翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# ソフトウェアエージェントの進化


シンプルな自動化システムからインテリジェント、自律型、目標指向のソフトウェアエージェントへのジャーニーは、コンピュータサイエンス、人工知能、分散システムの数十年にわたる進化を反映しています。

この進化の後、機械学習が増加し、パラダイムが手作業のルールから統計的パターン認識に移行しました。これらのシステムは、データから学び、認識、分類、意思決定の進歩を実現できます。

大規模言語モデル (LLMsは、スケール、アーキテクチャ、教師なし学習の収束を表します。LLMsは、タスク固有のトレーニングをほとんどまたはまったく行わずに、タスクの推論、生成、適応を行うことができます。LLMsをスケーラブルなクラウドネイティブインフラストラクチャと構成可能なアーキテクチャと組み合わせることで、エージェント AI の完全なビジョン、つまりエンタープライズ規模で自律性、コンテキスト認識、適応性で運用できるインテリジェントなソフトウェアエージェントを実現できるようになりました。

このセクションでは、次の図に示すように、基盤理論から最新のプラクティスまでのソフトウェアエージェントの履歴について説明します。分散人工知能 (DAI) とトランスフォーマーベースの生成 AI の収束に焦点を当て、エージェント AI の出現を形成した重要なマイルストーンを特定します。

![\[1950 年代から現在までのソフトウェアエージェントの進化。\]](http://docs.aws.amazon.com/ja_jp/prescriptive-guidance/latest/agentic-ai-foundations/images/evolution-software-agents.png)


**Topics**
+ [

# ソフトウェアエージェントの基盤
](roots.md)
+ [

# フィールドの成熟: 推論からアクションへ
](maturity.md)
+ [

# 並列タイムライン: 大規模言語モデルの台頭
](llm.md)
+ [

# タイムラインの収束: エージェント AI の出現
](agentic-ai-emergence.md)

# ソフトウェアエージェントの基盤


## 1959年 – オリバー・セルフリッジ: ソフトウェアにおける自律性の誕生


ソフトウェアエージェントの根源は、Oliver Selfridge にまでさかのぼります。Oliver Selfridge は、*自律型ソフトウェアエンティティ (デモ)* の概念を導入しました。このプログラムは、環境を認識し、独立して動作できます (Selfridge 1959)。機械認識と学習における彼の初期の仕事は、独立したインテリジェントシステムとしてのエージェントの将来の概念のための哲学的基礎を確立しました。

## 1973 年 – Carl Hewitt: アクターモデル


Carl Hewitt のアクターモデル (Hewitt et al. 1973) は、エージェントを独立した同時エンティティとして記述する正式な計算モデルです。このモデルでは、エージェントは独自の状態と動作をカプセル化し、非同期メッセージパスを使用して通信し、他のアクターを動的に作成してタスクを委任できます。

アクターモデルは、分散型のエージェントベースのシステムの理論的基盤とアーキテクチャパラダイムの両方を提供しました。このモデルは、Erlang プログラミング言語や Akka フレームワークなどの最新の同時実行実装を事前に考案しました。

# フィールドの成熟: 推論からアクションへ


## 1977 年 – Victor Lesser: マルチエージェントシステム


1970 年代後半、分散人工知能 (DAI) が登場しました。これは、マルチエージェントシステム (MAS) の開拓で広く認識されている Victor Lesser によって推進されました。彼の仕事は、独立したソフトウェアエンティティが協力、調整、交渉する方法に焦点を当てました ([「 リソース](resources.md)」セクションを参照）。この開発により、複雑な問題をまとめて解決できるシステムが生まれました。これは、分散インテリジェンスの構築に不可欠な飛躍です。

## 1990 年代 – マイケル・ウォルダーリッジとニコラス・ジェニングス: エージェントスペクトル


1990 年代までに、分散インテリジェンス分野は Michael"dridge や Nicholas Jennings などの研究者からの貢献で成熟しました。これらの学者は、非認知系から目標駆動型の推論エージェントまで、事後対応型から議論型まで、エージェントをスペクトルに沿って分類しました (Wooldridge and Jennings 1995)。彼らの研究では、エージェントはもはや抽象的なアイデアではなく、ロボットからエンタープライズソフトウェアまで、幅広い実用的な分野に適用されていると強調しました。

これらの研究者は、一元的な推論から分散アクションへの焦点の移行も導入しました。エージェントはもはや単なる思想家ではなく、自律性と目的を持つリアルタイム環境で運営されていた人々でした。

## 1996 年 – Hyacinth S. Nwana: エージェント概念の形式化


1996 年、Hyacinth S. Nwana は、影響力のある論文 [Software Agents: An Overview](https://teaching.shu.ac.uk/aces/rh1/elearning/multiagents/introduction/nwana.pdf) を公開しました。これは*、*これまでで最も包括的なエージェントの分類を提供しました。彼のタイプには、自律性、社会的能力、反応性、非アクティブ性、学習性、モビリティなどの属性が含まれ、ソフトウェアエージェントと従来のソフトウェアコンストラクトを区別しました。

Nwana は、現在広く受け入れられている定義、言い換えも提供しました:* ソフトウェアエージェントは、委任の概念から派生した、代理関係でユーザーまたは他のプログラムとして機能するソフトウェアベースのコンピュータプログラムです。*

この形式化は、ソフトウェアエージェントを理論的なコンストラクトから実際のアプリケーションに移行する上で役立ちました。これにより、通信、ワークフローオートメーション、インテリジェントアシスタントなどの分野でエージェントベースのシステムが生成されました。

