Agent（エージェント）

概念

Agent は、自律的に計画を立て、意思決定を行い、タスクを実行できるコンポーネントです。中核となる考え方は、大規模言語モデル（LLM）がタスクの要求に応じてツールを選択・呼び出し、モデル単体では解決できない複雑な問題に対応することです。

Agent がある場合とない場合の違い

	Agent なし	Agent あり
能力の限界	学習データに基づく回答のみ	外部ツールを呼び出してリアルタイムデータ取得や計算が可能
動作方式	単発の Q&A	思考 → ツール選択 → 実行 → 結果に基づく戦略調整をループし、完了まで繰り返す
典型的な制約	リアルタイムデータ、複雑な計算、外部システム連携などで「行き詰まり」やすい	LLM が「指揮官」としてツールチェーンを調整し、タスクを完遂する

主な特徴

• 目標駆動：ユーザーの具体的なタスク目標に沿って動作する
• ツール呼び出し：外部ツールと連携し、LLM の弱点を補う
• 自律的な判断と反復：ツールの返却結果に基づき、ツールを継続呼び出すか最終回答を生成するかを判断する。各ステップで人手の介入は不要

ReAct

ReAct（Reasoning + Acting、推論 + 行動）は、大規模モデルエージェントの中核となる思考・行動フレームワークです。Agent が人間のように「問題を考える → 戦略を立てる → 行動する → 結果を検証する」流れで動作できるようにします。

従来の「直接回答する」方式とは異なり、ReAct は自然言語による思考過程を通じてツール呼び出しを導き、段階的に複雑な問題を解決します。多段推論やツール連携が必要なシーン（インテリジェントカスタマーサポート、レポート生成、タスク計画など）に適しています。

実行ループ

思考（Reason）→ 行動（Act）→ 観察（Observe）→ 再思考 → …

LangChain の Agent オブジェクトは ReAct フレームワークに従い、実行中に継続的に自己思考・自行動・自己観察を行います。LangGraph では、このループがグラフ構造のノードとエッジによって実装されます。詳細は LangGraph を参照してください。