11月時点のOpenAIのCodexは、タスクを終えるための手順を「プラン」として示し、進み具合を追う。大きな仕事を小さな手順(サブタスク)に分けて進める、タスク分解と計画の例である。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|判断の見直し
AIエージェントシステムは、繰り返し考えることを前提に、結論を一度で決めず、途中の判断やその前提を見直しながら結論を直していく。
ひっかけ注意「J-AISIの評価観点ガイドは、AIエージェントシステムの判断について、結論を最初の推論で一度に確定させ、中間的な判断を見直すことはないと説明している」は誤り。 「一度に確定させ、見直すことはない」が誤り。ガイドの付録は、従来のLLMシステムは入力から出力まで1回の推論で処理するのに対し、AIエージェントシステムは途中の判断の妥当性を見直しながら結論を直すと説明している。カーナビが渋滞を見つけて道順を引き直す(再計画)ように、状況に応じて考え直す。
エージェントの構成(LLM・タスク分解と計画・ツール実行)|ツールを実行するのは
Function Calling(Tool Use)やcomputer useでは、AIは「どの道具を・どう使いたいか」を決まった形で返し、実際に動かすのはアプリ側である。アプリが結果をAIに返す。
ひっかけ注意「Function Calling(Tool Use)では、LLM自身が外部のシステムに直接接続して処理を実行するため、アプリケーション側でツールを実行する必要はない」は誤り。 「LLM自身が直接接続して実行する」が誤り。OpenAIのcomputer useのガイドは、モデルが操作の内容を返し、アプリケーションがそれを実行して結果を返す流れを説明している。Function Callingは、AIに道具(関数)を呼び出す指示を出させる仕組み。レストランで客(AI)は注文票を書くだけで、実際に料理を作るのは厨房(アプリ)であるのと同じ関係である。
覚える数字と、狙われる引っかけ
- ひっかけ「J-AISIのリファレンスアーキテクチャでは、AIエージェントシステム層の中で推論と生成を担うのは、情報検索・蓄積要素とされている」は誤り。推論と生成を担う要素が誤り。ガイドの付録は、推論と生成を担うのは「モデル要素」で、「情報検索・蓄積要素」は情報を探したりためたりする役割としている。人に例えると、モデル要素は「考える頭」、情報検索・蓄積要素は「手帳や資料棚」、機能要素は「目と手」にあたる。
- ひっかけ「ReActは、推論と行動を別々に扱い、すべての推論を終えてから最後にまとめて行動する手法である」は誤り。「すべての推論を終えてから最後にまとめて行動する」が誤り。ReActの論文は、それまで別々に研究されていた推論と行動を、交互に出させる方法を提案した。旅行の計画を全部机の上で決めてから出発するのではなく、現地で天気や混み具合を見ながら行き先を決め直すような進め方である。
- ひっかけ「J-AISIの評価観点ガイドは、AIエージェントシステムの判断について、結論を最初の推論で一度に確定させ、中間的な判断を見直すことはないと説明している」は誤り。「一度に確定させ、見直すことはない」が誤り。ガイドの付録は、従来のLLMシステムは入力から出力まで1回の推論で処理するのに対し、AIエージェントシステムは途中の判断の妥当性を見直しながら結論を直すと説明している。カーナビが渋滞を見つけて道順を引き直す(再計画)ように、状況に応じて考え直す。
- ひっかけ「Function Calling(Tool Use)では、LLM自身が外部のシステムに直接接続して処理を実行するため、アプリケーション側でツールを実行する必要はない」は誤り。「LLM自身が直接接続して実行する」が誤り。OpenAIのcomputer useのガイドは、モデルが操作の内容を返し、アプリケーションがそれを実行して結果を返す流れを説明している。Function Callingは、AIに道具(関数)を呼び出す指示を出させる仕組み。レストランで客(AI)は注文票を書くだけで、実際に料理を作るのは厨房(アプリ)であるのと同じ関係である。
- ひっかけ「OWASPは、期待する出力形式に合っているかの確認を、決定的なコードではなく別のLLMの判断だけに任せるよう勧めている」は誤り。「別のLLMの判断だけに任せる」が誤り。OWASPのLLM01は、出力形式を定め、決定的なコードで形式への適合を確かめるとしている。決定的とは、同じ入力なら必ず同じ結果になること。書類の受付で「必須欄が埋まっているか」を、気分で判断が変わる人ではなく、毎回同じ基準のチェックリストで確かめるのと同じである。
02試験で正誤を分けるチェック順
