本番環境で成功するAIエージェントの条件と、多くのエージェントが直面する問題の理由を探りましょう。頑丈なインフラとツール整備、モジュール型設計アーキテクチャ、継続的な評価とフィードバックループなど、拡張性を実現するための主な設計原則を取り上げます。

実世界のAIエージェント

エージェントを使うべきか

エージェント型アプリケーション

拡張性のあるエージェント設計

拡張性のための設計戦略

拡張設計における三本柱

AIエージェント拡張のよくある失敗

拡張時リスクの未然防止

エージェントのコスト試算

ガードレールの設定

拡張を見据えたエージェント開発のための重要な戦略を学びます。Model Context Protocol（MCP）とAgent-to-Agent protocol（A2A）が標準化を通じて拡張性をどのように実現するかについても見ていきます。

マルチエージェント設計パターン

シングルエージェントからマルチエージェントへの移行

ネットワーク型とスーパーバイザー型

Model Context Protocol（MCP）

MCPを理解する

MCPこそMVP

クライアントやサーバーの間にあるもの

Agent-to-Agent（A2A）プロトコル

エージェントカード

MCPとA2A：敵か味方か？

拡張を見据えたエージェント開発

いよいよ本番環境への移行です。ただし、準備は万全に。AIエージェントが本番環境でも安定して動作するという確信を持てるよう、テストフレームワークを構築します。ユースケースに最適なデプロイ戦略を選択し、リアルタイムデータソースをエージェントシステムに組み込む方法を学びます。

PoCから本番環境へ

FoodGPT

エージェントの性能テスト

選択肢

完了すべきタスク

不要なタスク

まだ確認すべきことは？

高速で効率的なデータ取り込み

リアルタイムデータの価値

よくある失敗とリスク対策

Exponential Backoff（指数関数的バックオフ）による再試行

ルールを定める

まとめ

大規模な本番環境への展開

Cheat Sheet

Course Glossary

なぜ多くのエージェントシステムは開発から本番環境への移行でつまずくのでしょうか？このコースでその答えを探りましょう。拡張を見据えたAIエージェントの重要性、その設計・開発方法を3つの柱を軸に見ていきます：頑丈なインフラとツール整備、モジュール型設計アーキテクチャ、継続的な評価とフィードバックループです。また、データソースとエージェント間の連携をシンプルかつ高速化するためのModel Context Protocol（MCP）やAgent-to-Agent（A2A）プロトコルといったエージェントフレームワークについて学びます。最後に、エージェントが本番環境で正しく動作するためのテスト手法とデプロイ戦略についても取り上げます。

動画の画面左下の「サイドパネルを表示」をクリックすると文字起こしが表示できます。

コースの用語集は右側のリソースセクションからご確認いただけます。

CPEクレジットを取得するには、コースを修了し、認定アセスメントで70%以上のスコアを取得する必要があります。右側の「CPEクレジット」からアセスメントに進んでください。

<h2>拡張を見据えたエージェントの設計と開発</h2>
拡張性を念頭に置いてAIエージェントを設計・開発する方法を学び、エージェントの拡張性を支える3つの柱、モジュール性、頑丈性、適応性に沿って進めます。 本番環境で成功するエージェントに必要な要素と、なぜ多くの人が問題に直面するのかを探っていきます。<br><br><h2>MCPとA2Aの力とは</h2>
Anthropic開発のModel Context Protocol（MCP）は、エージェント間の相互運用性に革命をもたらし、エージェントとデータソースを接続するための標準プロトコルを実現しました。 Google開発のAgent-to-Agentプロトコル（A2A）は、MCPを補完します。 これら2つのフレームワークを組み合わせて、エージェントの統合の拡張性を保つ方法を学びましょう。<br><br><h2>エージェントの最適なテストとデプロイ方法とは</h2>エージェントを大規模な本番環境に投入する前に、拡張に伴うリスクへの対策が必要です。 コンポーネント、統合、パフォーマンス、セキュリティに関する問題を検出するための頑丈なテストフレームワークの作成方法を学びます。 エージェントに最適なデプロイのタイプを、ユースケースの要件から判断します。

Introduction to AI Agents

MCPやA2Aのフレームワークを活用し、AIエージェントを拡張する方法を探る。

拡張性のあるエージェントシステム構築

MCPやA2Aなどの力を借りながら、AIエージェントを拡張するためには何が必要かを学びます。

AIエージェントの基礎

リアルタイムデータの価値

拡張性のあるエージェントシステム構築

実践的なインタラクティブ演習