T最新テックトレンド

AIエージェントが変革する未来：CloudflareのAgents SDKで加速する開発者の力

AI Engineer
0:00--:--

はじめに

テクノロジーの進化は、私たちが世界と関わる方法を常に再定義してきました。2000年代初頭のクラウドコンピューティングの台頭、2007年のモバイル革命、そして2010年代のソーシャルメディアの爆発的普及。これらは、私たちの仕事、コミュニケーション、そして生活様式そのものに計り知れない影響を与えてきました。そして今、私たちは新たな、おそらく最も劇的なパラダイムシフトの真っただ中にいます。それは、人工知能（AI）です。

AIは単なるツールではなく、アプリケーションの構築方法、そしてビジネスの運営方法そのものを根底から覆す可能性を秘めています。特に最近の進歩は目覚ましく、単なる情報検索やコンテンツ生成の域を超え、複雑なタスクを自律的に処理する「AIエージェント」の時代が到来しつつあります。

本記事では、Cloudflareの開発者プラットフォーム担当副社長であるRita Kozlov氏による「AI Engineer World's Fair」での講演に基づき、この画期的なAIエージェント技術の重要性、具体的な機能、ビジネスへの影響、そして将来性を深く掘り下げていきます。Cloudflareが「より良いインターネットの構築」というミッションのもと、開発者がいかに簡単にAIエージェントを構築し、デプロイできるかを、その「Agents SDK」というチートコードと共に分かりやすく解説します。専門的な知見と実践的なアプローチを通じて、読者の皆様がAIの最前線を理解し、次なるイノベーションの波に乗るための一助となることを目指します。

AIの進化：過去から未来へ

Cloudflareは、インターネットトラフィックの約20%を処理する企業として、インターネットの進化を間近で見てきました。その視点から見ると、AIはまさに次の大きな技術的パラダイムシフトであり、その速度は過去のどのシフトよりも速いとRita Kozlov氏は強調します。

パラダイムシフトの歴史とAIの台頭

私たちが経験してきた主要な技術的転換点を振り返ると、AIの現在の勢いをより深く理解できます。

  • 2000年代初頭：クラウド（Cloud） - サーバーやインフラの管理から解放され、開発者はアプリケーションロジックに集中できるようになりました。AWSやAzureのようなプラットフォームがその基盤を築きました。
  • 2007年：モバイル（Mobile） - スマートフォンの登場により、アプリケーションはいつでもどこでも利用できるようになり、ユーザー体験が劇的に変化しました。
  • 2010年：ソーシャル（Social） - Facebook、Twitterなどのプラットフォームが人々のつながり方を根本から変え、情報の流通とコミュニティ形成のあり方を再定義しました。
  • 2022年以降：AI（Artificial Intelligence） - 生成AIの登場は、上記すべてのシフトを凌駕する速度で世界に浸透しつつあります。

AI導入の驚異的な加速

Rita氏の講演で提示されたデータは、AIの普及がどれほど加速しているかを如実に示しています。

  • 昨年（講演時点の1年前）の予測：

    • 開発者の約44%が開発プロセスでAIを使用。
    • 2028年までに、企業の80%以上が生成AI対応のAPIやモデルを本番環境に展開すると予想。
    • 2030年までに、知識労働者の50%がAIを利用して仕事の生産性を向上させると予測（平均的な品質は15%向上）。 これらの数字は当時としても非常に野心的なものでしたが、Rita氏は「AIの導入は爆発的に増加し、私たちの仕事と生活の日常的な一部になるだろう」と述べていました。

  • 現在の状況（講演時点）：

    • 世界の知識労働者の75% が生成AIを使用しており、これは2022年末からわずか1年足らずでほぼ倍増したことを意味します。
    • 開発者の76% が開発プロセスでAIをすでに使用しています。 これらの数字は、以前の2030年までの予測をはるかに上回っており、AIが予想をはるかに超える速度で社会に浸透している現実を物語っています。この急速な変化は、私たちが次に何が起こるかについて考える上で重要な視点を提供します。

