AIエージェント開発の知識地図――仕組みから開発、運用、ガバナンスまで [単行本]

AIエージェント開発の知識地図――仕組みから開発、運用、ガバナンスまで の 商品概要

• 目次

  はじめに
  
  第1章 AIエージェントとは
  1.1 生成AIとLLM
  1.1.1 生成AIとは
  1.1.2 LLMとは
  1.1.3 主要なLLM
  1.1.4 プロンプトの基礎
  1.1.5 LLMの限界とリスク
  1.2 AIエージェントの概要
  1.2.1 AIエージェントの定義
  1.2.2 AIエージェントの構成要素
  1.2.3 AIエージェントの動作
  1.2.4 ワークフローとAIエージェント
  1.3 AIエージェントのユースケース
  1.3.1 コーディングエージェント
  1.3.2 運用支援エージェント
  1.3.3 Physical AI
  
  第2章 AIエージェントを支える仕組み
  2.1 AIエージェントを支える全体像
  2.1.1 AIエージェントの構成要素と本章の構成
  2.2 AIエージェントの思考
  2.2.1 AIエージェントの思考パターン
  2.2.2 ReAct
  2.2.3 Plan-and-Execute
  2.2.4 Chain-of-Thought
  2.2.5 Self-Refine
  2.3 AIエージェントの知識拡張
  2.3.1 なぜ外部情報が必要なのか
  2.3.2 ナレッジベースの検索
  2.4 AIエージェントの外部連携
  2.4.1 外部連携の必要性
  2.4.2 Tool Useの概要と仕組み
  2.4.3 AIエージェントツール定義の設計
  2.5 AIエージェントの記憶
  2.5.1 「記憶」の必要性
  2.5.2 短期記憶
  2.5.3 長期記憶
  2.6 AIエージェントと人の協調（Human-in-the-Loop）
  2.6.1 Human-in-the-Loopの必要性と適用基準
  2.6.2 Human-in-the-Loopのパターン
  2.6.3 Human-in-the-Loopの運用上の注意点
  2.7 コンテキストエンジニアリング
  2.7.1 コンテキストエンジニアリングとは
  2.7.2 コンテキストエンジニアリングの手法
  2.7.3 導入・運用ポイント
  2.8 ハーネスエンジニアリング
  2.8.1 ハーネスエンジニアリングとは
  2.8.2 ハーネスエンジニアリングの構成要素
  2.9 AIエージェント開発に向けて
  
  第3章 AIエージェントの開発
  3.1 AIエージェント開発フレームワーク
  3.1.1 AIエージェント開発フレームワークの基本
  3.1.2 OpenAI Agents SDK
  3.1.3 Google Agent Development Kit
  3.1.4 Strands Agents
  3.1.5 Microsoft Agent Framework
  3.1.6 Mastra
  3.1.7 その他主要なフレームワーク
  3.1.8 フレームワークの選び方
  3.2 ノーコード・ローコードプラットフォーム
  3.2.1 Dify
  3.2.2 n8n
  3.2.3 Opal
  3.3 AIエージェントを構築してみよう
  3.3.1 全体構成
  3.3.2 事前準備
  3.3.3 「お出かけプランナー」エージェントの実装
  3.3.4 ツールの実装
  
  第4章 AIエージェントの運用と評価
  4.1 AIエージェントの運用
  4.1.1 AIエージェントのデプロイと運用
  4.1.2 AIエージェント運用の特性
  4.1.3 AIエージェント運用サービス
  4.1.4 汎用コンテナ基盤での運用
  4.2 AIエージェントのオブザーバビリティ
  4.2.1 オブザーバビリティの重要性
  4.2.2 テレメトリデータ
  4.2.3 オブザーバビリティを支援するサービス
  4.2.4 アラートによるモニタリング
  4.3 AIエージェントの評価
  4.3.1 評価の必要性と難しさ
  4.3.2 LLM-as-a-Judge
  4.3.3 AIエージェントの評価方式
  4.3.4 AIエージェントの評価メトリクス
  4.3.5 AIエージェント評価支援ツール
  4.4 AIエージェントの継続的改善
  4.4.1 LLMOpsとは
  4.4.2 継続的改善のサイクル
  4.4.3 継続的改善の実践に向けて
  
