[{"data":1,"prerenderedAt":192},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fagentic-ai-mcp-memory-tools-and-orchestration":3},{"topic":4,"category":152,"seo":156,"breadcrumbs":161,"prerequisites":171,"nextTopics":172,"relatedTopics":180},{"id":5,"slug":6,"title":7,"summary":8,"canonicalPath":9,"categoryPath":10,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"generatedAt":14,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":16,"expectedKnowledge":26,"learningGoal":29,"keyTerms":30,"blocks":64},"it-aws-aws-certified-ai-practitioner-generative-ai-fundamentals-agentic-ai-mcp-memory-tools-and-orchestration","agentic-ai-mcp-memory-tools-and-orchestration","エージェント型AI：MCP・記憶・ツール・オーケストレーション","エージェント型AI：MCP・記憶・ツール・オーケストレーションを、AIF-C01の公式objective 2.1.6に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fagentic-ai-mcp-memory-tools-and-orchestration","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals","beginner","cert_candidate",6,"2026-08-06","ai_generated",[17,18,19,20,21,22,23,24,25],"AWS Certified AI Practitioner","AIF-C01","生成AIの基礎","エージェント型AI","MCP","ツール利用","記憶","オーケストレーション","マルチエージェント",[27,28],"AWSクラウドの基本用語を聞いたことがある","AIを使う業務例を日常的な言葉で考えられる","エージェント型AI：MCP・記憶・ツール・オーケストレーションについて、試験で問われる違いと選択基準を説明し、短い業務例へ適用できる。",[31,35,42,46,49,53,57],{"id":32,"label":20,"shortDefinition":33,"role":34},"agentic-ai","目標・モデル・ツール・記憶を組み合わせ、複数段階の行動を進めるAIです。","primary",{"id":36,"label":37,"shortDefinition":38,"supplement":39,"role":34},"model-context-protocol","Model Context Protocol（MCP）","AIエージェントと外部データ・ツールの接続方法を標準化するプロトコルです。",{"kind":40,"text":41},"misconception","接続を標準化しても、操作権限は別に制御します。",{"id":43,"label":44,"shortDefinition":45,"role":34},"agent-memory","エージェントの記憶","会話・状態・途中結果などを保持し、後の判断へ利用する仕組みです。",{"id":47,"label":22,"shortDefinition":48,"role":34},"tool-use","検索・計算・APIなどの外部能力を、モデルの判断から呼び出すことです。",{"id":50,"label":51,"shortDefinition":52,"role":34},"workflow-orchestration","ワークフローオーケストレーション","実行順・分岐・失敗処理・承認点を制御し、処理全体を進めることです。",{"id":54,"label":55,"shortDefinition":56,"role":34},"multi-agent-system","マルチエージェントシステム","複数のAIエージェントが役割を分担し、通信して課題を進める仕組みです。",{"id":58,"label":59,"shortDefinition":60,"supplement":61,"role":63},"human-oversight","人による監督","AIの判断や出力を人が確認し、必要に応じて介入・承認する統制です。",{"kind":40,"text":62},"確認者へ根拠・時間・権限がなければ機能しません。","contextual",[65,70,81,90,99,105,111,117,133,142],{"id":66,"type":67,"title":7,"subtitle":68,"shortDefinition":69},"hero","HeroBlock","モデルの応答と、外部世界で仕事を進める制御を分ける","目標を受け、モデルによる判断、ツール利用、状態や記憶、手順制御を組み合わせて複数段階の仕事を進めるAIシステムです。",{"id":71,"type":72,"term":20,"definition":73,"plainExplanation":74,"presentation":75,"supportLabel":76,"keywords":77},"definition","DefinitionBlock","[[cloze:agentic-ai|エージェント型AI]]とは、目標・モデル・ツール・記憶を組み合わせ、複数段階の行動を進めるAIです。","[[term:tool-use|ツール利用]]は検索・計算・業務APIなど外部能力への入口です。[[term:agent-memory|エージェントの記憶]]は会話や途中結果を保持します。[[term:workflow-orchestration|ワークフローオーケストレーション]]は、次の実行、失敗時の戻り、人へ確認する地点を制御します。","natural","言葉を分けると",[78,79,80],"目標","外部接続","権限と承認",{"id":82,"type":83,"steps":84,"title":89},"decision-steps","StepBlock",[85,86,87,88],"達成したい目標と完了条件を定義する。","必要なデータ・操作をツールとして限定する。","短期状態と保持すべき記憶を分ける。","実行順、権限、失敗処理、人の承認点をオーケストレーションへ置く。","エージェントを構成要素で読む",{"id":91,"type":92,"title":93,"points":94,"body":98},"exam-cues","KeyPointBlock","判断で押さえる境界",[95,96,97],"モデルは判断、ツールは外部操作","記憶とワークフロー制御を分ける","MCPは接続標準であり権限そのものではない","[[term:model-context-protocol|Model Context Protocol（MCP）]]は接続方法を標準化しますが、何を許可するかは別問題です。