それぞれの正体
AIモデル
AIモデルは、学習済みの数学的コンポーネントです。入力を受け取り、予測、生成テキスト、要求されたツール呼び出しなどの出力を生成します。モデル単体では、チャット画面の提供、アプリケーション状態の保持、外部アクションの実行は行いません。これらはモデルの周囲にあるシステムの責務です。 is the learned mathematical component. It receives input and produces output, such as a prediction, generated text, or a requested tool call. The model does not, by itself, provide a chat screen, retain application state, or execute an external action. Those are system responsibilities around the model.
AIチャットボット
AIチャットボットは、主なインターフェースが対話であるアプリケーションです。メッセージを受け取り、対話形式の応答を返します。バックエンドは、単一のモデル呼び出し、固定ワークフロー、エージェント、またはそれらの組み合わせである可能性があります。「チャットボット」という言葉が示すのはユーザーがプロダクトをどう操作するかであり、バックエンドがどれほど自律的かではありません。 is an application whose main interface is conversation. It accepts messages and returns conversational responses. Its backend might be one model call, a fixed workflow, an agent, or a mixture of those. “Chatbot” tells you how a user interacts with the product, not how autonomous its backend is.
AIハーネス
AIハーネスは、アプリケーション内でモデルを利用可能にするソフトウェアと設定です。プロンプトの構築、関連コンテキストの読み込み、ツールの公開、ツール要求の実行、状態の保持、出力のストリーミング、権限の適用、実行を停止すべきタイミングの判断などを行います。 is the software and configuration that makes a model usable inside an application. It can build prompts, load relevant context, expose tools, execute tool requests, preserve state, stream output, enforce permissions, and decide when a run must stop.
この用語はまだ定着の途上にあります。開発者によっては、「ハーネス」をモデルとツールのループに限定して使います。一方で、周辺にあるアプリケーション基盤のほぼすべてを含める場合もあります。どちらの用法でも、ハーネスは学習済みモデルの外側にあります。
AIエージェント
AIエージェントは、モデルにアクションを選択させ、結果を観測し、次に何をするかを選択させることで、目標を追求するシステムです。ハーネスはそのプロセスを実行し、制約します。エージェントは多くの場合ツールを使い、ユーザーが一つひとつの手順を指示しなくても、複数のステップにわたって作業できます。 is a system that pursues a goal by letting a model choose actions, observe results, and choose what to do next. The harness runs and constrains that process. An agent often uses tools and may work across several steps without asking the user to direct every one.
自律性に関する普遍的なしきい値はありません。実用的な判断基準は制御フローです。モデルが中間結果に応じて次のステップを適応させられるなら、そのシステムはエージェント的です。コードが経路全体をあらかじめ固定しているなら、モデルを何度も呼び出す場合でも、ワークフローと呼ぶほうが適切です。
実際の違い
それぞれの用語は異なる問いに答えます。
- モデル：どの学習済みコンポーネントが入力を出力に変換するのか？
- チャットボット：人はどこでシステムと対話するのか？
- ハーネス：どのソフトウェアが、モデルの周囲でコンテキストを提供し、操作を実行し、制御を適用するのか？
- エージェント：目標を追求するために、一連のアクションを選択するシステムは何か？
| Term | Kind of thing | Main responsibility | Can it affect an external system by itself? |
|---|---|---|---|
| Model | Learned component | Produce an output from an input | No. It can request or describe an action, but software must execute it. |
| Chatbot | Application and interface | Conduct a conversation | It depends on its backend. A simple chatbot only responds; an agentic chatbot can act. |
| Harness | Software control and execution layer | Prepare model calls, run allowed tools, manage state, and enforce rules | It performs configured operations, but does not supply the model’s judgment or goal by itself. |
| Agent | Goal-directed system | Select and perform steps based on observations | Yes, within the tools, permissions, and approval rules its harness provides. |
これらのカテゴリーは入れ子になることがあります。チャットボットはハーネスを使ってモデルを呼び出せます。モデルが目標に向けたツールループを指揮できるなら、その同じプロダクトにはエージェントも含まれます。逆に、エージェントはチャットボットなしで、APIリクエスト、スケジュール、イベントを起点に実行することもできます。
1つのリクエスト、4つの役割
「配達を金曜日に変更して、変更を確認して」と入力したとします。
チャットボットがメッセージを受け取り、応答を表示します。モデルは要求を解釈し、注文を照会する必要があると判断するかもしれません。ハーネスはモデルへの入力を構築し、注文照会ツールを提供し、要求された呼び出しを検証し、それを実行して、結果を返します。 interprets the request and might decide that it needs to look up an order. The harness constructs the model input, offers an order lookup tool, validates the requested call, runs it, and returns the result.
