9.1.1 Agent 基礎ロードマップ：目標、状態、行動

Agent はモデル名ではありません。目標に向かって、モデル、ツール、状態、記憶、フィードバックをまとめるシステムパターンです。

まず単一 Agent ループを見る

普通のチャットボットは 1 回答えます。ワークフローは固定手順を進みます。Agent は計画、行動、観察、状態更新を行い、目標が終わっていなければ続けます。

小さな Agent 状態ループを動かす

このスクリプトはまだモデルを呼びません。Agent をデバッグできるようにする最小状態を示します。

goal = "summarize RAG citation rules"
state = {"steps": [], "done": False}

for action in ["plan", "search_docs", "summarize"]:
    state["steps"].append(action)

state["done"] = True

print("goal:", goal)
print("steps:", " -> ".join(state["steps"]))
print("done:", state["done"])

期待される出力：

goal: summarize RAG citation rules
steps: plan -> search_docs -> summarize
done: True

デモが目標、状態、行動、観察、停止条件を示せないなら、まず LLM アプリと呼び、Agent とは呼ばないほうが正確です。

この順番で学ぶ

手順	読む内容	実践アウトプット
1	Agent とは何か	チャットボット、ワークフロー、RAG アプリ、Agent を比較する
2	発展史	なぜ LLM が Agent システムを再び注目させたか理解する
3	能力レベル	回答、検索、ツール利用、計画、記憶、協調を同じ段階表に置く
4	システムアーキテクチャ	目標、状態、プランナー、ツール、記憶、観察、実行器を描く
5	RL から Agent への突破	行動、報酬、フィードバック、計画をつなげる

残す証拠

このページを終えたら、この証拠カードを残します。

エージェント境界

これが chatbot や固定ワークフローとどう違うか

目標/状態/行動

目標、現在の状態、次の行動、観測

アーキテクチャ要素

planner、tools、memory、guardrails、evaluator

失敗確認

自律性が高すぎる、あいまいな目標、状態不足、または trace がない

次の行動

追跡可能な最小の single-agent ループを構築する

合格ライン

単一 Agent ループを描き、マルチ Agent 協調の前に単一 Agent の安定性が必要な理由を説明できれば、この章は合格です。

出口ミニプロジェクトは研究アシスタント Agent の追跡記録です：1 つの目標、1 つの計画、少なくとも 1 つのツール判断、1 つの観察、1 つの停止条件、1 つの最終回答を残します。

確認の考え方と解説

1. 合格レベルの答えでは、agent loop を goal、plan、tool call、observation、memory/state update、stop condition として説明します。
2. 証拠には、最終回答だけでなく、別の開発者が確認できる trace を残します。
3. tool schema、permission boundary、retry、evaluation case、人間レビューなど、安全性または信頼性の制御を1つ説明できれば十分です。