概要

• Agentic AI は新しいモデル能力ではなく、「LLM＋ループ＋ツール＋状態＋停止条件」という新しいソフトウェア形態。
• デモは簡単だが、「ループの信頼性確保」が本質的な課題。
• 本記事はGitHubリポジトリ「Awesome Agentic Patterns」とサイト「agentic-patterns.com」に基づく実践的ガイド。
• 失敗例・課題・パターン を整理し、実運用への橋渡しを解説。
• エージェント失敗 の多くは「ループ設計の失敗」であり、モデルの限界ではない。

Agentic AIとは何か

• Agentic AI は「LLMをループ内で使い、ツール・状態・停止条件を持つ」ソフトウェア形態。
• 本質は「エージェントが状態を観察し、ツールを呼び出し、結果を記録し、終了判断やヘルプ要請を自律的に行う」点。
• デモと本番運用 の間には大きなギャップ（スケール・安全性・コンテキスト管理）が存在。
• パターン化により「制約・テスト・可観測性・安全性」を確保する設計が重要。
• パターン は「プロンプトテクニック」ではなく、制御構造やツール連携、メモリ戦略、安全設計などの具体的アーキテクチャ。

本記事の位置づけ

• 目的 ：繰り返し現れるパターンを整理し、実運用での「デモ-to-プロダクションギャップ」を地図化。
• 対象 ：GitHubリポジトリ「Awesome Agentic Patterns」とサイト「agentic-patterns.com」のパターンライブラリ。
• 非対象 ：
  • 「エージェントが全て自動化できる」という主張ではない。
  • 全てのパターンが万能・必須・安定とは限らない。
  • どんなワークフローにも「エージェントモード」を付ければ速くなるという保証はない。

エージェントが「使い物にならない」と感じたとき

• 現状の手作業ワークフロー （コピペでチャット→戻す）は依然有効なケースも多い。
• 「エージェント的」なワークフローが本領を発揮するのは、次の2習慣を持ったとき：
  • Diffファースト ：全変更をdiff（PRやパッチ）でレビュー
  • ループファースト ：エージェントが明確な終了条件付きでループ実行（テスト合格・リンターOK・評価基準達成）
• 30分でできるエージェントワークフロー例 ：
  • 小さく範囲が明確なタスク選定（例：既知バグのユニットテスト追加、関数リファクタ、依存関係更新）
  • 正当性を証明する単一コマンドを指示（npm test/pytest/go testなど）
  • スコープ制限（触るファイル指定、無関係なリファクタ禁止、新規ファイルは要相談）
  • 明確な計画とチェックポイント必須（5-10ステップで計画提案→承認後編集→新情報で再計画）
  • 変更は必ずdiff形式で受け入れ（diff表示・各差分の理由要約・テスト実行）
  • 緑（合格）になるまで繰り返し

コスト・限界・エージェントが不要な場面

• エージェント導入は無料ではない。タイピングや検索は減るが、レビュー・調整・安全設計のコストが増加。
• 非推奨ケース ：
  • 手作業の方が速い
  • テストや自動検証がない
  • 「done」の定義が曖昧
  • 広範な権限が必要で失敗リスクが高い
• 推奨ケース ：
  • 明確な受け入れ基準を記述できる
  • 客観的シグナル（テスト・リンター・コンパイラ・評価）がある
  • 定型作業（マイグレーション・ボイラープレート更新・大規模リネーム）
  • スコープ（ツール・ファイル・権限）を制限できる

関心の高まり（2025年12月末）

• Awesome Agentic Patterns リポジトリのスター数が2025年末に急増、2026年1月時点で約2,800。
• サイトのトラフィックも同様に増加。
• 単一要因ではなく、Hacker News等での可視化、CLI/IDEツールの成熟、年末年始のまとまった作業時間が重なった結果。
• 結論 ：エージェントは「席に座って触る時間」に応じてリターンが増える。学習曲線あり。

公的なシグナル：著名開発者の反応

• Linus Torvalds ：AI支援コーディングは趣味プロジェクトで有用だが、Linuxカーネル等の重要インフラでは慎重。
• Tobias Lütke（Shopify） ：AI利用は社内の基本期待値。導入・実験のための時間を組織的に確保。
• Armin Ronacher ：熱心かつ批判的。特に「まとまった休暇にClaude Codeを試す」ことを推奨。
• Ryan Dahl ：人間によるコーディング時代は終わったと発言。コード執筆より判断・設計・監督が本質に。