- 1J-AISIのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層(利用者との窓口)・AIエージェントシステム層(知覚・判断・実行)・環境層(つながる外の世界)の3つの層で整理している。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 2AIエージェントシステム層は、知覚・判断・実行を担う機能要素、推論と生成を担うモデル要素、情報の検索と蓄積を担う情報検索・蓄積要素からなる。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 3LLMを使うシステムには、関数を呼び出したり他のシステムとやりとりしたりする能力(ツール・スキル・プラグインなど)が与えられることがあり、どれを使うかの判断をLLMに任せることもある。前の呼び出しの結果を使って、次に何を呼ぶかを決めていく。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 4ReActは、LLMに考えの過程(推論)と行動を交互に出させる手法である。推論は行動の計画を立てて見直し、想定外のことへの対処を助け、行動は外の情報源とやりとりして情報を集める。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 5ReActは、推論と行動を別々に扱うのではなく、交互に織り交ぜて行う点に特徴がある。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 62026年11月時点のOpenAIのCodexは、タスクを終えるための手順を「プラン」として示し、進み具合を追う。大きな仕事を小さな手順(サブタスク)に分けて進める、タスク分解と計画の例である。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 7AIエージェントシステムは、繰り返し考えることを前提に、結論を一度で決めず、途中の判断やその前提を見直しながら結論を直していく。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 8Function Calling(Tool Use)やcomputer useでは、AIは「どの道具を・どう使いたいか」を決まった形で返し、実際に動かすのはアプリ側である。アプリが結果をAIに返す。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 9computer useでは、AIがクリックや文字入力などの操作を返し、アプリがそれをブラウザやパソコンで実行して画面の写し(スクリーンショット)を返す。AIが操作を返さなくなるまで、これを繰り返す。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 10computer useでは、操作の対象になる環境(ブラウザなど)の準備・許可する操作・後片付けは、AIではなく利用者側のアプリが受け持つ。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 11OpenAIのAPIでは、AIにJSONという決まった形式のデータで答えを返させる機能を、構造化出力(Structured Outputs)と呼ぶ。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
- 12OWASPは、プロンプトインジェクション対策として、期待する出力の形式をはっきり決め、その形式に合っているかを決まった動きをするプログラム(決定的なコード)で確かめることを挙げている。
問題文の限定語を先に拾い、上の暗記項目と照合してから結論を出します。
03この論点の根拠
- 内容の基準日
- 2026-11-20
- 復習方法
- 要点を確認した後、○×一問一答で条件の違いを見分ける
法改正により扱いが変わる場合があります。試験日程や申込みに関する情報は、 必ず公式案内も確認してください。
問題演習
エージェントの構成(LLM・タスク分解と計画・ツール実行)の○×一問一答
1/8問解答 0・正解 0
AIエージェント
エージェントの構成(LLM・タスク分解と計画・ツール実行)|3つの層
J-AISIの評価観点ガイドのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層・AIエージェントシステム層・環境層の3つの層に分けて整理している。
エージェントの構成(LLM・タスク分解と計画・ツール実行)の○×一問一答12問|問題と解説
この論点で収録している12問を、正誤と解説つきで通して読めます。 上の演習で迷った問題を見直すときに使ってください。
問1
エージェントの構成(LLM・タスク分解と計画・ツール実行)|3つの層J-AISIの評価観点ガイドのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層・AIエージェントシステム層・環境層の3つの層に分けて整理している。
答え:○(正しい)
解説
