モデルは人間のように単語を正確に読みません。テキストをトークンと呼ばれるより小さな単位に分割し、それらの単位で予測や推論を行います。トークンはトークナイザーによって単語全体、単語の一部、句読点、短い断片など様々です。

この層が重要なのは、トークンがコスト、コンテキスト長、速度、出力品質に影響を与えるためです。長い文書、乱雑なプロンプト、不必要な繰り返しコンテキストはトークンを急速に消費します。簡単に言えば、トークンはすべてのAI出力が構築されるレンガです。

プロンプトはAIにユーザーの望みを伝えます。タスク、方向性、トーン、制約、出力形式、成功基準を定義します。弱いプロンプトは強力なモデルでも一般的な結果を生み、明確なプロンプトは同じモデルをより有用なアシスタントに変えます。

プロンプトは設計図のようなものです。自ら家を建てるわけではありませんが、建設を導きます。ビジネスワークフローでは、プロンプトの質がAIが曖昧な回答を出すか、実用的な計画、構造化されたJSONオブジェクト、法的スタイルの要約、または本番用の成果物を生成するかを制御します。

コンテキストはAIに信頼できる回答に必要な情報を提供します。これには過去の会話、アップロードされたファイル、ビジネスルール、顧客データ、プロジェクト履歴、例、データベース記録、ツールの出力、ブランドガイドラインなどが含まれます。

コンテキストがなければ、強力なモデルでも一般的または誤った回答を出すことがあります。コンテキストは基盤です。AIにどの世界で動作しているか、どの事実が重要か、何が既に起きたか、どの制約を守るべきかを伝えます。

エージェントは単なるチャットボットの応答以上のものです。目標を理解し、ステップに分解し、ツールを選び、結果を検査し、誤りを修正し、タスクが完了するまで作業を続けます。この層でAIは質問に答えるだけでなく、実際に作業を行います。

エージェントは行動できる作業者のようなものです。実際の製品では、バグを修正するコーディングエージェント、証拠を収集するリサーチエージェント、チケットを解決するサポートエージェント、請求書記録を確認する財務エージェントなどが考えられます。エージェントの質は計画能力、ツールアクセス、フィードバックループ、ガードレールに依存します。

ハーネスはAIワークフロー全体を組織します。プロンプト、エージェント、ツール、メモリ、ファイル、検証、リトライ、人間のレビュー、出力形式がどのように連携するかを制御します。ハーネスがなければ、多段階のAIシステムは混乱し予測不能になります。

ハーネスはプロジェクトマネージャーのようなものです。何が最初に起き、次に何が起きるか、何をチェックすべきか、いつ別のエージェントを呼び、いつ停止し、人間の承認を求めるかを決定します。この層は本番用AIアプリに不可欠で、モデルの知能を繰り返し可能なワークフローに変えます。

MCPはAIシステムをデータベース、ファイル、ブラウザ、API、メール、カレンダー、コードリポジトリ、ビジネスソフトウェアなどの外部ツールやリソースに接続します。これによりエージェントはチャットウィンドウを超えて実際のシステムとやり取りできます。

この層が重要なのは、有用なAIにはライブのコンテキストと操作ツールへのアクセスが必要だからです。データにアクセスできず制御された行動が取れないAIエージェントは制限されます。MCPは外部インターフェースやコネクターのようなもので、AIシステムが管理されたツールアクセスを通じてリソースを読み取り、取得し、操作し、更新できるようにします。

スキルはAIシステムが異なるタスクで呼び出せる再利用可能な能力、ワークフロー、経験モジュールです。スキルには指示、コード、テンプレート、例、検証ルール、ドメイン知識、繰り返し可能なプロセスが含まれることがあります。

スキルは経験やプレイブックのようなものです。AIが同じワークフローを一から再構築する必要がなくなるため、システムは時間とともに強化されます。本番のAIシステムでは、スキルが一時的なプロンプトをスケーラブルな能力に変えます。