AIワークロードの重心移動：トレーニングから推論へ

AIがアプリケーション構築のパラダイムをシフトさせる中で、そのワークロードの焦点も大きく変化しています。

  • これまでの焦点：トレーニング（Train） これまでAIの議論の中心は、モデルを訓練するための膨大なデータと計算リソースにありました。大規模なデータセットを収集し、それを基にモデルを学習させるプロセスが、AI開発の主要な課題でした。
  • 現在の、そして今後の焦点：推論（Infer） しかし、エンジニアリングの革新、特に大規模言語モデル（LLM）の発展により、この焦点は大きく「推論」へとシフトしています。DeepSeekのような技術は、AIモデルのトレーニングコストを大幅に削減し、モデルのサイズを縮小することで、より効率的な推論が可能になりました。これにより、AIのバリューチェーンは、モデルを「いかに効率的に、大規模に、高速に」利用するか、つまり推論のフェーズに重きを置くようになっています。

この推論へのシフトは、AIをより広範なアプリケーションやユースケースに統合するための道を開きます。

拡張から自動化へ：エージェントAIの登場

AIの進化は、単に人間の能力を「拡張（Augmentation）」するだけでなく、より自律的な「自動化（Automation）」へと向かっています。これは、AIが私たちのビジネスプロセスをどのように再構築するかを考える上で、非常に重要な視点です。

生成AIによる「拡張」

これまで、多くの人が経験してきた生成AIは、主に「拡張」の役割を担ってきました。例えば、ChatGPTに「顧客に送るメールの草案作成を手伝ってほしい」と依頼するケースがこれに当たります。AIは優れたアシスタントとして、私たちのアイデアを形にし、作業を効率化する手助けをします。しかし、最終的な承認や送信は依然として人間が行う必要がありました。

エージェントAIによる「自動化」

AIの次のステップは、この「拡張」の段階を超え、「自動化」へと移行することです。エージェントAIは、一連の複雑なタスクを、人間の介入なしに、または最小限の介入でエンドツーエンドで実行する能力を持っています。

Rita氏の例を挙げると、次のようなシナリオが考えられます。 「今週会議で会った顧客へのフォローアップキャンペーンを実行したい。顧客リストを取得し、メールを作成して、私に承認のために送ってくれ。そして、顧客から返信があったら私に通知してくれ。」

この一連のプロセスは、顧客リストの特定からメールのドラフト、承認ワークフロー、そして最終的な通知まで、複数のステップを含んでいます。エージェントAIは、これらのステップを自律的に計画し、実行し、管理することができます。

エージェントAIがビジネスにもたらす具体的なインパクト

この自動化の力は、すでに多くのビジネスで具体的な成果を生み出し始めています。

  • 営業効率の向上: ある企業では、セールスプロセスにおけるAI自動化により、収益が28%増加しました。エージェントがリードの選定、パーソナライズされた初期コンタクト、フォローアップのスケジューリングなどを自動化することで、営業担当者はより戦略的な活動に集中できるようになります。
  • 顧客サポートの高速化: AIエージェントを導入した企業では、顧客サポートの応答時間が90%高速化しました。これにより、顧客満足度が向上し、リソースの最適化が実現します。チャットボットやバーチャルアシスタントが初期対応、FAQ対応、簡単な問題解決を行うことで、人間のエージェントはより複雑な問題に集中できます。
  • タスク時間の劇的な削減: 一般的な業務タスクにおいて、AIエージェントの利用により、50%から75%の時間削減が報告されています。これまで数日かかっていたプロセスが数時間で完了するようになり、組織全体の生産性が飛躍的に向上します。データ分析、レポート作成、情報収集など、多くのバックオフィス業務が自動化の対象となります。

