🏗️ 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を作るのはやめましょう。実際に仕事をする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移行について、具体的なコード例とオープンソースのリファレンスを交えて説明します。

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図

1. 中核的な転換：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

• プレッシャー下では幻覚を起こします

• 実行、安全性、一貫性に関する保証がありません

💡 重要な洞察：コンテキストをスケールするのではなく、構造化しましょう。

2. 3層アーキテクチャ

🧱 1. 静的コンテキスト — ルール（常時有効）

•メンタルモデル：社員ハンドブック
•常にロード済み
•アイデンティティ、コーディング規約、行動制約を定義
•幻覚やスタイルの逸脱を防止
•小さく、安定しており、人間が編集可能

🛠️ 2. 動的コンテキスト — スキル（オンデマンド）

•メンタルモデル：ツールボックス
•必要な時だけロード
•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+コンプライアンス層
•確率的ではない
•LLMの推論の前/後に実行
•絶対に失敗してはならないルールを強制

3. 推奨プロジェクト構成

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

4. 静的コンテキストの例：.cursorrules

# ロール
あなたは本番環境レベル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()を使用しない
- 関数には必ず型ヒントを付ける
- 3つ以上のファイルを変更する場合は計画を提案する

# 振る舞い
- 簡潔に
- 必要に応じて明確化のための質問をする

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

5. 動的スキルの例（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"優先度={priority}でチケット {ticket_id} を作成しました"

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

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

6. 決定論的フックの例

def compliance_check_hook(state):
    user_input = state["messages"][-1].content.lower()
    if "パスワード" in user_input or "api_key" in user_input:
        return {"error": "セキュリティ違反を検出しました"}
    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答えるだけなら、それはチャットボットです。信頼性高く作業を実行するなら、それはタスクエージェントです。

AI Architecture