金曜日が利用できない場合、エージェントは対応を変えられます。別の日付を調べ、選択を求め、返答を待ち、承認後に配達日を更新し、新しい日付を確認するかもしれません。モデルは観測結果から次のステップを選択します。実際に配達システムを呼び出し、権限ルールを適用するのはハーネスです。
エージェントではないチャットボットでも、この要求に対応できます。ハードコードされたやり取りのフォームに従うか、日付を自分で変更する方法を説明するだけかもしれません。対話だけでは、エージェント性の有無は決まりません。
それぞれの違いが重要になる場面
モデルが重要になる場面
生成される出力の品質や特性を比較するときは、モデルに注目します。たとえば、どの入力を受け付けるか、どれだけ確実に指示に従うか、評価でどのように振る舞うかなどです。モデルを変更すると、プロダクトのインターフェースや実行設計を変えずに、判断を改善または変更できます。
チャットボットが重要になる場面
問題が対話の使いやすさに関わる場合は、チャットボットに注目します。メッセージ履歴、ターン交代、明確化、トーン、アクセシビリティ、人間への引き継ぎは、チャットボットに関わる問題です。高性能なバックエンドでも、やり取りが分かりにくければ、使いにくいチャットボットになり得ます。
ハーネスが重要になる場面
問題が信頼性、コンテキスト、ツール、状態、セキュリティ、可観測性に関わる場合は、ハーネスに注目します。モデルは、そうするよう指示されただけで自分の権限を適用できるわけではありません。ハーネスが利用可能な操作を制限し、呼び出しを検証し、承認を要求し、結果を記録し、安全でない実行や暴走した実行を停止する必要があります。
同じモデルでも、2つのハーネスの下では大きく異なる振る舞いをすることがあります。見るコンテキスト、与えられるツール、アクション後に受け取るフィードバックが異なるためです。
エージェントが重要になる場面
1つの応答を生成するのではなく、経路を選択し修正する必要があるタスクでは、エージェントに注目します。中間結果によって次のステップが決まる、オープンエンドな作業では、エージェント性が役立ちます。一方で、失敗する可能性も増えます。初期の誤ったアクションが後の展開を変える可能性があるため、ツールの制限、検証、人間による承認が重要です。
よくある混同
チャットボットはモデルと同じではない
チャットボットはプロダクトのインターフェースとアプリケーションの振る舞いです。モデルはその背後にある1つのコンポーネントです。1つのチャットボットが複数のモデルを振り分けて使うことも、1つのモデルが互いに無関係な多数のプロダクトを支えることもあります。
チャットウィンドウがあるからといって、エージェントが存在するとは限らない
単一のモデル応答がチャットバブルに表示されることがあります。逆に、エージェントは対話なしでバックグラウンド実行できます。チャットはインターフェースを表し、エージェント性はシステムがどのように作業を追求するかを表します。
ツールへのアクセスだけでは、エージェントかどうかは決まらない
固定プログラムは、リクエストのたびに同じツールを呼び出せます。これは自動化ですが、モデルがプロセスを指揮しているわけではありません。より強い判断材料は、モデルの出力が次に実行されるアクションを決めるかどうか、そして観測結果によって計画が変わり得るかどうかです。
ハーネスはモデル内部の知能ではない
ハーネスには相当量のロジックが含まれる場合がありますが、それが学習済みモデルの一部になるわけではありません。ハーネスはモデルが見たり実行したりできることを決め、要求を実行し、決定論的な制御を適用します。この境界を明確に保つと、障害の診断が容易になります。判断が悪ければモデルの問題である可能性があり、ツールの結果が悪い、または承認チェックが欠けているなら、システムの問題です。
「エージェント型チャットボット」は矛盾しない
1つのプロダクトが両方に該当することはあります。対話がインターフェースなのでチャットボットであり、バックエンドがユーザーの目標に向けて複数のステップを選択し実行できるなら、エージェント型でもあります。
各要素の組み合わせ
一般的な構成は次のようになります。
user → chatbot surface → harness → model
↕
tools and dataモデルがツールの結果を使って目標に向けた次のアクションを選択するとき、モデル、ハーネス、利用可能なツールが一体となってエージェントを形成します。チャットボットは、その上に置かれる任意のインターフェースです。
AIモデルAIモデル、AIチャットボット、AIハーネス、AIエージェントの各コンポーネントページで詳しい説明を確認してください。次に、「LLMにおけるツール使用とは？」へ進み、モデルがアクションを提案することと、ハーネスがそれを実行することの境界を確認しましょう。