株式会社ずんだもん技術室AI放送局

AIやテクノロジーのトレンドを届けるPodcast。平日毎朝6時配信。朝の通勤時間や支度中に情報キャッチアップとして聞いてほしいのだ。

私立ずんだもん女学園放送部 podcast 20251226

2025年12月26日

MP3ファイルをダウンロード

お知らせ

今年もご視聴ありがとうございます。来週一週間、12月27日(土)から1月4日(日)まで、放送は年末年始でお休みとなります。1月5日(月)から通常通り放送を再開致します。

内容紹介

Agent Skills 元年なのでオープンスタンダードになった Agent Skills について調べて使ってみた DevelopersIO、Introduction to Microsoft Agent Framework、社内 BigQuery にアクセスして Deep Research してくれるエージェントを作る、ラジオ風の“曲紹介トーク”が入る音楽再生ソフトを作ってみた！ ずんだもんやWhiteCULなどの合成音声で「イントロ乗せ」：マピオンニュースの注目トピック

出演者

お嬢様ずんだもん
お嬢様ずんだもん

youtube版(スライド付き)

関連リンク

2025年は「Agent Skills」が脚光を浴びる年になりそうです。Anthropic社が提唱し、2024年末にオープンスタンダード化されたこの機能は、AIエージェントの能力を飛躍的に向上させる仕組みとして大きな注目を集めています。

■ Agent Skillsとは？ AIエージェントが特定のタスクを遂行するために必要な「指示・スクリプト・リソース」をひとまとめにしたパッケージ（フォルダ）です。これまでAIへの指示出しで苦労していた「想定と違う結果が返ってくる」「毎回同じルールを説明するのが面倒」といった課題を、専門知識をパッケージ化することで解決します。

■ 主な特徴とメリット

  1. 効率的なコンテキスト利用（段階的な情報開示）： 最大の利点は、必要な情報だけを必要なタイミングで読み込む仕組みです。メタデータ（概要）は常に読み込みますが、詳細な指示やスクリプトはタスクが発生した時のみ読み込むため、AIの「記憶容量（コンテキストウィンドウ）」を無駄に消費せず、動作の高速化と精度の維持を両立します。
  2. ポータビリティと共有： オープンスタンダードであるため、一度作成したSkillはClaude.ai、Claude Code、APIなどで共通利用でき、チーム間での共有も容易です。
  3. 他機能との使い分け： ・CLAUDE.md：常に意識してほしい「プロジェクトの背景知識」 ・MCP：外部ツールへの「接続方法」 ・Agent Skills：ツールの「効果的な使い方・作業手順」 これらを組み合わせることで、AIを特定の分野のスペシャリストに変えることができます。

■ 実践的な効果 記事内ではPowerPoint作成の例が紹介されています。Skillなしではデザインが質素になりがちですが、専用のSkillを使用すると、プロのデザイナーの視点（カラーパレットやレイアウト原則）が反映され、視覚的に優れた資料が生成されます。

■ 新人エンジニアへのアドバイス Agent Skillsは、AIに「やり方」を教えるための標準マニュアルのようなものです。まずはAnthropicが公開している公式Skillを導入して、その精度の高さを体感してみてください。また、skill-creatorというSkill自作をサポートするツールも用意されているため、自分の定型業務をSkill化して自動化することに挑戦してみるのも面白いでしょう。

引用元: https://dev.classmethod.jp/articles/agent-skills-2025-standardized-overview/

Microsoftが、次世代のAIエージェント開発を支える新しいオープンソース開発キット「Microsoft Agent Framework」を公開しました。これは、これまで同社が展開してきた「Semantic Kernel」と「AutoGen」の2つのプロジェクトの強みを統合し、さらに拡張したものです。これからのMicrosoftにおけるAIエージェント開発の標準的な基盤となります。

■ 概要 本フレームワークは、.NETおよびPythonに対応しており、個別のAIエージェント構築と、それらを組み合わせた高度なマルチエージェント・ワークフローの構築を可能にします。

  1. AIエージェント（単体） LLM（Azure OpenAI, OpenAI, Azure AI等）を活用し、ユーザーの入力を処理してツールやMCP（Model Context Protocol）サーバーを呼び出し、自律的にアクションを実行します。状態管理（Thread）やメモリ（Context Provider）などの基盤機能も備えています。

  2. ワークフロー（オーケストレーション） 複数のエージェントや関数をグラフ状につなぎ合わせ、複雑な多段階タスクを実行します。型ベースのルーティング、ネスト構造、チェックポイント機能（中断と再開）、および人間が介在する「Human-in-the-loop」シナリオをサポートしています。

