壮大なタイトルですが、自分の理解の整理用です。

Copilot Studioでリッチなエージェント、Microsoftが言うようなエージェントが自律的に動くような状況ってどうやったら実現するかなと考えてみます。

人工知能は知能

生成AIだ学習AIだなんだといいますが、AIは所詮AIで、文字通り知能でしかありません。

何かを判断させるためには情報を渡す受け口が必要で、何かアクションを起こすには手足が必要です。

Copilot Studioで作るエージェントでいえば、受け口はチャットなどのインターフェース、あるいはエージェントフロー由来のトリガーにあたります。手足にあたるのはアクション（ツール）や、あるいは他エージェントということになります。

つまり何らかリッチなエージェントを求めるのであれば、プロンプトの書き方/指示の書き方の工夫、あるいはナレッジだけでなく、利用シーンに合わせたトリガーとアクション・エージェントを追加しなくてはならないということです。

なんでもエージェントでやらない

プロセスをAIに任せようといったときに、柔軟な判断が必要なパートと、堅実に実行しなければいけないパートが必ずあるはずです。すべてをエージェントで、プロンプトなりモデルをチューニングして実行させようとするのはあまり賢明ではありません。

堅いプロセス (ルールベース）であればこれまで通り、クラウドフローやデスクトップフローを、柔軟な判断が必要な部分（ゴールベース）はAIにという切り分けを考えましょう。今後パブリックプレビューが開始されるComputer use （デスクトップ操作してくれるAI）も、堅実に動作させるのであればこれまで通りデスクトップフローでの実装を検討するべきです。

インストラクションは簡潔に、複数作業はみんなで分担

自律型AIだ！エージェントだ！と言って人間と同じようなことをAIにやらせようとすると、1つのエージェントへの指示を事細かに長々と書きがちです。しかしよく考えれば、そんな複雑で細かい指示を一人の人に任せることは実際の人間でもあまりありません。たいていはチームで動くし、なんらかの作業分担があるわけです。また、非常に事細かな作業ステップ、指示を書くとあるところからエージェントがちょっとおバカな動作をするようになったりします。（含経験則）

AIエージェントでも人間と同様、複数の作業が発生する場合には、それぞれを適当な粒度に分解して複数のエージェントに実行させるのが適切なアウトプットを出させるのに重要です。つまり、単一エージェントの指示はなるべく簡素に・簡潔にして、複数エージェントを使ってチームとして動作させましょうということです。

チームとしてエージェントを組ませることの効能は、エージェントの再利用性にもあります。特定の作業に特化したエージェントがいれば、他プロセスへの転用（他のメインエージェントに接続）ということも可能です。この点を大変明瞭に図解してくださってるのが以下のツイートです。

Steps 1-2) An agent rewrites the query (removing spelling mistakes, etc.)

Step 3-8) An agent decides if it needs more context.

↳ If not, the rewritten query is sent to the LLM.
↳ If yes, an agent finds the best external source to fetch context, to pass it to the LLM. pic.twitter.com/FQ8xw17aO9
— Akshay 🚀 (@akshay_pachaar) May 9, 2025

特に複数エージェントを組ませる場合にはチェッカーの存在が重要ですね。チャット形式で対話して、利用者自身がフィードバック・レビューするのであれば別ですが、自動化に組み込もうと考える場合にはチェッカーが必要になると考えています。

エージェントはあくまでもプロセスの一部と考える

最初にエージェントの手足としてアクションやエージェントフローが重要だと書きましたが、視点を変えてエージェントはあくまでもプロセスの一部と考えることも有効です。

残念ながら現在はクラウドフローからエージェントに渡せるデータ種別・データ量には限りがあるため、フロー上で発生したデータを直接エージェントに渡すことは難しいですが、データソースをうまく絡めてナレッジとして動作させるまたはエージェントからアクションでデータ取得させることでプロセスの一部に組み込むことが可能です。

（もう少し簡単な処理であればクラウドフローの生成アクションも使えるかも？）