これらのデータは、AIエージェントが単なる未来のビジョンではなく、すでに「働き方」と「ビジネスモデル」を大きく変革している現実を示しています。

エージェント構築の核心：4つの主要コンポーネント

AIエージェントがもたらす変革の可能性は理解できたとして、では実際にエージェントを構築するには何が必要なのでしょうか？Rita Kozlov氏は、エージェントを構成する要素として、大きく以下の4つのコンポーネントを挙げます。

エージェントを構成する要素：クライアント + AI + ワークフロー + ツール

1. クライアント (Clients)

クライアントは、人間がエージェントと対話するためのインターフェースです。

  • WebRTCインターフェース: 音声コマンドでエージェントに指示を出す場合（例：「これをしてくれ」）、WebRTCを介した接続が必要になります。その後、音声認識モデル（Speech-to-Text model）が音声をテキストに変換します。
  • チャットUI: 私たちがChatGPTなどで慣れ親しんでいるチャットインターフェースも一般的なクライアントです。ユーザーのテキスト入力はそのまま次のステップへと送られます。

2. AI (LLMs)

クライアントからの入力は、エージェントの「思考」を担うAI、特に大規模言語モデル（LLM）へと送られます。

  • キャッシュと評価（Cache and Evals）: LLMにクエリを送る前に、理想的にはゲートウェイを介してキャッシングが行われます。これにより、コスト削減と応答時間の短縮が図れます。また、モデルの改善を確実にするために、評価（evals）を実行することも重要です。
  • LLMへのクエリ送信: クエリはLLMに送られ、LLMは入力された情報に基づき、次に何をすべきかのロジックを考え出します。これがエージェントの「推論」部分です。

3. ワークフロー (Workflows)

LLMがアクションのロジックを決定したら、それを実行するための「実行部隊」が必要になります。それがワークフローです。

  • アクションのディスパッチと状態管理: ワークフローは、LLMが決定したアクションを適切な順序で実行し、その過程での状態を管理します。どのタスクが完了し、次に何を行う必要があるかを追跡します。
  • Human-in-the-Loop (HITL): すべてのタスクをAIが単独で処理できるわけではありません。特に重要な決定や複雑な判断には、人間の承認や介入が必要な場合があります。ワークフローは、このような場合に人間が介入できるループ（Human-in-the-Loop）を組み込むことができます。例えば、AIが作成したメールを送信する前に、人間がレビューするステップを設けるといった具合です。

4. ツール (Tools)

ワークフローがアクションを計画し、実行するために、外部システムやリソースへのアクセスが必要になります。それがツールです。

  • 多様なツールへの接続:
    • Webブラウザ: Webサイトの情報を収集したり、特定の操作を実行したりするため。
    • API: 外部サービス（例：CRMシステム、決済ゲートウェイ）と連携するため。
    • 内部サービス: 企業内の独自のシステムやデータベースにアクセスするため。
    • ベクトルデータベース: 追加の知識（ドメイン固有の情報など）をLLMに提供するため。これは、LLMが学習データに含まれていない最新情報や特定の企業の情報を参照して、より正確な推論を行うのに役立ちます。

これらの4つのコンポーネントが連携することで、AIエージェントはユーザーの意図を理解し、思考し、計画を立て、そして現実世界で具体的なアクションを実行できるようになります。

MCP（Model Context Protocol）とCloudflare Agents SDKによる課題解決

エージェントの概念は魅力的ですが、実際に構築する際にはいくつかの技術的課題が伴います。Cloudflareは、これらの課題を解決し、開発者がAIエージェントをより簡単に構築できるようにするためのツールを提供しています。それが「Agents SDK」と、それを支える「Model Context Protocol（MCP）」です。

MCPとは何か？「スパイシーなAPI」

Anthropicが2023年11月に発表したModel Context Protocol（MCP）は、AIがAPIと対話する方法を根本的に変えるプロトコルです。このプロトコルの本当の画期的な点は、LLMがツールコーリング（Tool Calling）に非常に優れているということです。数年前まではこれほどではなかったLLMのツール連携能力が、今や驚くほど向上しています。

