2027年試験新シラバス対応・3-3

エージェントの仕組みとコンテキストエンジニアリングの一問一答

生成AIパスポート試験「AIエージェント」から、エージェントの仕組みとコンテキストエンジニアリングに関する4択問題を10問。「答えと解説を見る」を開くと、正解とその理由がその場で読めます。会員登録は不要です。

この分野の演習

全10問／解説つき・基本無料

アプリ形式で解く（全410問） AIエージェントの要点解説を読む

問題

上から順に解いてみてください。答えは各問の下で確認できます。本試験は四肢択一式（一部複数選択を含む）で出題されます。ここでは全て4択（正解は1つ）で出題しています。

問13-3

AIエージェントの「ツール実行（Function Calling・Tool Use）」の説明として、最も適切なものを1つ選びなさい。

①LLMの入力や出力を点検して、不適切な内容や危険な操作を防ぐために組み込む安全の仕組み
②LLMに、JSONなどの決められた形式で出力させ、他のプログラムが読み取れるようにする仕組み
③LLMが使うべき外部の機能と引数を判断して呼び出し、結果を受け取って作業に生かす仕組み
④過去の作業の内容を外部に保存しておき、必要なときに検索して読み出すための記憶の仕組み

答えと解説を見る

正解 ③LLMが使うべき外部の機能と引数を判断して呼び出し、結果を受け取って作業に生かす仕組み

解説
ツール実行（Function Calling・Tool Use）は、LLMが、作業に必要な外部の機能（検索、計算、データベースの照会、メールの送信、ファイルの操作など）のうち、どれを、どのような引数（入力の値）で呼び出すべきかを判断し、実際に呼び出して、その結果を受け取って次の作業に生かす仕組みです。
LLMは単独では、最新の情報の取得や正確な計算、外部のシステムの操作が苦手です。ツール実行によって、これらをツールに任せ、AIエージェントとして実際の作業を進められるようになります。

他の選択肢が不適切な理由
・決められた形式で出力させる：構造化出力の説明です。ツールを呼び出すときの引数の指定にも使われますが、別の仕組みです。
・入力や出力を点検する安全の仕組み：ガードレールの説明です。
・外部に保存して検索して読み出す：長期メモリの説明です。

覚え方のポイント
ツール実行＝「AIが道具（外部の機能）を自分で選んで使う」。何を・どの値で呼ぶかをLLMが決めます。

問23-3

AIエージェントの「記憶（メモリ）」の説明として、最も適切なものを1つ選びなさい。

①AIエージェントは記憶を一切持たず、すべての作業を毎回ゼロから始めることが前提である。
②短期メモリは過去の情報を長く保存し、長期メモリは作業中の文脈だけを一時的に保つ。
③記憶はモデルのパラメータそのものであり、会話のたびに必ず再学習されて書き換わる。
④短期メモリは作業中の文脈を保ち、長期メモリは過去の情報を保存して必要なときに参照する。

答えと解説を見る

正解 ④短期メモリは作業中の文脈を保ち、長期メモリは過去の情報を保存して必要なときに参照する。

解説
AIエージェントの記憶（メモリ）には、大きく2種類があります。
短期メモリは、いま進めている作業の会話や途中経過など、作業中の文脈を保つものです。多くの場合、コンテキストウィンドウの中に保持されます。
長期メモリは、過去の作業の結果や利用者の好み、組織の知識などを外部のデータベースなどに保存し、必要なときに検索して参照するものです。どちらも、モデルのパラメータを書き換えるものではありません。

他の選択肢が不適切な理由
・短期と長期の説明が逆：作業中の文脈を保つのが短期メモリ、過去の情報を保存するのが長期メモリです。
・会話のたびに再学習される：メモリはパラメータを書き換えるものではなく、情報を保持・参照する仕組みです。
・記憶を一切持たない：作業を続けるために、作業中の文脈や過去の情報を保持・参照する仕組みを持つのが一般的です。

覚え方のポイント
短期メモリ＝「いまの作業の机の上」、長期メモリ＝「あとで取り出せる書庫」。

問33-3

コンテキストエンジニアリングの説明として、最も適切なものを1つ選びなさい。

①LLMに渡す情報（指示・資料・履歴・ツールの結果など）を、何をどれだけ入れるかまで設計すること
②利用者がLLMに入力する1文の質問の言い回しだけを、何度も書き直して工夫していくことに限ること
③AIエージェントが安定して成果を出せるよう、指示書・テスト・権限などの作業の環境全体を設計すること
④LLMの入力や出力を点検し、不適切な内容や危険な操作を防ぐための仕組みを設計して組み込むこと