Nwana の仕事は、初期の分散 AI 研究と最新のエージェントの運用アーキテクチャの収束点にあります。これは、エージェントの認知理論と今日のシステムへの実際のデプロイとの間の重要な橋渡しです。

# 並列タイムライン: 大規模言語モデルの台頭


エージェントフレームワークが進化するにつれて、自然言語処理と機械学習で並行して収束的な改革が行われました。
+ **2017 – トランスフォーマー**: ホワイトペーパー[「Attention Is All You Need](https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf) (Vaswani et al. 2017)」では、トランスフォーマーアーキテクチャが導入されました。これにより、機械による言語の処理方法と生成方法が劇的に改善されました。
+ **2022 年 – ChatGPT**: OpenAI は ChatGPT と呼ばれる GPT-3.5 へのチャットベースのインターフェイスをリリースしました。これにより、汎用 AI システムとの自然なインタラクティブな会話が可能になりました。
+ **2023 年 – オープンソース LLMs**: Llama、Falcon、Mistral のリリースにより、強力なモデルが広くアクセス可能になり、オープンソース環境とエンタープライズ環境でのエージェントフレームワークの開発が加速しました。

これらのイノベーションにより、言語モデルはコンテキストの解析、アクションの計画、レスポンスの連鎖が可能な推論エンジンに変わり、LLMs はインテリジェントなソフトウェアエージェントの主要なイネーブラーになりました。

# タイムラインの収束: エージェント AI の出現


## 2023-2024 – エンタープライズグレードのエージェントプラットフォーム


分散ソフトウェアエージェントアーキテクチャとトランスフォーマーベースの LLMs の収束は、エージェント AI の台頭に至りました。
+ [Amazon Bedrock エージェントは、Amazon Bedrock の基盤モデルを使用して、目標駆動型のツールを使用するソフトウェアエージェントを構築するフルマネージド型の方法](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)を導入しました。
+ Anthropic の** **Model Context Protocol (MCP) では、大規模言語モデルが外部ツール、環境、メモリにアクセスして操作する方法を定義しました。これは、コンテキスト的、永続的、自律的な動作の鍵です。

これら 2 つのマイルストーンは、機関とインテリジェンスの合成を表しています。エージェントは静的ワークフローやリジッドオートメーションに制限されなくなりました。複数のステップにわたって推論を行い、ツールや APIs と連携し、コンテキスト状態を維持し、時間の経過とともに学習して適応できるようになりました。

## 2025 年 1 月～6 月 – エンタープライズ機能の拡張


2025 年前半、エージェント AI の状況は新しいエンタープライズ機能で大幅に拡大しました。2025 年 2 月、Anthropic は市場初のハイブリッド推論モデルである Claude 3.7 Sonnet をリリースし、MCP 仕様は広く採用されました。

[Amazon Q Developer](https://aws.amazon.com/q/developer/)、Cursor、WindSurf 統合 MCP などの AI コーディングアシスタントは、コード生成、リポジトリ分析、開発ワークフローを標準化します。2025 年 3 月の MCP リリースでは、OAuth 2.1 セキュリティ統合、多様なデータアクセスのためのリソースタイプの拡張、Streamable HTTP による接続オプションの強化など、エンタープライズ対応の重要な機能が導入されました。この基盤に基づいて、 AWS は 2025 年 5 月に MCP ステアリング委員会に参加し、新しいagent-to-agent通信機能に貢献したことを発表しました。これにより、エージェント AI 相互運用性の業界標準としてのプロトコルの立場がさらに強化されます。

2025 年 5 月、[Strands Agents フレームワーク](https://strandsagents.com)をオープンソース化することで、エージェント AI ワークフローを構築するための顧客オプション AWS を強化しました。このプロバイダーに依存しないモデルに依存しないフレームワークにより、デベロッパーは深い AWS サービス統合を維持しながら、プラットフォーム間で基盤モデルを使用できます。[AWS オープンソースブログ](https://aws.amazon.com/blogs/opensource/introducing-strands-agents-an-open-source-ai-agents-sdk/)で強調されているように、Strands Agents は、基盤モデルをエージェントインテリジェンスの中核とするモデルファーストの設計哲学に従います。これにより、お客様は特定のユースケースに合わせて高度な AI エージェントを簡単に構築してデプロイできます。

## エマージェンス – エージェント AI


ソフトウェアエージェントの進化は、初期の自律性から最新の LLM 対応オーケストレーションまで、長くレイヤー化されています。「Oliver Selfridge のプログラム認識のビジョン」から始まり、コラボレーション、適応、理性を可能にするインテリジェントでコンテキスト対応、目標駆動型のソフトウェアエージェントの堅牢なエコシステムに成長しました。

分散人工知能 (DAI) とトランスフォーマーベースの生成 AI の収束は、ソフトウェアエージェントがもはやツールだけでなく、インテリジェントシステムの自律アクターである新しい時代の始まりを示しています。

エージェント AI は、ソフトウェアシステムの次の進化を表します。自律型、非同期型、エージェント型のインテリジェントエージェントのクラスを提供し、委任されたインテントで動作し、動的で分散された環境で意図的に動作できます。エージェント AI は以下を統合します。
+ マルチエージェントシステムとアクターモデルのアーキテクチャリネージュ
+ 認識、理由、行動の認知モデル
+ LLMs とトランスフォーマーの生成能力
+ クラウドネイティブコンピューティングとサーバーレスコンピューティングの運用上の柔軟性