用語集

本書で用いる主要な用語を、初出章とともにまとめる。表記は本書全体で統一されている。

---

エージェントの基本概念

用語	英語	定義	初出
AIエージェント	AI Agent	目標を与えられると、環境を観測し、次の行動を自ら決定し、ツールを通じて働きかけ、結果を観測して次を決める、というループを目標達成まで繰り返すシステム	4.2.1
ワークフロー	Workflow	LLMとツールを、あらかじめ定義されたコードパスに沿って組み合わせたもの。制御は開発者側にある	4.3.1
拡張されたLLM	Augmented LLM	検索・ツール・メモリを備えたLLM。エージェントの最小構成単位	4.2.3
エージェントループ	Agent Loop	知覚 → 推論と計画 → 行動 → 観察の4段階の繰り返し	5.2
サブエージェント	Subagent	親エージェントから1つのツールとして呼ばれる、独立したコンテキストを持つエージェントループ	9.2.5
マルチエージェント	Multi-agent	複数のエージェントが協調して動く構成の総称	9.2.5
ツール	Tool / Function / Action	LLMが呼び出せる外部機能。モデルは「呼びたい」と宣言するだけで、実行はアプリケーション側が行う	4.4.1
ポカヨケ	Poka-yoke	そもそも間違えられない引数設計にする、という設計思想	4.4.5

LLMの性質とコスト

用語	英語	定義	初出
トークン	Token	LLMがテキストを扱う単位。日本語は英語の2〜3倍を消費する	2.2.2
コンテキストウィンドウ	Context Window	一度に処理できる入力と出力の合計トークン数の上限	2.2.2
プロンプトキャッシュ	Prompt Caching	毎ターン変わらない前半部分をサーバー側に保持し、割引レートで再利用する仕組み	2.2.2
Temperature	—	確率分布の尖り具合を調整するパラメータ。ツール呼び出しでは 0 が基本	2.3.1
Top-p	Nucleus Sampling	累積確率で候補範囲を切る方式。Temperature と同時に動かさない	2.3.2
推論モデル	Reasoning Model	最終回答の前に内部で思考過程を生成するモデル	3.3.1
adaptive thinking	—	思考の有無と深さをモデル自身が判断する既定の動作	3.3.1
effort	—	思考の深さと頻度を制御するパラメータ。既定値は high、output_config にネストする	3.3.2
オープンウェイトモデル	Open Weight Model	重みがダウンロード可能なモデル。オープンソースとは別概念	2.5.1

検索と記憶

用語	英語	定義	初出
埋め込み	Embedding	テキストを固定長の数値ベクトルに変換したもの	3.5.1
RAG	Retrieval-Augmented Generation	回答前に外部知識源から関連情報を検索し、コンテキストに含める手法	3.6.1
エージェント型RAG	Agentic RAG	検索をツールとして与え、いつ・何回検索するかをモデルに委ねる方式	3.6.4
チャンク分割	Chunking	文書を検索単位に切り分ける工程。300〜800トークンが目安	3.6.2
ハイブリッド検索	Hybrid Search	ベクトル検索とキーワード検索を組み合わせ、スコアを統合する方式	3.5.4
短期記憶	Short Term Memory	コンテキスト内に保持され、セッション終了で消える記憶	8.2.1
長期記憶	Long Term Memory	外部ストレージに保持され、セッションをまたいで残る記憶	8.2.1
エピソード記憶	Episodic Memory	出来事の記録。特定の時点に紐づく	8.5.1
意味記憶	Semantic Memory	知識の抽象。時点に依存しない	8.5.1
context editing	—	古いツール結果をサーバー側で自動削除する機能	8.3.3
compaction	—	履歴を要約に置き換えるサーバー側の機能	8.3.4
時間減衰	Time Decay	想起スコアに時間の要素を掛け、古い記憶を想起されにくくする手法	8.7.2

アーキテクチャ

用語	英語	定義	初出
ReAct	Reason + Act	推論と行動を交互に繰り返す最も基本的な構成	9.2.1
Planner-Executor	—	先に全体の計画を立て、それから実行する構成	9.2.3
DAGエージェント	—	タスクを依存グラフとして表現し、依存が解決したノードから並列実行する構成	9.2.4
CoT	Chain-of-Thought	最終回答の前に推論過程を明示的に生成させる技法	9.3.1
ToT	Tree-of-Thought	複数の可能性を並行展開し、評価して有望な枝を伸ばす技法。標準比10〜100倍のトークンを消費	9.4.1
MCP	Model Context Protocol	AIアプリケーションと外部システムを繋ぐ標準規格。M×N 問題を M+N に変える	9.5.1
MCPホスト / クライアント / サーバー	—	ホスト=AIアプリ本体、クライアント=接続1本につき1つ、サーバー=機能提供側(実行場所は問わない)	9.5.2

