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

第5章　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