正しい。評価観点ガイド(第1.20版)の付録のとおり。リファレンスアーキテクチャとは、仕組みの標準的な見取り図のこと。会社に例えると、アプリケーション層は「受付窓口」、AIエージェントシステム層は「考えて手を動かす担当者」、環境層は「担当者が連絡を取る取引先や倉庫」にあたる。 要点:J-AISIのリファレンスアーキテクチャは、AIエージェントシステムを含むAIシステムを、アプリケーション層(利用者との窓口)・AIエージェントシステム層(知覚・判断・実行)・環境層(つながる外の世界)の3つの層で整理している。
問2
エージェントの構成(LLM・タスク分解と計画・ツール実行)|層の中の要素J-AISIのリファレンスアーキテクチャでは、AIエージェントシステム層の中で推論と生成を担うのは、情報検索・蓄積要素とされている。
答え:×(誤り)
解説
誤り。推論と生成を担う要素が誤り。ガイドの付録は、推論と生成を担うのは「モデル要素」で、「情報検索・蓄積要素」は情報を探したりためたりする役割としている。人に例えると、モデル要素は「考える頭」、情報検索・蓄積要素は「手帳や資料棚」、機能要素は「目と手」にあたる。 要点:AIエージェントシステム層は、知覚・判断・実行を担う機能要素、推論と生成を担うモデル要素、情報の検索と蓄積を担う情報検索・蓄積要素からなる。
問3
エージェントの構成(LLM・タスク分解と計画・ツール実行)|LLMに道具を選ばせるLLMを使うエージェントでは、どのツールを呼び出すかの判断をLLMに任せ、前の呼び出しで得た出力をもとに次の呼び出しを決めていくことがある。
答え:○(正しい)
解説
正しい。OWASPのLLM06(過剰な権限)の説明のとおり。ツールとは、検索・計算・メール送信など、AIが使える道具のこと。例えば「来月の売上見込みを出して」と頼むと、AIがまず売上データを取り出す道具を使い、その結果を見て次に計算の道具を使う、というように道具を選びながら進める。 要点:LLMを使うシステムには、関数を呼び出したり他のシステムとやりとりしたりする能力(ツール・スキル・プラグインなど)が与えられることがあり、どれを使うかの判断をLLMに任せることもある。前の呼び出しの結果を使って、次に何を呼ぶかを決めていく。
問4
エージェントの構成(LLM・タスク分解と計画・ツール実行)|ReActの推論と行動ReActでは、推論の過程が行動の計画を立てて更新し、例外に対処するのを助け、行動は外部の知識源や環境とやりとりして追加の情報を集める。
答え:○(正しい)
解説
正しい。ReActの論文の説明のとおり。名前は推論(Reasoning)と行動(Acting)から来ている。料理に例えると、「次は野菜を切ろう(推論)→切る(行動)→思ったより量が少ない(観察)→もう1品足そう(推論の見直し)」と、考えと手を交互に動かして進めるやり方である。 要点:ReActは、LLMに考えの過程(推論)と行動を交互に出させる手法である。推論は行動の計画を立てて見直し、想定外のことへの対処を助け、行動は外の情報源とやりとりして情報を集める。
問5
エージェントの構成(LLM・タスク分解と計画・ツール実行)|交互に行うReActは、推論と行動を別々に扱い、すべての推論を終えてから最後にまとめて行動する手法である。
答え:×(誤り)
解説
誤り。「すべての推論を終えてから最後にまとめて行動する」が誤り。ReActの論文は、それまで別々に研究されていた推論と行動を、交互に出させる方法を提案した。旅行の計画を全部机の上で決めてから出発するのではなく、現地で天気や混み具合を見ながら行き先を決め直すような進め方である。 要点:ReActは、推論と行動を別々に扱うのではなく、交互に織り交ぜて行う点に特徴がある。
問6
エージェントの構成(LLM・タスク分解と計画・ツール実行)|計画(プラン)2026年11月時点のOpenAIのCodexの用語集では、タスクを完了するためにCodexが提案し、進み具合を追う手順のことを「プラン」と呼んでいる。
答え:○(正しい)
解説
正しい。Codexの用語集の定義のとおり。Codexは、プログラムを書く作業を任せられるOpenAIのAIエージェント。引っ越しを「段ボールを集める→本を詰める→電気・水道の手続き」と小分けにして1つずつ消していくように、エージェントも大きな仕事を手順に分けてから進める。 要点:2026年11月時点のOpenAIのCodexは、タスクを終えるための手順を「プラン」として示し、進み具合を追う。大きな仕事を小さな手順(サブタスク)に分けて進める、タスク分解と計画の例である。
問7
エージェントの構成(LLM・タスク分解と計画・ツール実行)|判断の見直しJ-AISIの評価観点ガイドは、AIエージェントシステムの判断について、結論を最初の推論で一度に確定させ、中間的な判断を見直すことはないと説明している。
答え:×(誤り)
解説