  AIエージェントの連携と標準化技術
  5.1 マルチエージェントシステム
  5.1.1 マルチエージェントが必要な理由
  5.1.2 Supervisor
  5.1.3 Swarm
  5.1.4 その他のパターン
  5.1.5 A2A（Agent2Agent）
  5.2 MCP（Model Context Protocol）
  5.2.1 MCPとは
  5.2.2 MCPの仕組み
  5.2.3 既製MCPサーバーの活用
  5.3 AIエージェントとUIをつなぐプロトコル
  5.3.1 AIエージェントとUI連携の観点
  5.3.2 MCP Apps
  5.3.3 A2UI（Agent-to-User Interface）
  5.3.4 AG-UI（Agent-User Interaction Protocol）
  5.4 AIエージェントの決済プロトコル
  5.4.1 AP2（Agent Payments Protocol）
  5.4.2 ACP（Agentic Commerce Protocol）
  5.4.3 x402
  5.5 AGENTS.mdとAgent Skills
  5.5.1 AGENTS.md
  5.5.2 Agent Skills
  
  第6章 AIエージェントの安全性と信頼性
  6.1 AIエージェントの脅威とリスク
  6.1.1 AIエージェント特有の脅威
  6.1.2 OWASP Top 10 for Agentic Applications
  6.1.3 国内外のセキュリティガイドラインと推進組織
  6.2 リスクへの対策手法
  6.2.1 ガードレール
  6.2.2 回答の根拠性検証
  6.2.3 Human-in-the-Loopによる制御
  6.2.4 サンドボックス環境での実行
  6.2.5 監視と検知
  6.3 責任あるAIとガバナンス
  6.3.1 責任あるAI
  6.3.2 法規制とガイドライン
  6.3.3 何をAIエージェントに任せるか
  
  Appendix ハンズオンの事前準備
  Appendix. A AnthropicのAPIキー取得
  Appendix. A.1 アカウントの作成
  Appendix. A.2 APIキーの作成
  Appendix. B ハンズオン環境の構築
  Appendix. B.1 アカウントの作成
  Appendix. B.2 リポジトリの作成
  Appendix. B.3 コードスペースの起動
  Appendix. B.4 uvの導入
  Appendix. B.5 .envの作成

• 内容紹介

  本書では、ソフトウェア開発や日常業務を大きく変えつつあるAIエージェントの仕組みから、実際に開発し、運用するためのポイントまでを解説します。また、AIエージェントの利用拡大や高度化により、注目が集まっているガバナンスやセキュリティも取り上げます。
  AIエージェントやその周辺技術だけでなく、「プロンプトエンジニアリング」や「コンテキストエンジニアリング」といったプラクティスも日々大きく進化し続けています。一方で、AIエージェントの構成要素と、開発および運用に必要な原則の中には、新しい技術が登場しても変わらず重要なものがあります。本書では、そうした変わらない部分を軸に、AIエージェントの基本を理解し、実践に踏み出すための知識地図を示していきます。

• 著者について

  塚田 真規 (ツカダ マサキ)
  三菱電機株式会社 ソフトウェアエンジニア。生成AIを活用し、グループ全体の事業・業務の改革を推進。AWSを中心としたクラウドや生成AIを活用したアプリケーション開発やAIエージェント基盤構築にもリーダとして従事。Japan AWS All Certifications Engineers （2024/2025/2026）AWS Community Builder （カテゴリ：AI Engineering）著書に、『AIエージェント開発 / 運用入門［生成AI深掘りガイド］』（共著、SBクリエイティブ、2025年）、『AWSではじめるMCP実践ガイド』（共著、技術評論社、2026年）がある。
  
  松好 祐紀 (マツヨシ ユウキ)
  KDDIアジャイル開発センター株式会社 ソフトウェアエンジニア。AWSを中心にクラウドを活用したアプリケーションやシステム開発に従事。社内AIエバンジェリストとして、AI駆動開発の推進やナレッジ共有を通じた組織全体のAI活用促進に取り組む。また、生成AI教育プログラム「KAGAI Learning Hub」にも携わり、KDDIグループ内外のAI人材育成を支援。個人でも生成AIの検証や開発に取り組み、技術記事の執筆やイベント登壇を通じて発信。AWS Community Builder （カテゴリ：Machine Learning）

AIエージェント開発の知識地図――仕組みから開発、運用、ガバナンスまで の商品スペック