[[term:multi-agent-system|マルチエージェントシステム]]も数を増やすほど良いのではなく、専門役割を分け、通信コストと責任境界を管理できる場合に使います。最小権限と監査可能な実行記録が重要です。",{"id":100,"type":101,"src":102,"alt":103,"caption":104},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fagentic-ai-mcp-memory-tools-and-orchestration\u002Fagentic-ai-mcp-memory-tools-and-orchestration.svg","エージェント型AI：MCP・記憶・ツール・オーケストレーションについて目標、モデル、ツール、記憶、制御・承認の関係を文字ラベルと矢印で示した図","中央の制御が、目標、モデル、ツール、記憶を結ぶ構成図です。接続と権限、生成と実行の役割を分けて読みます。",{"id":106,"type":107,"scenario":108,"explanation":109,"result":110},"worked-example","ExampleBlock","出張候補を調べ、社内規程を確認し、予約案だけを作るエージェントを考えます。","検索ツールで交通情報、規程ツールで上限を取得し、候補比較を記憶へ保持します。制御は規程違反を除外し、予約という外部変更の前で[[term:human-oversight|人の承認]]を要求します。MCPで接続形式をそろえても、各ツールの読み取り・書き込み権限は個別に制限します。","便利な自動化と、勝手な購入を防ぐ承認境界を両立する設計を説明できます。",{"id":40,"type":112,"warningTitle":113,"message":114,"severity":115,"action":116},"WarningBlock","ツール接続は実行権限の拡大になる","生成だけのモデルと違い、エージェントは外部状態を変更できる場合があります。入力攻撃、誤判断、権限過多が実際の操作へ波及するため、読み取りと書き込みを分離します。","warning","各ツールについて、誰の権限で何を読み、何を変更し、どこで承認するかを書きます。",{"id":118,"type":119,"title":120,"questions":121},"quiz","QuizBlock","AIF-C01 判断チェック",[122],{"question":123,"choices":124,"answerIndex":128,"choiceExplanations":129},"MCPの役割として最も適切な説明はどれですか。",[125,126,127],"エージェントと外部システムの接続方法を標準化する","すべてのツールへ管理者権限を自動付与する","モデル出力の正確さを必ず保証する",0,[130,131,132],"正解です。接続の共通化を支えます。","権限は別途最小化する必要があります。","接続標準は出力保証ではありません。",{"id":134,"type":135,"title":136,"points":137},"summary","SummaryBlock","まとめ",[138,139,140,141],"エージェントは目標・モデル・ツール・記憶・制御を組み合わせる","MCPは外部接続の標準化を支える","複数エージェントは役割と通信を設計する","外部変更には最小権限・記録・承認を置く",{"id":143,"type":144,"title":145,"nextTopics":146,"relatedKeywords":148},"next-action","NextActionBlock","次は「生成AIの強み・限界・リスク」へ",[147],"it-aws-aws-certified-ai-practitioner-generative-ai-fundamentals-genai-strengths-limitations-and-risk",[149,150,151],"生成AI","幻覚","非決定性",{"path":10,"title":19,"description":153,"parentPath":154,"accentToken":155},"生成AIの構成概念、ユースケース、エージェント型AI、モデル選択とAWS基盤をAIF-C01の範囲で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner","cloud-amber",{"title":157,"description":158,"canonicalUrl":159,"ogImage":160},"エージェント型AI：MCP・記憶・ツール・オーケストレーション | AWS Certified AI Practitioner","AIF-C01対策としてエージェント型AI：MCP・記憶・ツール・オーケストレーションの定義、判断軸、具体例、誤解しやすい境界を公式試験範囲に沿って学びます。","https:\u002F\u002Fzeqnilo.com\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fagentic-ai-mcp-memory-tools-and-orchestration","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[162,165,168,169,170],{"title":163,"path":164},"IT","\u002Fit",{"title":166,"path":167},"AWS","\u002Fit\u002Faws",{"title":17,"path":154},{"title":19,"path":10},{"title":7,"path":9},[],[173],{"id":147,"title":174,"summary":175,"canonicalPath":176,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":177},"生成AIの強み・限界・リスク","生成AIの強み・限界・リスクを、AIF-C01の公式objective 2.2.1・2.2.2に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fgenai-strengths-limitations-and-risk",[17,18,19,149,150,151,178,179],"解釈性","人による確認",[181],{"id":182,"title":183,"summary":184,"canonicalPath":185,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":186},"it-aws-aws-certified-ai-practitioner-generative-ai-fundamentals-token-economics-and-context-engineering","トークン費用とコンテキストエンジニアリング","トークン費用とコンテキストエンジニアリングを、AIF-C01の公式objective 2.1.4・2.1.5に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Ftoken-economics-and-context-engineering",[17,18,19,187,188,189,190,191],"トークン","コンテキストエンジニアリング","費用","遅延","文脈",1787370539988]