MCPは、人間が自然言語でLLMと対話できるように、そしてLLMが外部ツールを呼び出してアクションを実行できるようにするための標準的な方法を提供します。伝統的なクライアント・サーバーアーキテクチャを尊重しつつ、複数のクライアントがMCPサーバーに接続できる柔軟性も備えています。

MCPの核心概念：

  • リソース (Resources): サーバーがデータやコンテンツを公開し、クライアントやLLMがインタラクションのコンテキストとして読み取れるようにします。
    • 例: ファイルの内容、データベースレコード、APIレスポンス、ライブシステムデータなど。
  • プロンプト (Prompts): サーバーが再利用可能なプロンプトテンプレートやワークフローを定義し、クライアントがユーザーやLLMに簡単に提示できるようにします。
    • 例: 「これらのシステムログとコードファイルを分析して問題点を見つけてください。」
  • ツール (Tooling): LLMが外部システムと連携し、計算を実行したり、現実世界でアクションを起こしたりできるようにします。
    • 例: Webブラウザ、API、内部システム。
  • サンプリング (Sampling): サーバーがクライアントを通じてLLMの応答を要求できるようにし、セキュリティとプライバシーを維持しながら洗練されたエージェントの動作を可能にします。
    • 例: エージェントワークフロー、コンテキスト管理、エラー処理。

エージェント構築の「難しさ」とCloudflare Agents SDKによる解決

MCPの導入によりAIとAPIの対話は容易になりましたが、それでもエージェントの構築にはいくつかの課題が残ります。Rita氏が挙げた「難しい部分」は以下の通りです。

  1. トランスポート (Transport): WebSocketやSSE (Server-Sent Events) を介したリアルタイム通信の確立と維持。
  2. OAuth (Authentication): 複数のサービス間で安全な認証と認可を実装すること。
  3. メモリ (Memory): エージェントが過去の会話やアクションのコンテキストを維持し、長期的な対話や複雑なワークフローに対応するための状態管理。

これらの課題に対して、Cloudflareは「Agents SDK」という解決策を提供します。

Cloudflare Agents SDKの「チートコード」

npm i agents コマンド一つでインストールできるAgents SDKは、これらの複雑な部分を抽象化し、開発者がエージェント構築のロジックに集中できるように設計されています。

Agents SDKの主な機能：

  1. McpAgentクラス: OAuth、トランスポート、HTTPストリーミング機能が組み込まれたリモートMCPサーバーをホストできます。これにより、開発者は認証や通信プロトコルの実装に頭を悩ませることなく、すぐにエージェントの開発に着手できます。特にOAuthの実装を避けたい開発者にとっては画期的な機能です。
  2. Durable Objectsによる状態管理: Cloudflare独自の「Durable Objects」というプリミティブを基盤として、エージェントの状態管理が容易になります。Durable Objectsは、サーバーレス関数でありながら、グローバルに一意なオブジェクトとして永続的な状態を持つことができます。これにより、エージェントは会話のコンテキストや過去のアクションを簡単に保持し、複雑で長期にわたるワークフローを管理できます。開発者がデータベースを別途セットアップする必要はありません。
  3. リアルタイムWebSocket通信: チャットインターフェースなどのリアルタイムな対話には必須のWebSocket通信が、SDKによって簡単に実装できます。
  4. React統合フック: Reactベースのフロントエンドとの統合が容易になるフックが提供されており、ユーザーインターフェースの開発もスムーズです。
  5. 基本的なAIチャット機能: 基本的なチャット機能をすぐに利用できるため、迅速なプロトタイピングが可能です。

