マルチエージェントシステムの構築方法
フォワードデプロイド・エンジニアリング:専門家のそばで働き、動くシステムを早期に提供し、一緒に磨き上げます。

最初のワークショップから本番運用まで
専門家と同席する
具体的な判断や業務を一つ選び、その責任者と一緒に整理します。何を見ているのか、どこにも書かれていない知識は何か。
エージェントに教える
その知識がスキル、Wiki、ナレッジグラフになります。すべての変更は専門家が確認し、未確認の内容がナレッジベースに入ることはありません。
システムを接続する
エージェントはMCPサーバー経由でERP、CRM、ファイル共有、メールに、A2A経由で他のエージェントに接続します。ビューアはシステムの現在の状態を表示し、送信や削除の操作は備えません。
お客様のクラウドで運用する
システムは一つのパッケージとしてお客様のAzureまたはAWSアカウントに導入され、お客様のIDプロバイダーの配下で、予算管理とトレースを有効にして稼働します。
構成要素
エージェントスキル
業務の専門家が書くMarkdownファイルと、エンジニアが書くコード。レビューを経て社内スキルストアで管理します。
Wikiとナレッジグラフ
エージェントは唯一の信頼できる情報源としてWikiを維持し、何が何を支持し、矛盾し、依存するかを型付きグラフで管理します。
ディシジョングラフ
トリガー、確認、アクション。エンジニアが作成・承認した対応手順をエージェントが提示し、人が実行します。
MCPとA2Aによる連携
オープンなプロトコルで、エージェントを既存システムや他社製エージェントと接続します。
チャットだけでなくアーティファクトを
文書、表計算、タイムライン、ダッシュボードのエディタとビューアが会話の横に並びます。編集はエージェントへの構造化されたシグナルになります。
運用
トークン予算、スケジュール実行、ガードレール、チェックポイント、トレースにより、日々の利用で費用を抑え、監査できるようにします。
私たちの考え方
エージェントは情報を示し、人が判断する
エージェントは兆候を明らかにし、選択肢を整理し、記録を残します。設定値の変更、見積の承認、計画の見直しを独断で行うことはありません。
専門家の知識こそが資産
エージェントを構築する過程で、文書化されていない専門知識がWikiとナレッジグラフになります。こうして保全された知識は、どのモデルやベンダーよりも長く残ります。
重要な部分は決定論的に
エンジニアが承認した判断ルールは、モデル呼び出しではなく通常のプログラムコードとして実行されます。モデルが下書きし、ルールは毎回同じように動作します。
チャット画面の先へ
人は文書、グラフ、タイムライン、構造化された編集を通じてエージェントを導きます。インターフェースはエージェントの入出力の一部であり、単なる外枠ではありません。
ロックインなし
スキルは、専門家の指示とコードをまとめた持ち運び可能なフォルダです。モデル提供元を変更しても、投資は残ります。
コストとリスクを範囲内に
上限付きの予算、入出力のガードレール、ロールベースのアクセス制御、そしてワンクリックで復元できるチェックポイント。
LinkedInの記事
How an AI agent uses EARS as a translation layer between the people who know what the system must do and the SysML v2 model that says how it will
記事を読むThe Knowledge That Walks Out the Door: How Forward Deployed AI Engineering Conserves Your Experts' Expertise
記事を読むAI Agent Skills: The Missing Piece That Makes AI Actually Work for Your Business
記事を読むOntologies, Agents, and the Art of Knowing What to Do
記事を読むBeyond the Chat Box: Architecting UX for AI Agents
記事を読むWorld Building with Deep Agents
記事を読む