■ 設計の考え方：エージェントか、ワークフローか 新人エンジニアが特に注目すべきは、「何でもエージェントに任せない」という設計指針です。 ・AIエージェントが向く場合：カスタマーサポートやリサーチのように、手順が事前に決まっておらず、試行錯誤や対話を通じた柔軟な判断が必要なタスク。 ・ワークフロー（または通常のコード）が向く場合：手順が明確に決まっているタスク。もし「関数」として記述できるのであれば、不確実性やコストを避けるために、エージェントではなく関数やワークフローを使うことが推奨されています。

■ 主な特徴と機能 ・Semantic Kernel由来のエンタープライズ機能（型安全性、テレメトリ、状態管理）と、AutoGen由来のシンプルなエージェント抽象化を兼ね備えています。 ・MCP（Model Context Protocol）クライアントを標準でサポートしており、外部ツールとの連携が容易です。 ・長期実行されるプロセスに対して、実行状態を保存・復旧できるチェックポイント機能を備えています。

■ 制約と注意点 ・現在はパブリックプレビュー版であり、今後仕様が変更される可能性があります。 ・サードパーティのサーバーやエージェントと連携する場合、データの保持や地域的な境界（Azureのコンプライアンス等）の管理は開発者の責任で行う必要があります。

このフレームワークは、AIが単なるチャット相手から、実際の業務を自律的・構造的にこなす「エージェント」へと進化するための強力なツールとなります。既存のSemantic KernelやAutoGenからの移行ガイドも用意されており、今後のAIアプリケーション開発の主軸になることが期待されます。

引用元: https://learn.microsoft.com/en-us/agent-framework/overview/agent-framework-overview

本記事は、コミューン株式会社のエンジニアが、Googleのエージェント開発フレームワーク「google-adk」を活用して、社内のBigQueryデータを自律的に調査・分析する「Deep Researchエージェント」を構築した事例の紹介です。

1. 背景と目的 筆者のチームでは、以前からBigQueryと連携するAIエージェントを運用していましたが、今回はそれをさらに進化させました。単に質問に答えるだけでなく、ユーザーの曖昧な依頼に対して「自ら分析計画を立て、納得いくまでデータを掘り下げ、深い洞察をまとめる」という、Deep Research（深い調査）を自動化することを目指しました。

2. エージェントのアーキテクチャ 複数の専門エージェントを組み合わせる「マルチエージェント」構成をとっており、以下のフローで動作します。

  • フェーズ1：分析計画（PlannerAgent） ユーザーの質問を解釈し、BigQueryのどのデータを見るべきか等の分析プランを策定します。
  • フェーズ2：調査ループ（LoopAgent） 「データ取得（DataCollectorAgent）」と「振り返り（ReflectionAgent）」を繰り返し実行します。LoopAgentを用いることで、十分な情報が集まるまで最大N回、自律的にクエリを実行し続けます。
  • フェーズ3：最終レポート作成（InsightReportAgent） ループ内で蓄積された「発見（findings）」を統合し、エグゼクティブサマリーとして報告します。

3. 実装のポイント（新人エンジニア向け解説）

  • LoopAgentと早期終了：単純な繰り返しではなく、exit_loopという仕組みを使うことで「もう十分な結果が出た」とAIが判断した瞬間にループを抜け、効率化を図っています。
  • 状態の共有（State）：各エージェントがバラバラに動くのではなく、tool_context.stateという共通のメモ帳のような場所に調査結果を書き込むことで、後続のエージェントが前段の文脈を引き継げるようにしています。

4. 実行結果と展望 実際の検証では、KGI改善に向けた複雑なリクエストに対し、AIが自ら目的を整理し、必要なクエリを叩き、核心を突いたレポートを出力することに成功しました。今後はWeb検索機能の追加や、KPIツリーの知識をさらに深めさせることで、より精度の高い分析を目指すとしています。

新人エンジニアにとって、LLMに一度にすべてを任せるのではなく、役割を分担させたエージェントを組み合わせる手法は、実戦的なAIアプリケーション開発の非常に良い参考になります。

引用元: https://tech.commune.co.jp/entry/google-adk-bigquery-deep-research

本記事は、ずんだもんやWhiteCULなどの合成音声を用い、ラジオ番組のような「イントロ乗せ」の曲紹介を自動で行う音楽再生ソフトの開発事例を紹介しています。楽曲の冒頭に合わせて音声が流れる仕組みを構築しており、技術を駆使して日常の音楽鑑賞をより楽しく演出するユニークな試みです。既存技術の組み合わせで新しい体験を生み出す面白さを学べる、新人エンジニアの方にも刺激となる内容です。

引用元: https://www.mapion.co.jp/news/column/nico18769295/

VOICEVOX:ずんだもん