AI BASICS

AIエージェントとは？

仕組み・MCP・実装パターン・始め方を5分で解説

更新: 2026年4月 読了 約7分 SaaS MAP 編集部

結論ファースト（3行まとめ）

  • 01 AIエージェントは「自然言語の指示を受けて、自律的にタスクを分解し、SaaS や API を直接操作して結果を出す AI」のこと。ChatGPT のような問答型とは別物。
  • 02 2024年に登場した MCP（Model Context Protocol） によって、Claude / ChatGPT / Cursor から Notion・Linear・Slack などを直接動かせるようになった。
  • 03 これからは「人がツールを使う」から「AI がツールを使う」時代へ。Agent Ready な SaaS（MCP・API・Webhook 完備）を選ぶ判断軸が、今後3年の生産性を分ける。

AIエージェントとは

AIエージェントとは、人間が指示した目的に対して、 自律的にタスクを分解し、外部ツール（SaaS / API / ファイルシステム）を直接操作して結果を出す AI のこと。 ChatGPT 初期のような「質問に答えるだけ」のチャット型 AI と決定的に違うのは、 「実行」と「自己修正」を内包している点です。

2024年末に Anthropic が発表した MCP（Model Context Protocol） は、 AI と SaaS をつなぐオープン標準として急速に普及しました。Notion・Linear・Slack・GitHub・Supabase といった 主要 SaaS が公式 MCP サーバーを公開し、Claude Desktop / Cursor / Claude Code から 設定ファイル数行で SaaS を操作できる状態になっています。

結果として、SaaS 選定の評価軸も変わりつつあります。これまでの「機能・料金・UX」に加え、 「AI から操作できるか（Agent Ready）」が 新しい評価軸として確立しつつあるのが、いまのフェーズです。

AIエージェントの4つの構成要素

AIエージェントは「LLM だけ」では成立しません。以下4つの層が組み合わさって自律的に動きます。

Layer 01

認識（Perception）

ユーザーの自然言語指示を解釈し、目的とゴール条件を抽出する層。LLM が文脈・意図を理解する。

Layer 02

計画（Planning）

目的を達成するためのタスクを分解し、必要なツール・APIの呼び出し順序を決める。ReAct や Plan-and-Execute が代表的アルゴリズム。

Layer 03

実行（Action）

MCP / API / Function Calling を介して SaaS や外部ツールを呼び出す。失敗時はエラーを読み取り再試行する。

Layer 04

記憶（Memory）

会話履歴・過去の実行結果・ユーザー嗜好を保持し、長期タスクの一貫性と再利用性を担保する。

実行フロー

  1. Step 1

    人間が指示

    「先週の Linear Issue を要約して Slack に投げて」など自然言語で目的を伝える

  2. Step 2

    AIが計画

    指示を解釈し、Linear API → 要約 → Slack 投稿の順に分解

  3. Step 3

    AIが実行

    MCP・API・Function Calling で SaaS を直接操作。失敗時は自動リトライ

  4. Step 4

    確認・調整

    人間に結果を提示し、必要なら指示を更新して再実行

Step 3 で失敗した場合、エージェントはエラー出力を読み取り、別の手段で再試行します。 この「自己修正ループ」がエージェントとチャットボットの最大の差です。

従来のAIとの違い

従来のAI
AIエージェント
できること
質問に回答するだけ
✓ 自律的にタスクを分解・実行
タスク粒度
単発・1問1答
✓ 複数ステップを連続処理
対話形式
ChatGPT 風 問答型
✓ 指示 → 計画 → 実行 → 確認 → 再実行
外部連携
基本なし（コピペ運用）
✓ MCP / API / Function Calling 経由で直接操作
失敗時挙動
回答を返して終了
✓ エラーを読み取り自己修正
記憶
会話セッション内のみ
✓ 長期メモリで過去のやり取りも参照

4つの主要な実装パターン

AIエージェントは「どう実装するか」で4つの代表パターンに分かれます。新規プロジェクトはまず MCP からが最短です。

01

MCP（Model Context Protocol）

推奨

Anthropic が 2024 年に発表したオープン標準。AIアシスタント側が「ツールサーバー」を読み込むだけで、SaaS の全機能を呼び出せる。設定は JSON 数行。

例: Claude Desktop に Notion MCP サーバーを追加 → 「議事録ページを作って」で Notion 上にページが生成される

02

Function Calling / Tool Use

汎用

OpenAI / Anthropic / Google の各 LLM が標準対応する機能。開発者が JSON Schema で関数を定義し、LLM が必要に応じて呼び出す。

例: 自社 API を関数として登録 → 「在庫確認して」で API 呼び出し → 結果をユーザーに返す

03

ReAct / Plan-and-Execute

アルゴリズム

「思考（Reason）→ 行動（Act）→ 観察 → 思考」のループでタスクを進める手法。LangChain / LangGraph などのフレームワークで実装される。