答えと解説を見る

正解 ①LLMに渡す情報（指示・資料・履歴・ツールの結果など）を、何をどれだけ入れるかまで設計すること

解説
コンテキストエンジニアリングとは、LLMが推論するときに与える情報（コンテキスト）全体、つまりシステムプロンプト・指示・参照する資料・会話の履歴・記憶・ツールの実行結果などについて、何を、どのような形で、どれだけ入れるかを設計することです。
コンテキストウィンドウには上限があり、関係の薄い情報が多すぎると重要な情報が埋もれてしまいます。特に長い作業を進めるAIエージェントでは、必要な情報を必要なときに過不足なく渡す設計が、成果の質を大きく左右します。プロンプトの書き方の工夫（プロンプトエンジニアリング）よりも、扱う範囲が広い考え方です。

他の選択肢が不適切な理由
・1文の質問の言い回しだけを工夫する：プロンプトエンジニアリングの一部で、コンテキストエンジニアリングはそれより広い範囲を扱います。
・作業の環境全体を設計する：ハーネスエンジニアリングの説明で、コンテキストエンジニアリングよりさらに広い範囲を扱います。
・入力や出力を点検する仕組み：ガードレールの説明です。

覚え方のポイント
プロンプト＝「1回の指示文」、コンテキスト＝「AIに渡す情報の全体」。後者をまるごと設計するのがコンテキストエンジニアリング。

問43-3

システムプロンプトに関する記述として、適切でないものを1つ選びなさい。

①AIの役割や守るべき方針などを、会話の前提として最初に与えておく指示である。
②システムプロンプトを設定しておけば、プロンプトインジェクションの攻撃は防げる。
③回答の口調や形式、扱ってはいけない話題などを、あらかじめ指定しておくことができる。
④AIエージェントでは、使えるツールや作業の進め方を指定するのにも使われる。

答えと解説を見る

正解 ②システムプロンプトを設定しておけば、プロンプトインジェクションの攻撃は防げる。

解説
システムプロンプトは、AIの役割や守るべき方針などを、会話の前提として最初に与えておく指示です。回答の口調や形式、扱ってはいけない話題をあらかじめ指定したり、AIエージェントでは使えるツールや作業の進め方を指定したりするのに使われます。
ただし、システムプロンプトで「外部の文書の指示に従わないこと」などと書いておいても、巧妙なプロンプトインジェクションを必ず防げるわけではありません。したがって、この記述は適切ではありません。権限の制限や入出力の点検、人による確認などの対策を重ねることが大切です。

他の選択肢（適切な記述）について
・役割や方針を会話の前提として最初に与える：システムプロンプトの定義です。
・口調や形式、扱わない話題を指定できる：回答の振る舞いを整えるための使い方です。
・使えるツールや作業の進め方を指定する：AIエージェントでの使い方です。

覚え方のポイント
システムプロンプト＝AIへの「最初の申し送り」。ただし万能の防壁ではありません。

問53-3

AIエージェントにおける「ガードレール」の説明として、最も適切なものを1つ選びなさい。

①AIの役割や守るべき方針を、会話の前提として最初に与えておくための指示の文章
②AIエージェントを、本番の環境から切り離した、隔離された環境で動かすための仕組み
③AIに、作業に必要な最小限の権限だけを与え、不要な権限は与えないようにする原則
④AIの入力や出力、行動を点検し、不適切な内容や危険な操作を防ぐための安全の仕組み

答えと解説を見る

正解 ④AIの入力や出力、行動を点検し、不適切な内容や危険な操作を防ぐための安全の仕組み

解説
ガードレールは、AIへの入力、AIの出力、AIエージェントの行動を点検し、個人情報の漏えい、有害な内容の出力、権限を超えた危険な操作などを防ぐための安全の仕組みです。
たとえば、出力に個人情報が含まれていないかを確認する、決められた範囲外のサイトへのアクセスを止める、削除や送金の前に人の承認を求める、といったものがあります。道路のガードレールのように、AIが道を外れても大きな事故にならないよう守る役割を果たします。

他の選択肢が不適切な理由
・隔離された環境で動かす：サンドボックスの説明です。
・必要な最小限の権限だけを与える：最小権限の原則の説明です。
・役割や方針を最初に与える指示：システムプロンプトの説明です。

