用語集
『エージェントワークフローの設計: 単発の会話からマルチステップ自動化へ』の用語 59 件。レッスン本文で初出の箇所にホバーすると定義を確認できます。
| 用語 | 定義 | 出典 |
|---|---|---|
| workflow | 複雑なタスクをステップに分解し、各ステップを新しいエージェントに委譲し、制御フローをスクリプト自身が保持する実行可能なスクリプト。 | Alex Op: Claude Code Workflows and Deterministic Orchestration |
| オーケストレーション | エージェント自身ではなく、スクリプトがタスクの順序、並列性、分岐を決定すること。 | ClaudeWorld: What Is a Workflow? Multi-Agent Orchestration Explained |
| 単一の会話 | 1つのエージェントが1つのコンテキストウィンドウ内でタスクを完了すること。すべての履歴と結果がその1つの会話の中に存在する。 | Claude Code 公式ドキュメント: Workflows |
| サブエージェント | ワークフローのステップが起動する独立したエージェントインスタンス。独自のコンテキストウィンドウを持ち、1つのサブタスクを完了して結果を返す。 | ClaudeWorld: What Is a Workflow? Multi-Agent Orchestration Explained |
| ファンアウト・リデュース | 並列分解の中核: 作業を多数の並列サブエージェントに分散させ（ファンアウト）、すべての結果を1つの出力にマージする（リデュース）。 | MindStudio: Five Claude Code Agentic Workflow Patterns |
| ステップ | ワークフローのアトミックな操作。エージェント呼び出し（推論が必要）または決定論的な関数（データ変換、数学演算）のいずれか。 | Mae Capozzi: Building a Multi-Agent Orchestrator |
| ステート | ワークフローが現在保持しているすべての情報: どのステップにいるか、各ステップの結果、次に何が必要か。ワークフローのメモリのようなもの。 | MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents |
| コンテキスト | 単一のエージェント呼び出しに渡される情報。ワークフローステートから選択的に引き出され、そのステップが必要とするもののみを含む。 | Chrono Innovation: Architecture for Scalable Agentic AI Workflows |
| ワークフロー状態 | 現在のタスクに関するすべての情報。ステップ間で渡されるが、セッションをまたがず、リカバリのためにデータベースに永続化できる。 | MindStudio: Workflow State vs. Session State |
| セッション状態 | エージェントが自身で管理する会話履歴と一時的なコンテキスト。ワークフローが追跡する必要はない。 | MindStudio: Workflow State vs. Session State |
| チェックポイント | 重要なステップの後にワークフロー状態を外部ストレージに保存すること。クラッシュ時に最初からではなく最新のチェックポイントから再開できる。 | MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents |
| 状態マシン | 離散的な状態（init、processing、completed）と明示的な遷移ルールでワークフローをモデル化し、各遷移を永続化すること。 | MindStudio: Workflow State vs. Session State |
| シーケンシャル分解 | タスクを順番に実行しなければならないステップに分割する分解戦略。各ステップは前のステップの出力に依存する。 | OneUpTime: How to Create a Task Decomposition |
| パラレル分解 | タスクを同時に実行できる独立したサブタスクに分割する分解戦略。結果は最後にマージされる。 | OneUpTime: How to Create a Task Decomposition |
| ハイブリッド分解 | 高レベルのフェーズが順番に実行され、各フェーズの内部ステップが並列実行される分解戦略。両方の強みを組み合わせる。 | OneUpTime: How to Create a Task Decomposition |
| 依存関係 | ステップ間の入力/出力関係。ステップBがステップAの出力を必要とする場合、BはAに依存し、Aが完了するまで実行できない。 | ACONIC paper: Systematic LLM Task Decomposition |
| ゼロショット | 例を示さずにLLMにタスクを完了させるように依頼し、その事前学習済み知識に依存すること。 | ApX Machine Learning: Task Decomposition Strategies for LLM Agents |
| transient error | 一時的なエラー。通常、ネットワーク変動、リソース競合、または短時間の過負荷から発生し、リトライで成功する可能性がある。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| permanent error | 永続的なエラー。通常、設定ミス、権限不足、またはコードのバグから発生し、リトライでは成功しない。 | Agents Arcade: Error Handling in Agentic Systems |
