AIエージェントの入口はMCPかCLIかAPIか？ 迷う前に押さえたいプロダクトの4層

AX（Agent Experience）入門：AIエージェントに使われるプロダクトの条件　第1回

AIエージェントの行動モデルから読み解く「エージェントはなぜ迷うのか？」

　なぜ、エージェントは迷うのでしょうか。何が人間と違うのでしょうか。それを理解するには、エージェントの行動モデルに目を向ける必要があります。

　多くのAIエージェントは、ReAct（Reasoning and Acting）と呼ばれるパターンに基づいて動きます^[4]。考える（Thought）、動く（Action）、結果を観察する（Observation）という3つの段階を交互に繰り返す仕組みです。

　たとえば「この顧客の未払い請求を確認して」と指示された場合、エージェントは次のように進みます。

• Thought（考える）：顧客情報を引くAPIが必要そうだ
• Action（動く）：顧客検索APIを呼ぶ
• Observation（観察する）：顧客IDが得られた
• Thought（考える）：次はこのIDで請求一覧を取得すればよい
• Action（動く）：請求APIを呼ぶ

　ここで重要なのは、このThoughtの中身です。エージェントは、あらかじめ手順を知っているわけではありません。与えられた情報（コンテキスト）を頼りに、次に何をすべきかをその場で判断します。使えるAPIの一覧、各APIの説明、直前の呼び出しが返した結果。これらがコンテキストとして渡され、そこから次の一手を導き出します。

　人間は曖昧な仕様や不統一な表現を、経験や状況から柔軟に補って読み解けます。しかしエージェントにはそれが苦手です。エージェントはコンテキストを基に推論を行い、確率的に次のアクションを決定するため、判断の仕組みそのものが人間と異なります。暗黙知や例外運用、担当者依存のルールといった、人間同士なら通用してきたやり方は、エージェントには通用しません。適切なコンテキストが与えられなければ、エージェントは迷うのです。

[4] Shunyu Yao et al.「ReAct: Synergizing Reasoning and Acting in Language Models」（ICLR 2023）

「MCPかCLIかAPIか」という問いは本質ではない

　AXを考え始めると、現場ではしばしば次の議論になります。

　「MCPかAPIかCLIか、どちらを採用すべきか」

　この問いに、決まった正解はありません。コンテキストを押さえたいならCLI、柔軟なツール選択を優先するならMCP、というように、前提条件が変われば最適な答えも入れ替わります。MCP、API、CLIは、いずれもエージェントがプロダクトの能力を利用するための「接点」です。どれが適しているかは目的や実行環境によって決まるため、1つに固定するものではなく、状況に応じて選び直していくものだと言えるでしょう。

　もちろん、エージェントにとって使いやすい接点を選ぶことは、重要です。しかしプロダクトとして本当に問うべきは、そこではありません。どの接点を選んでも同じ品質の体験を返せるかどうかです。入口ごとに挙動や用語、エラー処理がズレていれば、そのプロダクトは信頼できないものになります。AXを支えるのは接点の選定ではなく、いかなる接点でもエージェントが迷わず能力を使えるよう、プロダクト全体を設計することなのです。