AIエージェント

道具を増やすほど、エージェントは選べなくなる——『全部渡す』をやめて『検索して渡す』へ

2026/7/3

🤖 AIが下書き・人間が編集

要点： エージェントに道具（ツール／MCP）をたくさん持たせると賢くなる——という直感は、実務では裏返る。道具の一覧が長くなるほど、正しい道具を選ぶ精度は落ちる。しかも道具の「説明書」だけで文脈（コンテキスト）の大半が食われる：GitHub・Slack・Sentry のわずか3つの MCP（約40の道具）で、20万トークンの文脈のうち14.3万がツール定義に消えた、という報告もある¹。研究が示す直し方は、全部を常時見せるのをやめ、必要な道具だけを検索して渡すこと。ある手法（RAG-MCP）では、道具選択の精度が13.62%から43.13%へ3倍超に上がり、プロンプトのトークンも半分以下に減った²。

何が起きるのか

道具が増えると二つの問題が同時に起きる。一つは選択の混乱。「エージェントは何個の道具を見せられるべきか」を正面から測った研究は、20〜3,251個の登録から道具を提示して、多すぎる一覧はモデルを迷わせ、少なすぎると正解を取りこぼすという板挟みを示した³。そのうえで、質問ごとに見せる数を動的に変えるやり方が、固定サイズより良かった——同じ精度を、平均50個ではなく約7個の提示で達成し、3,251個の難しい問い（ToolBench）では、5個に絞ると16.7%を解けたのに、大きな固定リストでは0%だった³。

もう一つは文脈の圧迫。標準的な MCP 構成では、仕事を始める前に文脈の約7割がツール定義で埋まる、との実務報告がある¹。文脈が長く詰まるほど推論自体が鈍る「コンテキスト・ロット」も、18のモデル（Claude Sonnet 4・GPT-4.1・Gemini 2.5 Flash ほか）で一貫して観測されている⁴。つまり、道具を足すことはタダではない——選びにくくし、考える余白を削る。

直し方＝検索して渡す

向かっている答えは、より大きな文脈窓ではなく、検索（retrieval）だ。全ての道具の説明を毎回プロンプトに積むのでなく、いまの質問に意味的に近い道具だけを取り出して渡す。RAG-MCP はこの発想で、選択精度を13.62%→43.13%に上げ、プロンプトを半分以下にした²。同じ方向——必要になったときに道具を能動的に探し出す——のやり方は、MCP-Zero をはじめ複数の独立したグループが競って作っており⁵、単発のアイデアではなく一つの流れになっている。

実務で何を変えるか

エージェントに道具を持たせる側なら、勘所は絞れる。

• 「全部見せる」を既定にしない。 使える道具を無条件に全部プロンプトへ積むのは、選択精度と文脈の両方を削る³¹。質問ごとに、渡す道具を検索して絞るほうへ寄せる。
• 道具の数は動的に。 固定の上限より、問いに応じて見せる数を変えるほうが良い、という結果が出ている（同じ精度を約7個で）³。多ければ良いでも、少なければ良いでもない。
• 「道具を持っているか」でなく「正しく選べるか」を測る。 一覧に道具があることと、その場で選べることは別だ。評価は選択精度で見る。
• ただし検索も万能ではない。 絞っても精度は43%どまり——道具選びは依然として難しく、検索は取り違えという新しい失敗の面も足す²。「大きな文脈窓に全部入れれば済む」でも「検索を入れれば解決」でもなく、渡す道具を絞る設計が要る、という段階だ。

この記事はAIが下書きし、人間が編集・公開しています。