🏗️ QAボットからタスクエージェントへ: アーキテクチャガイド

TL;DR: 質問に答えるだけのチャットボットの構築をやめましょう。実際に作業を行うタスクエージェントの構築を始めましょう。

このガイドでは、静的ルール、動的スキル、決定論的フックを使用して、モノリシックなQAボットからタスクエージェントへのアーキテクチャの変化を説明します—具体的なコード例とオープンソースの参照を含みます。

異なるコンポーネント間の相互作用を示すタスクエージェントシステムアーキテクチャのイラスト

1. コアシフト: QAボット → タスクエージェント

今日のほとんどのAIシステムは、まだコンテキストが詰め込まれたQAボットです：

• 質問にはうまく答えます

• プレッシャーの下で幻覚を見ます

• 実行、安全性、一貫性に関する保証が欠けています

💡 重要な洞察: コンテキストをスケールしないでください。構造化してください。

2. 三層アーキテクチャ

🧱 1. 静的コンテキスト — ルール（常にオン）

•メンタルモデル: 従業員ハンドブック
•常に読み込まれています
•アイデンティティ、コーディング基準、行動制約を定義します
•幻覚とスタイルのドリフトを防ぎます
•小さく、安定しており、人間が編集可能です

🛠️ 2. ダイナミックコンテキスト — スキル（オンデマンド）

•メンタルモデル: ツールボックス
•必要なときにのみロードされる
•各スキルは自己完結型の機能
•コンテキストウィンドウをクリーンに保つ

⚓ 3. 決定論的フック — ガードレール

•メンタルモデル: セキュリティ + コンプライアンスレイヤー
•確率的ではない
•LLM推論の前後に実行される
•決して失敗してはいけないルールを強制する

3. 推奨プロジェクト構造

my-task-agent/
├── .cursorrules
├── main.py
├── tools/
│   └── linear_mcp.py
└── README.md

4. 静的コンテキスト例: .cursorrules

# 役割
あなたは生産グレードのシステムに焦点を当てたシニアPythonエンジニアです。

# ルール
- デバッグにprint()を決して使用しない
- 常に関数に型ヒントを付ける
- 3つ以上のファイルに触れる場合は計画を提案する

# 振る舞い
- 簡潔であること
- 必要に応じて明確化の質問をする

参考: https://github.com/PatrickJS/awesome-cursorrules

5. ダイナミックスキル例 (MCP)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("DevTools")

@mcp.tool()
def create_linear_ticket(title: str, priority: str = "low") -> str:
    ticket_id = f"LIN-{hash(title) % 10000}"
    return f"作成したチケット {ticket_id} の優先度={priority}"

if __name__ == "__main__":
    mcp.run()

参考: https://github.com/modelcontextprotocol/python-sdk

6. 決定論的フック例

def compliance_check_hook(state):
    user_input = state["messages"][-1].content.lower()
    if "password" in user_input or "api_key" in user_input:
        return {"error": "セキュリティ違反が検出されました"}
    return agent_node(state)

参考: https://langchain-ai.github.io/langgraph/

あなたのエージェントが質問にのみ答えるなら、それはチャットボットです。信頼性のある作業を実行するなら、それはタスクエージェントです。