| 指数バックオフ | 各リトライの遅延が指数関数的に増加するリトライ戦略（1秒、2秒、4秒、8秒...）。サービスに回復時間を与える。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| ジッター | リトライ遅延にランダムな摂動を加えることで、複数のクライアントが完全に同じ瞬間にリトライしないようにし、負荷を分散させる。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| サーキットブレーカー | エラー率がしきい値を超えると、失敗しているサービスへの呼び出しを一時停止し、fail fastすることで、リソースの無駄とカスケード障害を回避する。 | Vasanthan: Handling Failures in Agent-Based Workflows |
| 補償アクション | 完了したステップを元に戻す操作。ワークフローが途中で失敗した場合、以前のステップをロールバックしてデータの一貫性を保つ。 | AWS Marketplace: Agent Orchestration |
| Sagaパターン | 各ステップにforwardアクションとcompensating actionを定義し、失敗時には補償を逆順に実行して分散トランザクションを実現する。 | AWS Marketplace: Agent Orchestration |
| べき等性 | 操作をN回実行しても1回実行したのと同じ効果になる性質。繰り返しで副作用が発生しない。 | Agents Arcade: Error Handling in Agentic Systems |
| 分岐 | ワークフローが条件に基づいて異なる実行パスを選択すること。if-elseやswitch文のように。 | Alex Op: Claude Code Workflows and Deterministic Orchestration |
| ループ | ワークフローが同じ操作を繰り返すこと。forループ（各要素に対して）またはwhileループ（条件が成立するまで）のように。 | Alex Op: Claude Code Workflows and Deterministic Orchestration |
| 並行数の上限 | リソースを使い果たさないように（開きすぎたファイル、飽和した接続プールなど）、一度に実行する並列タスクの数を制限すること。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| 入力/出力契約 | 各ステップが受け入れる入力と返す出力を明確に定義すること。関数シグネチャのように正確に。 | AWS Marketplace: Agent Orchestration |
| 可観測性 | ワークフローが「どこまで進んでいるか、どんなエラーに遭遇したか、パフォーマンスのボトルネックはどこか」といった質問に答えられる能力。 | ClaudFlow: 7 Patterns for Claude Code Workflow Automation |
| 進捗追跡 | ワークフローが完了したステップ数、残りステップ数、完了予想時刻を記録すること。 | MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents |
| エラーログ | ワークフローで発生したすべてのエラーの記録。ステップ名、エラータイプ、エラーメッセージ、タイムスタンプを含む。 | Vasanthan: Handling Failures in Agent-Based Workflows |
| パフォーマンスプロファイリング | 各ステップにかかる時間を測定してワークフローのパフォーマンスボトルネックを特定すること。 | ClaudFlow: 7 Patterns for Claude Code Workflow Automation |
| 制御フローの反転 | ワークフローの核心的革新: エージェントが次に何をするかを決める代わりに、スクリプトが次にどのエージェントを呼び出すかを決める。 | Alex Op: Claude Code Workflows and Deterministic Orchestration |
| 決定論的オーケストレーション | ワークフローの実行パスがスクリプトの制御フロー（ループ、分岐）によって決定されるため、同じ入力が同じパスをたどる。 | Alex Op: Claude Code Workflows and Deterministic Orchestration |
| コンテキストウィンドウ | エージェントが一度に見られるテキストの最大量。通常、数十万から百万トークン。それを超えると切り詰めるか忘れる必要がある。 | ClaudeWorld: What Is a Workflow? Multi-Agent Orchestration Explained |
| コンテキスト爆発 | 各ステップの結果がコンテキストに積み上げられ、制限を超えるかパフォーマンスを低下させるまで際限なく成長すること。 | Ranjan Kumar: Building Agents That Remember |
| リセット型コンテキスト | 各ステップでコンテキストをクリアし、現在のステップが必要とするものだけを渡すことで、コンテキスト爆発を回避する。 | Ranjan Kumar: Building Agents That Remember |
| 蓄積型コンテキスト | 各ステップの結果がコンテキストに追加され、後のステップがすべての履歴を見られるようにする。最終サマリーステップに適している。 | Ranjan Kumar: Building Agents That Remember |
