> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2025/w42-an-evolving-understanding-of-agents-and-llms.md).

# W42-AgentとLLMについての理解の更新

最近はAgentic関連の技術学習に時間を使い、大規模モデルについても新しい理解が得られた。

まず、[Getting AI to Work in Complex Codebases](https://github.com/humanlayer/advanced-context-engineering-for-coding-agents/blob/main/ace-fca.md)を薦めたい。AI Codingを長く探ってきたが、これは全体の指針を示す総説だと捉えている。これを土台に、チームが少しずつ共通認識を作れるよう導きたい。

Agentic技術の重要性が明らかになってきた。モデルの「知能」を本当に使い、モデルを「何でも知る」ものから「何でもできる」ものへ変える点に意味がある。「Agentを作る」と「Agentを使う」の2つの方向は区別したい。将来は境界が曖昧になり、何かをうまくやるには構築と利用を一体で行う必要が出るだろう。それでも、今どちらの話をしているかは分ける必要がある。AI Codingで私がよく見るのは、新しいAgentの構築ではなく、Agentの利用だ。

MCPは当初、RPCに似たサービス呼び出しのアプリケーション層のプロトコルだと思っていた。今はむしろ、TCPのような転送の層として捉えたい。MCPは従来のサービス呼び出しの形を模しており、複数Agentの協働のために生まれたものではないからだ。本当のアプリケーションはMCPの上に築き、Agent間の全体と部分の関係、スケジューリング、編成によって複雑な戦略的関係を作るべきだ。それがモデルの能力を最大限に使う方法になる。Agent間は単純な呼び出しだけでなく、TCPに対するHTTPのように、キャッシュ方針の交渉など、より豊かなプロトコルの意味を持つべきだ。今後は、発展中のAgent2Agentのような、MCPの上の新たなプロトコル層に注目したい。

大規模モデルを単なる道具として考えてはいけない。脳はハードディスクではなく、網状の神経回路であり、出力はその都度生成される。モデルもデータベースではなく、訓練で得たパラメータの重みだ。大まかには、サイズが大きいほど知能水準は高い。従来の開発体系や提供手順は人を中心に作られていたが、今はモデルを中核に、開発の構造と分担を考え直す必要がある。重要なのは、人の働きが大きく効く場所が移ったことだ。最も効果の大きいresearchとplanningに注意を集中し、「人にとって保守しやすい」という基準を、上流の「Agentが協働しやすい」という基準に置き換えるべきだ。

同時に、限界も認める必要がある。サットンは、私たちはまだThe Bitter Lessonから抜け出しておらず、大規模モデルは本当の意味の知能を持たないと警告し続けている。リスのように未知の環境を自律探索できず、入力された知識領域を超える新知識も生めない。できるのは、既存の知識領域内で、計画、推論、意思決定の能力を示すことだ。