Fleetが汎用チャットと専門エージェントの両方を提供する理由
2026年6月16日
エージェントの作業は通常、2つのパターンに分類されます。あるタスクはアドホックです。助けを求め、エージェントがいくつかのツールからコンテキストを収集し、何が変わったかを推論し、回答を返し、作業は終了します。他のタスクは認識可能なパターンに従い、同じ指示とコンテキストに依存し、同じツールを使用し、実行のたびに一貫した判断を必要とします。
多くのAI製品は両方のパターンを一回限りのチャットとして扱います。これは簡単な質問には機能しますが、作業が繰り返される場合に問題が生じます。プロンプトを書き直し、コンテキストを再構築し、チャットスレッドを運用プロセスのように扱うことになります。Fleetは、エージェントが作業要件に一致するべきだという考えに基づいています。汎用チャットはアドホックタスクを処理し、専門エージェントは持続的な指示、スコープされたツール、トリガー、サブエージェント、メモリを備えて繰り返し作業を処理します。
以下がその仕組みです。
汎用チャットはセットアップが最小限の作業向け
1週間の休暇から戻り、Slackスレッド、GitHub PR、Linearチケット、カレンダー招待をキャッチアップする必要があると想像してください。作業は複数のツールにわたり、判断を必要とし、長い要約や一連の次のステップを生成する可能性があります。それが完了したら、おそらく来週も同じタスクを実行する必要はありません。
汎用チャットはそのようなリクエストのために作られています。Fleetに、エージェントが事前にどのツール、プロンプト、スキルを持つべきかを決めることなく、ワークスペース全体の広範な作業を処理するよう依頼できます。ワークスペースの統合にアクセスし、ファイルシステムを通じてコンテキストを管理し、タスクにコード、ファイル、データ分析のための実際の環境が必要な場合は仮想コンピュータを使用できます。
必要なものを依頼し、Fleetがタスクを実行し、作業が完了するとスレッドは終了できます。
専門エージェントは繰り返し行う作業向け
繰り返し発生する作業には、より永続的なセットアップが必要です。毎週の計画更新、受信トレイ管理、顧客調査ブリーフ、バックログメンテナンスタスクは、誰かが毎回同じ期待を説明し直すことに依存すべきではありません。計画エージェントは毎週月曜日にLinearをチェックし、出荷されたものを要約し、ブロックされた作業をフラグし、チームが期待する形式で更新をドラフトできます。受信トレイエージェントは新しいメールを分類し、返信をドラフトし、顧客の問題をエスカレーションし、自分で処理したいメッセージを記憶できます。
専門エージェントは繰り返し作業に安定した居場所を提供します。エージェントの指示を定義し、モデルを選択し、ツールをアタッチし、スキルを追加し、サブエージェントを作成し、トリガーやスケジュールを接続することで、自分で構造を設定できます。または、Fleetに平易な言葉でタスクを説明すれば、Fleetが適切なエージェント構造を構築するのを支援します。
便利なアドホックタスクは汎用チャットから始められます。そのタスクがチームの作業方法の一部になったとき、Fleetはそれを持続的な指示、スコープされたツール、メモリ、適切な実行方法を持つ専門エージェントに変換できます。設定の制御は依然として保持しますが、空白の設定画面から始める必要はありません。
専門エージェントで定義できるもの
専門エージェントが有用なのは、構成が実行間で一貫しているからです。
指示：エージェントのプロンプトは、その役割、判断ルール、出力形式、エスカレーション動作、境界を定義し、繰り返し作業を一貫させます。
ツール：専門エージェントは、ジョブに必要な特定のツールを取得し、それが行うように構築された作業に集中できるようにします。
モデル：メインエージェントと個々のサブエージェントのモデルを選択できます。スーパーバイザーエージェントは、計画やレビューにはより強力なモデルを使用し、より狭いサブタスクには小さなモデルを使用する場合があります。これにより、速度、コスト、パフォーマンスのためにモデル選択を最適化できます。
サブエージェント：サブエージェントは、専門エージェントに独自の指示、ツール、モデル選択を持つ呼び出し可能なスペシャリストを提供します。これにより、コンテキスト集約型のタスクを独自の会話履歴を持つサブエージェントにオフロードし、メインエージェントのコンテキストを汚染しないようにします。
スキル：専門エージェントは、会社全体で共有されるワークスペーススキルと、そのエージェントにスコープされたプライベートスキルを使用できます。これにより、繰り返し作業に再利用可能な知識ベースを提供し、すべての指示をワークスペース内のすべてのエージェントに公開する必要がなくなります。