実装

用語	英語	定義	初出
ツール呼び出し	Tool Use / Function Calling	モデルが「どのツールをどの引数で呼ぶか」を構造化データとして出力すること	4.4.2
冪等性	Idempotency	同じ操作を複数回実行しても結果が変わらない性質。副作用のあるツールで必要	1.4.2
停滞	Stall	同じツールを同じ引数で繰り返し呼ぶなど、進展のない状態	5.4.2
誤りの累積	Compounding Errors	序盤の小さな誤りが後続に伝播し、増幅すること	5.4.4
システム介入メッセージ	—	停滞検知や予算警告を、実行時に動的にコンテキストへ注入するプロンプト	5.4.2
Human-in-the-Loop	HITL	取り返しのつかない操作の前に人間の承認を挟む設計	4.3.3
耐久実行	Durable Execution	途中で落ちても中断地点から再開できる仕組み	10.4.1

評価と可観測性

用語	英語	定義	初出
タスク完遂率	Task Completion Rate	目標が達成された割合。エージェント評価の中心指標	11.3.1
ツール正確性	Tool Correctness	適切なツールを選んだかどうか。決定的に測れる	11.3.1
軌跡評価	Trajectory Evaluation	計画・ツール選択・中間ステップという経路を評価すること	11.2.2
LLM-as-a-Judge	—	LLMに出力を採点・分類・比較させる評価手法	11.7.1
回帰テストセット	—	過去に直した失敗が再発しないことを確認するデータセット。最も費用対効果が高い	11.4.2
トレース / スパン	Trace / Span	トレース=1回の実行全体、スパン=個々の処理単位。共通の trace_id で紐づく	12.2.1
GenAI セマンティック規約	—	OpenTelemetry における LLM・エージェント向けの属性名の取り決め。2026年7月時点で Development ステータス	12.4.1
ドリフト	Drift	モデル更新やデータ分布の変化による、じわじわした品質低下	12.5.3

セキュリティ

用語	英語	定義	初出
プロンプトインジェクション	Prompt Injection	プロンプトに悪意ある指示を注入し、モデルの挙動を乗っ取る攻撃	13.3.1
間接プロンプトインジェクション	Indirect Prompt Injection	第三者が、ツールが取得するデータ経由で攻撃する形態。エージェントでは最も深刻	13.3.1
ジェイルブレイク	Jailbreak	利用者自身が直接入力で制約を回避しようとする攻撃	13.3.1
OWASP Top 10 for Agentic Applications	ASI01〜ASI10	エージェント固有の脅威の分類。従来のLLM Top 10と補完関係にある	13.2.1
最小権限の原則	Least Privilege	エージェントに与える権限をタスク遂行に必要な最小限にすること	13.5.1
パストラバーサル	Path Traversal	../ などで想定範囲外のファイルにアクセスする攻撃。resolve() 後に検査する	7.6.6
サンドボックス	Sandbox	コード実行などを隔離された環境に閉じ込めること	7.6.2
レッドチームテスト	Red Teaming	攻撃者の視点で意図的に攻撃を試み、防御を検証する作業	13.7.1
fail closed	—	検査が失敗したときに、通すのではなく止める側に倒す設計	13.3.2
PII	Personally Identifiable Information	個人を特定しうる情報。記録・送信の前にマスキングを検討する	13.4

---

表記の統一方針

本書では以下の表記に統一している。

• ツール呼び出し — 「関数呼び出し」「ツールコール」は使わない(Anthropic以外のAPIを指す場合のみ「Function Calling」を用いる)
• タスク完遂率 — 「タスク成功率」は使わない
• マルチエージェント — 「多エージェント」「複数エージェント」は使わない
• リレーショナルDB — 表や図の制約で短縮する場合のみ「RDB」
• 可観測性 — 「オブザーバビリティ」は使わない
• [システム] — システム介入メッセージの接頭辞
• 技術用語は初出時に「日本語(English)」で併記し、以降は読みやすい方を使う

モデルIDの表記について

本書のコード例では、可読性のためエイリアス(claude-sonnet-5、claude-opus-5、claude-haiku-4-5)を用いている。本番ではスナップショットID(claude-haiku-4-5-20251001 のように日付が付くもの)に置き換えること(第2章2.6節)。