誤り。「一度に確定させ、見直すことはない」が誤り。ガイドの付録は、従来のLLMシステムは入力から出力まで1回の推論で処理するのに対し、AIエージェントシステムは途中の判断の妥当性を見直しながら結論を直すと説明している。カーナビが渋滞を見つけて道順を引き直す(再計画)ように、状況に応じて考え直す。 要点:AIエージェントシステムは、繰り返し考えることを前提に、結論を一度で決めず、途中の判断やその前提を見直しながら結論を直していく。
問8
エージェントの構成(LLM・タスク分解と計画・ツール実行)|ツールを実行するのはFunction Calling(Tool Use)では、LLM自身が外部のシステムに直接接続して処理を実行するため、アプリケーション側でツールを実行する必要はない。
答え:×(誤り)
解説
誤り。「LLM自身が直接接続して実行する」が誤り。OpenAIのcomputer useのガイドは、モデルが操作の内容を返し、アプリケーションがそれを実行して結果を返す流れを説明している。Function Callingは、AIに道具(関数)を呼び出す指示を出させる仕組み。レストランで客(AI)は注文票を書くだけで、実際に料理を作るのは厨房(アプリ)であるのと同じ関係である。 要点:Function Calling(Tool Use)やcomputer useでは、AIは「どの道具を・どう使いたいか」を決まった形で返し、実際に動かすのはアプリ側である。アプリが結果をAIに返す。
問9
エージェントの構成(LLM・タスク分解と計画・ツール実行)|computer useの流れOpenAIのcomputer useでは、モデルが返したマウスやキーボードの操作をアプリケーションが実行して画面のスクリーンショットを返し、モデルが操作を返さなくなるまでこのループを続ける。
答え:○(正しい)
解説
正しい。computer useのガイドのとおり(2026年11月時点)。computer useは、AIに画面を見せてパソコンやブラウザを操作させる道具である。電話で家族にパソコン操作を教えるとき、「右上のボタンを押して」と伝え、「押したら画面がこう変わった」と聞いて次を伝える、というやりとりの繰り返しに近い。 要点:computer useでは、AIがクリックや文字入力などの操作を返し、アプリがそれをブラウザやパソコンで実行して画面の写し(スクリーンショット)を返す。AIが操作を返さなくなるまで、これを繰り返す。
問10
エージェントの構成(LLM・タスク分解と計画・ツール実行)|環境を受け持つのはOpenAIのcomputer useでは、操作の対象となる環境のセッション・権限・後片付けは、モデルではなく利用者のアプリケーションが受け持つ。
答え:○(正しい)
解説
正しい。computer useのガイドのとおり(2026年11月時点)。アプリが、環境を読み取ったり許した操作だけを行ったりする部品を用意する。派遣スタッフ(AI)に作業を頼むとき、どのパソコンを使わせ、どのフォルダまで触らせ、終わったらログアウトさせるかを決めるのは受け入れる会社(アプリ)の側である。 要点:computer useでは、操作の対象になる環境(ブラウザなど)の準備・許可する操作・後片付けは、AIではなく利用者側のアプリが受け持つ。
問11
エージェントの構成(LLM・タスク分解と計画・ツール実行)|構造化出力OpenAIのAPIでいう構造化出力(Structured Outputs)は、モデルにJSON形式の構造化されたデータを返させる機能である。
答え:○(正しい)
解説
正しい。OpenAIのプロンプトエンジニアリングのガイドのとおり(2026年11月時点)。JSONは、「項目名:値」の形でデータを書く決まった書式のこと。自由な文章で返されると機械が読み取りにくいが、申込書の記入欄のように「氏名」「日付」と欄が決まっていれば、次の処理に確実に渡せる。 要点:OpenAIのAPIでは、AIにJSONという決まった形式のデータで答えを返させる機能を、構造化出力(Structured Outputs)と呼ぶ。
問12
エージェントの構成(LLM・タスク分解と計画・ツール実行)|形式の確認はコードでOWASPは、期待する出力形式に合っているかの確認を、決定的なコードではなく別のLLMの判断だけに任せるよう勧めている。
答え:×(誤り)
解説
誤り。「別のLLMの判断だけに任せる」が誤り。OWASPのLLM01は、出力形式を定め、決定的なコードで形式への適合を確かめるとしている。決定的とは、同じ入力なら必ず同じ結果になること。書類の受付で「必須欄が埋まっているか」を、気分で判断が変わる人ではなく、毎回同じ基準のチェックリストで確かめるのと同じである。 要点:OWASPは、プロンプトインジェクション対策として、期待する出力の形式をはっきり決め、その形式に合っているかを決まった動きをするプログラム(決定的なコード)で確かめることを挙げている。
エージェントの構成(LLM・タスク分解と計画・ツール実行)の問題を続けて解く
この論点に対応する12問を絞り込んで出題します。