AIエージェント
Googleの出しているWhite Paper(2024-09)
1. エージェントの概要
エージェントとは何か
単独の大規模言語モデル（LLM）では得られない、外部ツールや外部データとのやりとりを可能にする仕組み。
ユーザーのゴールを達成するために、モデルが自律的に情報を取り込み、計画（推論）し、ツールなどを使って行動（API コールなど）できるようになる。
エージェントとモデルの違い
単なるモデル：学習データ内の知識に基づき、ユーザーの問いに一度だけ推論し、回答する。外部のAPIやデータには標準ではアクセスしない。
エージェント：外部データへのアクセスや外部ツールの活用が可能で、複数ターン（マルチターン）の文脈管理や実行計画を持って問題解決を行う。
2. エージェントのコア構成（認知アーキテクチャ）
エージェントには大きく3つの要素があると解説しています。
モデル（language model）
推論の中核を担う言語モデル(LLM)。ReAct、Chain-of-Thought、Tree-of-Thoughtsなどの推論フレームワークを用いて「どのツールをどう使うか」や「ユーザーの質問への回答」を考える。
ツール（Tools）
モデル単体では行えない外部システムへのアクセスやAPIコールを担う。
たとえば「天気情報API」「データベース更新API」「Google Flights API」「Google Search API」など。
オーケストレーション層（The orchestration layer）
モデルの出力やツールからの結果を受け取りつつ、最終的にどの順番で何を実行し、どう返答するかを制御する仕組み。
ここで「思考→行動→観察」というループを何度も回しながら、ユーザーのゴール達成を図る。
3. 具体的な推論・実装の流れ
エージェントが「思考」を文章化する手法（思考過程を明示して推論する）や、解答に至る中間ステップをより強化する手法が紹介されている。
ReAct フレームワークの例では、「Thought（考え）→ Action（ツール実行）→ Observation（結果確認）」を繰り返し、最終回答を生成する流れを詳細に解説している。
外部ツールを扱うための方法
Extensions
Vertex AI が提供する仕組みで、エージェントが外部APIを直接コールしてやりとりするための標準化されたインターフェース。
APIの引数（パラメータ）や使用例をエージェントに教えることで、エージェントが自発的に最適なAPIコールを判断して実行できる。
Functions（Function Calling）
エージェント側では「呼び出すべき関数名と引数」のみを提案し、実際のAPIコールはアプリケーション（クライアント）側で行う設計。
認証やセキュリティ、バッチ実行、フロントエンドが先に介在するような場合に便利。
例として「display_cities」という関数をエージェントが呼び出し、パラメータをJSON形式で返す。その後、クライアント側がAPIコールや追加処理を行うフローが解説されている。
Data Stores
RAG（Retrieval Augmented Generation）的な設計で、ベクターデータベースを活用し、ユーザーのクエリに合わせて必要な外部ドキュメントを検索・参照できる。
モデルの学習データにない最新情報やドキュメントを取り込み、回答の正確性・鮮度を高める。