例: Web検索 → ページを読む → 不足情報を再検索、を自律的に繰り返す

04

Multi-agent / Orchestration

高度

複数のエージェントが役割分担してタスクを進める構成。Researcher / Writer / Reviewer のようにロールを分けると品質と再現性が上がる。

例: AutoGen / CrewAI / OpenAI Agents SDK を使ってコード生成 + レビューを自動化

SaaS での活用例（実例つき）

ドキュメント起票・更新

議事録・仕様書・PRD をAI が直接 Notion / Confluence に書き込む

Notion / Linear / Confluence

タスク管理の自動化

Slack の依頼を Issue 化、ステータス更新、関連 Issue の自動リンク

Linear / Jira / GitHub Issues

カスタマーサポート補助

過去チケットを RAG で参照しドラフト返信を作成、エスカレ判定もAI

Intercom / Zendesk / Tidio

コード生成・PR レビュー

Issue から実装、テスト追加、PR 作成まで一気通貫。CI 失敗時は自己修正

Cursor / Claude Code / Copilot

データ分析・レポート

自然言語クエリで BigQuery / Postgres を叩き、ダッシュボードに反映

Supabase / BigQuery / Hex

メール / 営業活動

CRM 情報を読み込みパーソナライズ文面を生成、フォロー予定も自動登録

HubSpot / Apollo / lemlist

いま始める3ステップ

01

AIアシスタントを選ぶ

まずは Claude Desktop（無料枠あり）、ChatGPT Plus、または Cursor / Claude Code を選ぶ。MCP 対応の有無が大事。Claude / ChatGPT / Cursor のいずれもMCPに対応している。

02

Agent Ready な SaaS をつなぐ

日常的に使う SaaS（Notion・Linear・Slack 等）が公式 MCP サーバーや API を提供しているか確認。`claude_desktop_config.json` に MCP サーバーを追記するだけで連携できる。

MCP公式対応のSaaS一覧
03

小さく試して計測する

「議事録の Notion ページ作成」「Slack の質問を Issue 化」など、定型業務 1 件をAI に丸投げしてみる。週単位で工数削減を測ると、どこに投資すべきか見える。

注目カテゴリのランキングを見る

よくある誤解・落とし穴

NG

「AIに任せれば全部やってくれる」と過信し、機微情報まで自由に渡す

OK

権限スコープを最小化し、書き込み系操作は人間の確認を挟む（Human-in-the-loop）

NG

無料 LLM だけで本番運用を狙い、レートリミットで止まる

OK

本番は API キー or Pro プランで運用し、料金の上限を月単位で設定

NG

MCP 非対応の SaaS をどうしても使いたく、PoC が長期化

OK

まずは MCP 対応 SaaS で価値を出してから、API + Function Calling で広げる

NG

「AIエージェント = ChatGPT のプロンプト工夫」と思っている

OK

エージェントの本質は「外部ツール実行 + 自己修正ループ」。プロンプトだけでは到達できない

よくある質問

Q. AIエージェントとチャットボットは何が違いますか？ ▾
チャットボットは「テキストを返すだけ」、AIエージェントは「タスクを実行する」。エージェントは MCP / API を介して SaaS を直接操作し、結果を確認して再試行できる点が決定的に違います。
Q. MCP 対応 SaaS と API しかない SaaS、どちらが良い？ ▾
導入のしやすさは MCP 対応 SaaS が圧倒的。設定 1 行で繋がります。一方、API しか無くてもFunction Calling や Zapier 経由で動かせます。長期運用するなら MCP 公式 > 公式 API > サードパーティ統合の優先順位が無難です。
Q. AIエージェントは何ができないのですか？ ▾
(1) 物理的な作業（実機を動かす等）、(2) 100%の正確性が要求されるクリティカルな判断（医療・法務の最終判定）、(3) 学習データに無い極端に新しい情報。これらは人間の確認・追加情報の供給が必須です。
Q. セキュリティ・情報漏洩リスクは？ ▾
API キーや会社データを LLM に渡すため、(1) Anthropic / OpenAI の Zero Data Retention 設定、(2) MCP サーバーの権限スコープ最小化、(3) 監査ログの取得を必ず行いましょう。エンタープライズ契約なら DPA も必須。
Q. 個人事業主・小規模チームでも始められますか？ ▾
はい。Claude Desktop は無料枠で MCP 対応、Notion / Linear の MCP サーバーも無料公開されています。まずは月 $20 の Claude Pro / ChatGPT Plus からで十分です。
Q. AIエージェントが普及したら SaaS は不要になる？ ▾
むしろ逆です。AIエージェントが「どの SaaS を呼び出すか」が重要になるため、Agent Ready な SaaS（MCP・API・Webhook 完備）の価値が一気に上がります。SaaS の主役は変わらず、選定基準が変わります。

Agent Ready な SaaS から探す

MCP公式・REST API・Webhook 等の対応状況を、カテゴリ別に比較できます。

公式MCP対応のSaaS Agent Ready とは？