Agentic Patternとは何か

• エージェント ＝LLMをループでラップし、状態観察・ツール呼び出し・結果記録・自己判断を行うもの。
• Agentic Pattern ＝本番運用可能なループ構築のための再利用可能なミニアーキテクチャ。
• デモと本番のギャップ ：
  • デモは入力選別・権限なし・レート制限なし・障害対応なし
  • 本番はスケール・エッジケース・失敗ツール・部分的コンテキスト・セキュリティ・人間のワークフロー・正確性要件
• パターンの要素 ：
  • 制御構造（ループ・ゲート・停止条件）
  • ツールインターフェース
  • コンテキスト/メモリ戦略
  • 評価・監視手法
  • 安全境界
• 収録基準 ：
  • 再現性：複数実装や一次情報で確認
  • エージェント特有：ループの思考・行動・検証方法を変える
  • トレース可能：公開記事・論文・リポジトリに紐づく

Agentic Patternの8カテゴリ

1. オーケストレーション＆制御

   • ループの意思決定・停止・リカバリ方法
   • 例：Plan-Then-Execute、Inversion of Control、Swarm Migration、Language Agent Tree Search（LATS）、Tree of Thoughts

2. ツール利用＆環境

   • システムとの安全なインタラクション
   • 例：Progressive Tool Discovery、LLM-Friendly API Design、Egress Lockdown、Code-Over-API

3. コンテキスト＆記憶

   • コンテキスト制限下での運用・現実との接地
   • 例：Curated Code Context、Progressive Disclosure for Large Files、Episodic Memory、Retrieval、Context Window Anxiety Management

4. フィードバックループ

   • イテレーションやチェックによる出力品質向上
   • 例：Reflection Loop、Coding Agent CI Feedback Loop、Rich Feedback Loops、Graph of Thoughts

5. UX＆コラボレーション

   • 人間とエージェントの協調・制御分担
   • 例：Spectrum of Control、Abstracted Code Representation for Review

6. 信頼性＆評価

   • 正常動作・リグレッション検知
   • 例：Workflow Evals with Mocked Tools、Anti-Reward-Hacking、Grader Design

7. 学習＆適応

   • システムの継続的改善
   • 例：Skill Library Evolution、Agent Reinforcement Fine-Tuning（Agent RFT）

8. セキュリティ＆安全性

   • データ漏洩・事故防止
   • 例：Lethal Trifecta Threat Model、PII Tokenization、Deterministic Security Scanning

最低限導入すべき4つのパターン

1. Plan-Then-Execute（本番運用向け）

   • 問題 ：不正な入力やツール出力がエージェントの行動を誘導する危険
   • 解決策 ：
     • Planフェーズ：目標・手順・ツール・制約・「done」チェックを計画し、人間またはポリシーでレビュー
     • Executionフェーズ：許可ツールリスト・権限・ファイル境界・レート制限・監査をコントローラで強制
     • Replanチェックポイント：想定外出力時は必ず再計画（失敗ではなく機能）
   • 非対象 ：固定シーケンス生成だけ、全プロンプトインジェクション防止ではない、制約強制がなければ無意味
   • 推奨場面 ：不正入力を読む・明確な「done」と「許可行動」が定義できるワークフロー

2. Inversion of Control

   • 問題 ：細かく管理しすぎると人間がボトルネック化し、エージェントの探索性を阻害
   • 解決策 ：
     • 目標・制約・ツール・テスト・レビュー方式（diffファースト）を明示し、中間ステップはエージェント任せ
   • 失敗例 ：制約なしのInversion of Controlは「暴走エージェント」に。必ずスコープ制限・決定的チェック・レビューゲートとセットで。

3. Reflection Loop（客観的チェック付き）

   • 問題 ：一発生成は脆い。「自己批評」だけではモデルが合理化してしまう
   • 解決策 ：
     • テスト・リンター・スキーマ検証・コンパイル・評価基準などの客観的シグナルに基づくループ
     • 例：for attempt in range(max_iters): draft = generate() results = run_checks(draft) if results.pass: return draft draft = fix_from(results)
   • 適用場面 ：正確性が重要・チェックを定義できる場面

4. Action Trace Monitoring & Interruption

   • 問題 ：エージェントの逸脱は最終出力時点では手遅れ
   • 解決策 ：
     • 観測・強制できるものを監視（ツール呼び出し種別・引数、編集ファイル、diffサイズ・リスクレベル、実行テストと出力、中間成果物）
     • 明示的な「キルスイッチ」追加（想定外ツール利用時停止、diffがN行超なら停止、禁止ファイル編集で停止、テスト2回連続失敗で停止など）

---

このパターン群を意識的に使うことで、エージェントの信頼性・安全性・生産性を大幅に高めることが可能。 多くの失敗はモデルの限界ではなく、設計や運用のパターン選択ミスに起因する 点に留意。