実践例：Cloudflare上でのMCPサーバーデプロイ

Rita氏の講演では、簡単な「読書推薦」MCPサーバーのデプロイ例が示されました。

  1. McpAgentの拡張: まず、McpAgentを拡張するMyMCPクラスを定義します。初期状態として、ユーザーが好むジャンル（favoriteGenres）や読んだ本（booksRead）、ユーザー名などを空のリストや文字列で設定します。
  2. 「ジャンル追加」ツールの定義: this.server.tool("addGenre", ...)としてaddGenreツールを定義します。ユーザーが好きなジャンルをチャットで伝えると、このツールが呼び出され、this.setState(...)によってそのジャンルがエージェントの状態として自動的に永続化されます。
  3. 「推薦取得」ツールの定義: this.server.tool("getRecommendations", ...)としてgetRecommendationsツールを定義します。このツールは、保存されたユーザーの好みのジャンルと読んだ本を基に、パーソナライズされたプロンプトをLLM（例: meta-llama-2-7b-instruct）に送信し、本の推薦を受け取ります。
  4. 永続的なメモリと改善される推薦: ユーザーがエージェントと対話するたびに、その情報は永続化されます。これにより、エージェントは過去のインタラクションから学習し、ユーザーの好みをより深く理解して、より質の高い推薦を継続的に提供できるようになります。

なぜこれが素晴らしいのか？従来のセットアップとの比較

Agents SDKとDurable Objectsの組み合わせは、従来のアプリケーション構築プロセスと比較して、大きな利点を提供します。

  • 従来のセットアップ:
    • データベースのセットアップと管理。
    • APIとDB間の接続管理。
    • スケーリングの処理（トラフィック増加に対応）。
    • インフラの複雑さによる追加の遅延。
  • Agents SDK MCP (McpAgentがあなたのバックエンドに):
    • メモリが組み込み: Durable Objectsにより、コードから直接状態を保存・取得でき、DBを別途構築・管理する必要がありません。
    • 自動スケーリング: Cloudflareのグローバルネットワーク上で自動的にスケーリングされ、インフラの管理から解放されます。
    • AIエージェントに近い実行: AIエージェントのロジックと状態が密接に連携し、効率的な処理が可能です。
    • 追加インフラ不要: これらの機能がSDKに組み込まれているため、余分なインフラのセットアップや運用コストが発生しません。

迅速なデプロイと広がるコミュニティ Agents SDKとDurable Objectsを組み合わせることで、MCPサーバーは1分未満でライブ状態にできます。Cloudflareは、Deploy to Cloudflareボタンを提供しており、数回のクリックで初期のMCPサーバーを立ち上げることが可能です。

このアプローチは、すでに多くの企業に採用されています。Atlassian、Asana、Stripe、Intercomといった著名な企業が、この方法で独自のMCPサーバーを構築しています。これは、CloudflareのAgents SDKが、エージェント構築のための信頼性が高く、効率的な道筋を提供していることの証です。

実用例：Knockとの仮想カード発行ワークフロー

Cloudflareは、Knockとの共同ケーススタディを通じて、Agents SDKがどのように複雑なビジネスワークフローを効率化できるかを示しています。この例は、新しい仮想カードの発行に人間による承認が必要なシナリオです。

  1. チャットインターフェースによるリクエスト: ユーザーはチャットインターフェースを通じて新しい仮想カードをリクエストします。Agents SDKは、useAgentやuseAgentChatといったReactフックを通じて、フロントエンドでエージェントとの対話を容易にします。
  2. issueCardツールと人間による承認の委譲: エージェントはissueCardツールを使ってカード発行を試みますが、このツールはrequireHumanInputでラップされており、カード発行プロセスをKnockに委譲します。これにより、自動化プロセスの中に人間による承認ステップが組み込まれます。
  3. Knockによる通知と承認の待機: Knockは承認者に承認通知（メール、Slack、アプリ内通知など）を送信し、承認プロセスが完了するまでカード発行のツール呼び出しを一時停止します。
  4. 承認後の適切なエージェントへのルーティング: 承認者がリクエストを承認すると、KnockからWebhookが送信されます。Durable Objectsによって管理されているエージェントは、このWebhookを受信すると、ユーザーIDに基づいて適切なエージェントに自動的にルーティングし、一時停止されていたワークフローを再開します。
  5. カード発行の完了とユーザーへの通知: ワークフローは一時停止されていたツール呼び出しを再開し、カードを発行します。その後、ユーザーにはカードが承認され、発行されたことが通知されます。
  6. 重複アクションの防止: 重要なのは、Durable Objectsによる状態管理が、万が一複数の承認イベントが同時に発生した場合でも、カードが二重に発行されるような重複アクションを防ぐことです。