トリガーとスケジュール：専門エージェントは、スケジュールに従って、またはSlack、Gmail、Outlook、Teamsなどのツールからのイベントに応じて実行できます。Gmailトリガーは、新しいメールが受信トレイに送信されるたびに実行を開始できます。スケジュールされたトリガーは、毎朝または毎週同じエージェントを実行できます。
コンピュータアクセス：エージェントがコード、ファイル、分析のために実際の環境を必要とする場合、コンピュータアクセスをエージェントの設定の一部にできます。汎用チャットでは、コンピュータアクセスをスレッドごとに有効にできるため、コンテキストは各チャットで分離されます。専門エージェントでは、それはエージェント環境の一部であり、スレッド間で単一のコンピュータをスコープするオプションがあります。これは、実行間でコンテキストを維持したい場合に便利です。
最大の違いは、メモリがタスク間でどのように永続化されるかです
汎用チャットにはスレッドレベルのコンテキストがあり、一時的な作業に適しています。スレッドは何が起こったかを保持し、スレッドが終了すると作業も終了します。
専門エージェントにはジョブにスコープされたメモリがあります。事実を記憶し、時間の経過とともに更新し、将来の実行で思い出させる必要なく使用できます。
Linearチケットを管理し、GitHub PRを監視するプロダクトマネージャーエージェントを考えてみてください。時間の経過とともに、あるエンジニアはバックエンドの問題を好み、別のエンジニアはチケットをより小さな部分に分割することを望み、PMはリリースをブロックするバグをすぐにエスカレーションすることを望むことを学習できます。これらの事実は、誰かが毎週書き直すプロンプトに存在すべきではありません。それらはエージェントの作業メモリの一部になるべきです。
これが、専門エージェントが保存されたチャットと異なる点です。指示は安定していますが、メモリは作業の変化に応じて進化でき、各特定のエージェントに合わせて調整できます。
各エージェントタイプをいつ使用するか
タスクの形状は、タスクの難易度よりも重要です。一回限りのタスクは複雑であり得、繰り返しタスクは単純であり得ます。最良の考え方は、取り組んでいるジョブが再利用可能なパターンかどうかです。
ユースケース 汎用チャット 専門エージェント
最適 一回限り、探索的、またはアドホックな作業 繰り返し、スケジュール、またはイベント駆動の作業
セットアップ なし。リクエストから開始。 指示、ツール、スキル、モデル、トリガーを設定。FleetがAIで設定することも、手動で設定することも可能。
ツール 利用可能なワークスペース統合を使用可能 ジョブに必要なツールにスコープ
サブエージェント 汎用サブエージェントを使用可能 独立したモデル、ツール、プロンプトを持つカスタムサブエージェントを定義可能
スキル ワークスペーススキル ワークスペーススキルとプライベートエージェントスキル
メモリ スレッドレベルのコンテキスト エージェントのジョブにスコープされた永続メモリとスレッドレベルのコンテキスト
コンピュータアクセス スレッドごとに有効 エージェント環境の一部として選択され、スレッドごとまたはエージェントごとに設定
要するに：作業が広範囲または一時的な場合は汎用チャットを、作業が繰り返し委任したい責任になった場合は専門エージェントを使用します。
これが可能にすること
Fleetは、チームがアシスタンスから始め、繰り返し作業を委任に昇格させることを可能にします。
汎用チャットでFleetにキャッチアップ、アカウント調査、ドキュメント要約、CSV分析、返信ドラフトを依頼することから始められます。それらのタスクの多くは一回限りのままでも構いません。軽量であるべきです。
パターンが何度も戻ってくる場合、Fleetはそれに永続的な形を与えます。エージェントは正しい指示、ツール、スキル、トリガー、サブエージェント、メモリを取得します。チームはタスクをプロンプトする方法を覚えている人に依存する必要がなくなります。作業には再び実行できる所有者がいます。
これがFleetに2つのエージェントタイプがある理由です。一部のエージェントは即時のオープンエンドなタスクを支援します。他のエージェントは繰り返しの責任を引き受け、ジョブ固有のメモリを構築するにつれて改善します。Fleetは両方をサポートします。なぜなら、チームがエージェントで実際の作業を完了するには両方のパターンが必要だからです。
始めるには、Fleetを無料で試すことができます。技術的な詳細をもっと知りたい場合は、ドキュメントをお読みください。
エージェントが実際に何をしているかを確認
LangSmithは、エージェントエンジニアリングプラットフォームであり、開発者がすべてのエージェントの判断をデバッグし、変更を評価し、ワンクリックでデプロイするのに役立ちます。
LangSmithを試す
デモを入手