覚え方のポイント
ガードレール＝「AIが道を外れそうなときに止める安全柵」。入力・出力・行動を点検します。

問63-3

AIエージェントで「構造化出力」が使われる理由として、最も適切なものを1つ選びなさい。

①出力の形式をそろえると、生成のたびに異なる回答が返ることが完全になくなる仕組みであるため
②決められた形式（JSONなど）で出力させると、他のプログラムが結果を確実に読み取れるため
③形式を決めて出力させるたびに、モデルが学習し直して、その分野の知識が増えていくため
④構造化出力を使うと、出力される内容の事実関係が自動的にすべて正しくなる仕組みであるため

答えと解説を見る

正解 ②決められた形式（JSONなど）で出力させると、他のプログラムが結果を確実に読み取れるため

解説
構造化出力は、AIの出力を、JSONのような決められた形式（項目名と値の組など）で出させることです。
AIエージェントでは、AIの出力を別のプログラムやツールが受け取って処理することが多いため、自由な文章よりも、決められた形式のほうが確実に読み取れ、処理の誤りを防げます。たとえば、問い合わせのメールから「氏名」「用件」「希望日」を決まった形式で取り出させれば、そのまま予約システムに登録できます。ただし、形式が整っていても、中身の正しさは別に確認が必要です。

他の選択肢が不適切な理由
・異なる回答が返ることがなくなる：形式がそろっても、内容は生成のたびに変わることがあります。
・モデルが学習し直す：出力の形式を指定しても、モデルのパラメータは変わりません。
・事実関係が正しくなる：形式が整っても、内容の正しさは保証されないため、確認が必要です。

覚え方のポイント
構造化出力＝「AIの答えを、プログラムが読める決まった型に入れる」。中身の正しさは別に確認。

問73-3

ReAct（Reasoning and Acting）に代表される、AIエージェントの「推論と行動のフィードバックループ」の説明として、最も適切なものを1つ選びなさい。

①行動の結果は一切確認せずに、最初に立てた計画のとおりに最後まで機械的に進めていく。
②考えることと行動することを完全に分け、最初に一度だけ考えたあとは行動だけを続けていく。
③考える→行動する→結果を観察する、を繰り返し、観察した結果から次の考えと行動を決める。
④利用者が毎回すべての行動を考えて入力し、AIはその入力を記録して保存するだけである。

答えと解説を見る

正解 ③考える→行動する→結果を観察する、を繰り返し、観察した結果から次の考えと行動を決める。

解説
ReAct（Reasoning and Acting）は、LLMに「考える（推論）」と「行動する（ツールの使用など）」を交互に行わせ、行動の結果を観察して、次に何を考え、どう行動するかを決めていく方法として、2022年に提案されました。
このような推論と行動のフィードバックループによって、AIエージェントは、検索結果が不十分なら別の言葉で検索し直す、エラーが出たら原因を考えて修正する、といった柔軟な対応ができます。新シラバスでも、推論・観察・再計画といった用語とともに学習項目になっています。

他の選択肢が不適切な理由
・最初に一度だけ考えて行動を続ける：結果を見て考え直すことがないため、フィードバックループになりません。
・結果を確認せず計画どおりに進める：結果の観察と再計画がないため、ReActの考え方ではありません。
・利用者が毎回すべての行動を入力する：AIエージェントが自ら考えて行動する仕組みではありません。

覚え方のポイント
ReAct＝Reason（考える）＋Act（動く）。「考える→動く→見る→また考える」のループです。

問83-3

AIエージェントのコンテキスト管理に関する記述として、適切でないものを1つ選びなさい。

①コンテキストには、関係のない情報も多く入れるほど、回答の精度が上がる。
②長い作業では、途中の経過を要約して残し、次の工程に必要な情報だけを渡す。
③作業に必要な資料は、検索などで必要なときに取り出して渡すようにする。
④過去のやり取りのうち重要な情報は、長期メモリとして保存して参照する。

答えと解説を見る

正解 ①コンテキストには、関係のない情報も多く入れるほど、回答の精度が上がる。

解説
コンテキストエンジニアリングでは、LLMに渡す情報（指示・資料・履歴・ツールの結果など）を、何をどれだけ入れるかまで設計します。関係のない情報まで大量に入れると、コンテキストウィンドウを圧迫するだけでなく、必要な情報が埋もれて回答の精度がかえって下がることがあります。したがって「多く入れるほど回答の精度が上がる」という記述は適切ではありません。
長い作業では、途中の経過を要約して残し、次の工程に必要な情報だけを渡したり、必要な資料を検索で取り出して渡したり、重要な情報を長期メモリとして保存したりする工夫が役立ちます。