この例は、Agents SDKが単なるコード生成ツールではなく、複雑なビジネスルールや人間との協調が求められるエンドツーエンドのビジネスプロセスを、いかに堅牢かつ効率的に自動化できるかを示しています。

マルチクライアントセットアップのサポート

Agents SDKとMCPのもう一つの大きな利点は、柔軟なマルチクライアントセットアップを簡単にサポートできる点です。

  • 既存のMCPホストとの連携: あなたのエージェントは、ChatGPT、Claude、Cursorといった既存のMCPホストを通じて、開発者に直接利用してもらうことができます。ユーザーは使い慣れたインターフェースからあなた構築したエージェントの機能を利用できるため、利用障壁が低くなります。
  • 独自のクライアント構築: もちろん、独自のウェブアプリケーションやモバイルアプリを構築し、そこにMCPクライアントを組み込むことも可能です。これにより、よりカスタマイズされたユーザー体験を提供できます。
  • 音声インターフェースへの拡張: Cloudflareのツールを活用すれば、WebRTCとWebSocketを介して音声インターフェース（ボイスエージェント）を簡単に実装することもできます。ユーザーは声でエージェントと対話し、タスクを指示できるようになります。

この柔軟性は、あなたのエージェントが、ユーザーが「どこにいても、どのような方法で」アクセスできる可能性を広げます。

結論

AIエージェントの時代はすでに到来しており、その進化の速度は予想をはるかに超えています。Cloudflareは、この新しいパラダイムの中心で、開発者がより良いインターネットを構築するための強力なツールを提供しています。

Rita Kozlov氏の講演で明確にされたように、AIエージェントはビジネスプロセスを根本から再構築し、生産性を飛躍的に向上させる可能性を秘めています。しかし、その構築には、クライアント、AI（LLM）、ワークフロー、ツールの連携、そしてトランスポート、OAuth、メモリ管理といった技術的課題が伴います。

ここでCloudflareの「Agents SDK」がその真価を発揮します。このSDKは、Durable Objectsによる組み込みのメモリ機能、自動スケーリング、リアルタイム通信、そしてOAuthのような複雑な要素を抽象化することで、これらの課題を劇的に簡素化します。開発者は、わずか npm i agents というコマンド一つでエージェント構築の世界に足を踏み入れ、複雑なインフラ構築に時間を費やすことなく、革新的なアイデアの実現に集中できます。

Knockとの仮想カード発行ワークフローの例が示すように、Agents SDKは、人間による承認が必要な複雑なワークフローを、堅牢かつ効率的に自動化する能力を備えています。さらに、既存のLLMホストや独自のクライアントとの柔軟な連携は、あなたのエージェントが多様なユーザーと接点を持つことを可能にします。

AIエージェントの未来は、開発者の手にかかっています。Cloudflare Agents SDKは、その未来をより身近なものにし、誰でも簡単にAIの力を活用して、次なるイノベーションの波を生み出すための道筋を提供します。

さあ、あなたも npm i agents で、自分だけのエージェントを構築し、未来のアプリケーション開発に参加しませんか？あなたのアイデアが、世界を変えるかもしれません。

← 一覧に戻る