AIエージェント設計パターンの二次元フレームワーク：認知機能と実行トポロジーの統合
要約
この論文は、LLMベースのAIエージェントアーキテクチャの新しい分類フレームワークを提案している。従来のフレームワークは一次元的で、業界ガイド（Anthropic、Google、LangChain）は実行トポロジー（データの流れ方）に、認知科学の研究は認知機能（エージェントが何をするか）に焦点を当てていた。しかし、同じオーケストレーター・ワーカートポロジーでも、Plan-and-Execute、階層委任、敵対的検証という全く異なる故障モードと設計トレードオフを持つパターンを実装できるため、単一軸では建築的に異なるシステムを区別できない。研究者らは、（1）認知機能軸：7カテゴリ（コンテキストエンジニアリング、メモリ、推論、アクション、リフレクション、コラボレーション、ガバナンス）と（2）実行トポロジー軸：6つの構造原型（チェーン、ルート、パラレル、オーケストレート、ループ、階層）を組み合わせた二次元分類を提案した。この7×6マトリックスは27の名前付きパターンを特定し、そのうち13は独創的な名前である。金融融資、法的デューデリジェンス、ネットワーク運用、医療トリアージという4つの実世界ドメインで検証を行い、環境制約（時間プレッシャー、アクション権限、故障コストの非対称性、ボリューム）とアーキテクチャ選択の関係を支配する5つの経験則を導出した。
洞察・気づき
この研究は、AIエージェントアーキテクチャ設計において重要な理論的貢献を果たしている。従来の一次元的なアプローチでは見落とされがちだった、認知機能と実行構造の複雑な相互作用を体系化することで、開発者がより適切なアーキテクチャを選択できるようになる。特に注目すべきは、環境制約がアーキテクチャ選択にどのように影響するかを明らかにした5つの経験則で、これは実践的な設計指針を提供する。フレームワーク中立でモデル非依存の語彙を提供することで、異なるプラットフォームやツール間での知識共有も促進される。また、27のパターンという豊富な設計オプションは、AIエージェントシステムの多様性と複雑性を反映しており、今後のエージェント開発においてより洗練されたアーキテクチャ選択が可能になることを示唆している。この体系化により、AIエージェントの設計がより科学的で予測可能なアプローチへと発展する可能性が高い。