他の選択肢（適切な記述）について
・途中の経過を要約して必要な情報だけ渡す：長い作業でコンテキストを整理する工夫です。
・必要なときに資料を取り出して渡す：RAGなどを使った工夫です。
・重要な情報を長期メモリとして保存する：作業や会話をまたいで情報を生かす工夫です。

覚え方のポイント
コンテキストは「多いほどよい」ではなく「必要なものを、必要なだけ」。

問93-3

AIエージェントの構成要素として、適切でないものを1つ選びなさい。

①目標を小さな作業に分けて、順番や使う道具を決めていくタスク分解と計画の仕組み
②作業を進めるたびにLLMのパラメータを書き換え、知識を学習し直す再学習の仕組み
③検索や計算などの外部の機能を、必要に応じて呼び出して使うツール実行の仕組み
④作業中の文脈や過去の情報を保持して、必要なときに参照できるようにする記憶の仕組み

答えと解説を見る

正解 ②作業を進めるたびにLLMのパラメータを書き換え、知識を学習し直す再学習の仕組み

解説
AIエージェントは一般に、中核となるLLMに加えて、タスク分解と計画、ツール実行、記憶（メモリ）とコンテキスト管理、推論と行動のフィードバックループといった要素で構成されます。
作業を進めるたびにLLMのパラメータを書き換えて再学習するのは、AIエージェントの一般的な構成要素ではありません。AIエージェントは、パラメータを変えずに、計画・ツール・記憶などの仕組みを組み合わせて作業を進めます。

他の選択肢（適切な記述）について
・タスク分解と計画：大きな目標を実行できる作業に分けて進めるための、エージェントの中心的な要素です。
・ツール実行：外部の機能を使うことで、LLMだけではできない作業を進められます。
・記憶（メモリ）：作業の文脈や過去の情報を保持・参照し、作業を続けられるようにします。

覚え方のポイント
エージェントの部品＝「頭脳（LLM）＋計画＋道具（ツール）＋記憶」。作業のたびに再学習はしません。

問103-3

AIエージェントの仕組みに関する次の記述a〜dのうち、適切なものの組合せを1つ選びなさい。
a．ツール実行では、LLMが呼び出す機能とその引数を判断する。
b．コンテキストエンジニアリングは、LLMに渡す情報の全体を設計することである。
c．システムプロンプトで禁止すれば、どのような入力でも指示は必ず守られる。
d．短期メモリとは、過去の作業結果を外部のデータベースに長く保存するものである。

①c・d
②a・c
③a・b
④b・d

答えと解説を見る

正解 ③a・b

解説
aとbが適切です。
a：ツール実行（Function Calling・Tool Use）では、LLMが、どの外部の機能を、どのような引数で呼び出すべきかを判断します。
b：コンテキストエンジニアリングは、指示・資料・履歴・ツールの結果など、LLMに渡す情報の全体について、何をどれだけ入れるかを設計することです。

誤っている記述
・c：システムプロンプトで禁止していても、巧妙な入力（プロンプトインジェクション）によって守られないことがあります。権限の制限などと組み合わせた多層的な対策が必要です。
・d：過去の作業結果を外部に長く保存して参照するのは長期メモリです。短期メモリは作業中の文脈を保つものです。

覚え方のポイント
システムプロンプトは万能の鍵ではありません。「守らせたいことは、権限と仕組みでも守る」が鉄則です。

「生成AIパスポート」は一般社団法人生成AI活用普及協会の登録商標です。本ページは一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、公認・認定を受けた教材ではありません。

生成AIパスポートの対策問題（全410問）に戻る

非公式の資格試験対策サイトです。一般社団法人生成AI活用普及協会（GUGA）とは一切関係がなく、GUGAの公認・認定を受けた教材ではありません。

※本ページでは、アクセス解析（Googleアナリティクス）と、広告の配信・成果の計測（A8.net）のためにCookie等を利用し、閲覧に関する情報をGoogle LLC・株式会社ファンコミュニケーションズへ送信しています。詳しくはプライバシーポリシーをご覧ください。

※本ページの問題・解説は、生成AI（人工知能）を活用して作成しています。