AIエージェントにおけるツール選択の完全ガイド

AIエージェントの開発において、ツール選択は軽視されがちだが重要な問題です。エージェントが5つのツールで完璧に動作しても、数ヶ月後には40以上のファイル操作、CRMアクセス、Slack、カレンダー、複数の検索APIが追加されると、同じモデルでも誤ったツールを呼び出したり、別のツールのスキーマからパラメータを借用するといった「ツール幻覚」が発生します。これは、ツール定義が毎回全件モデルに送られることでコンテキストが圧迫され、「中間部喪失」効果により実際に必要なツールが無視されるためです。OpenAIはエージェントあたり128ツールという上限を設定していますが、実際には15～20ツールを超えると精度低下が顕著になります。

この問題に対処するため、本ガイドでは6つの手法を段階的に紹介します。最初の「ゲーティング」は、ツール選択の前に安価な分類器（正規表現など）で会話的なターンをフィルタリングし、不要な処理を省きます。たとえば「ありがとう」「どういう意味？」などの発話はツールを必要としないため、ゲートを通過させるだけでレイテンシとトークンコストを削減できます。

次に「検索ベースのツール選択」は、最も強力なエビデンスを持つ手法です。ツールの説明をベクトルストアに埋め込み、入力クエリから意味的に類似した上位K件のみをモデルに送信します。RAG-MCPフレームワークでは、これによりツール選択精度が13.62%から43.13%に3倍以上向上し、プロンプトトークンは半分以下に削減されました。記事にはFAISSを使用した完全なPythonコード例が示されています。

「セマンティックルーティング」はより軽量な代替手段で、ツールが自然にカテゴリに分類される場合に有効です。クエリを「データ」「通信」「スケジューリング」などのカテゴリに振り分け、該当カテゴリのツールのみをロードします。さらに「計画」は複雑なタスクをサブステップに分解し、各ステップで少数のツールだけを露出させます。「フォールバックロジック」は主要な選択が失敗した際の代替経路を提供し、「ベンチマーク」はこれらの手法の効果を測定します。

これらの手法は、より大きなモデルを必要とせず、モデルが何を見るかを制御することで実現されます。ツール選択は後から修正できる実装詳細ではなく、エージェントが実環境で生き残るためのアーキテクチャ上の決定です。開発者はゲーティングから検索、ルーティング、計画、フォールバック、測定までのステップを順に適用することで、ツールカタログが拡大しても正確性と効率を維持できます。