| 外部ストレージ | ワークフロー状態をデータベース、Redis、またはファイルシステムに永続化すること。メモリ内変数のみに保持するのではなく。 | Appamass: State Management Patterns for Reliable AI Agent Workflows |
| フェーズチェックポイント | ワークフローの各主要フェーズが完了した後にチェックポイントを保存すること。すべての小さな操作の後ではなく。 | MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents |
| リカバリロジック | チェックポイントからワークフローを再開した後、すでに完了したステップをスキップして中断点から続行すること。 | MachineLearningMastery: 5 Architectural Patterns for Persistent Memory and State in AI Agents |
| 人間の承認 | ワークフローが重要な決定ポイントで一時停止し、続行前に人間が確認するのを待つこと。本番デプロイやデータ削除の前によくある。 | Appamass: State Management Patterns for Reliable AI Agent Workflows |
| バッチ | 大きなタスクセットを小さなグループに分割し、一度に1グループずつ処理すること。各グループ内に並列性があり、並行性とリソース使用を制御する。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| レート制限 | APIが単位時間あたりのリクエスト数に課す上限。それを超えると429エラーを返し、待つかリクエストレートを遅くする必要がある。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| リソース競合 | 複数の並列タスクが制限されたリソース（データベース接続、ファイルハンドル）に同時にアクセスし、一部が失敗またはタイムアウトすること。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| カスケード障害 | 1つのサービスの失敗が、それに依存するサービスも失敗させ、失敗が外側に広がること。 | Vasanthan: Handling Failures in Agent-Based Workflows |
| 即座に失敗 | 明らかに回復できないエラー（永続的エラー、オープンしたサーキットブレーカー）に対して、リトライせずに即座に失敗してリソースを節約すること。 | Agents Arcade: Error Handling in Agentic Systems |
| graceful degradation | 重要でないステップが失敗した場合、ワークフローがそれをスキップして全体として失敗するのではなく続行すること。 | Augment Code: How Async AI Agent Workflows Survive Failure |
| 依存関係グラフ | ノードをステップ、矢印を依存関係とするグラフ。ステップ間の依存関係と実行順序を明確に示す。 | ACONIC paper: Systematic LLM Task Decomposition |
| DAG | 依存関係グラフの正式版: ノードはステップ、有向エッジは依存関係、「非巡回」はデッドロックがないことを保証する。 | ACONIC paper: Systematic LLM Task Decomposition |
| リーフ | 依存関係グラフで他の何にも依存しないノード。最初に実行できる。 | Kinde: Multi-Agent Workflows for Complex Refactoring |
| トポロジカルソート | 依存関係からステップの実行順序を決定し、各ステップがその依存関係が完了した後にのみ実行されることを保証する。 | ACONIC paper: Systematic LLM Task Decomposition |
| コードリファクタリングパイプライン | コードを分析し、リファクタリング計画を生成し、依存関係順にリファクタリングし、テストで検証する完全なパイプライン。 | Kinde: Multi-Agent Workflows for Complex Refactoring |
| ドキュメント生成パイプライン | コードからAPIを抽出し、サンプルを生成し、ドキュメントをレンダリングして公開する自動フロー。 | ClaudFlow: 7 Patterns for Claude Code Workflow Automation |
| テスト自動化フロー | 環境をセットアップし、並列にテストを実行し、結果を収集し、レポートを生成するエンドツーエンドのテストワークフロー。 | ClaudFlow: 7 Patterns for Claude Code Workflow Automation |
| タスク分解 | 曖昧で大きすぎるタスクを、それぞれ定義された入力と出力を持つ小さく明確なステップに分割すること。 | ApX Machine Learning: Task Decomposition Strategies for LLM Agents |
| ワークフローのデバッグ | ログ、状態検査、ステップごとのトレーシングを通じてワークフローの問題を特定すること。 | ClaudFlow: 7 Patterns for Claude Code Workflow Automation |
| half-open | サーキットブレーカーの状態。タイムアウト後、いくつかの試行リクエストが通る: 成功すればブレーカーは閉じ、そうでなければオープンのままである。 | Vasanthan: Handling Failures in Agent-Based Workflows |