SoK: エージェントとしてのスキル

主体性スキルとは何ですか？

スキルとは、単なるツール呼び出しや指示以上のものです。それは、再利用可能で呼び出し可能なモジュールであり、一連の操作やポリシーをカプセル化し、エージェントが反復的な条件下で目標のクラスを達成することを可能にします。これには、独自の適用可能性ロジック、実行ポリシー、終了条件、および呼び出し可能なインターフェースが含まれます。

2.1 形式的な定義

エージェントのスキルは、それを関連する抽象化と区別する重要な特性を捉えた四重組として形式化されます。エージェントが、行動空間A、観測空間O、および目標空間Gを介して環境Eと相互作用するとします。

Definition 1 (Agentic Skills)

各コンポーネントは、スキルを同時に実行可能、再利用可能、かつ管理可能にするという、他の既存の抽象化では完全に提供できない3つの重要な特性を実現する上で、それぞれが独自の役割を果たします。

\[ S = (C, \pi, T, R) \]

S = (C, π, T, R) の分解

この四重組が、本論文の中核となる主張です。スキルとは、単に呼び出し可能な関数ではなく、契約なのです。これは、サービスレベルアグリーメント（SLA）を持つマイクロサービスのようなものです。

• C (Condition: 条件) — このスキルは、どのような場合に呼び出すことができるのか？ 例えば、「ウェブサイトのナビゲーションは可能ですが、認証が必要なページではできません」
• π (Policy: ポリシー) — どのように実行されるのか？ これは実際の動作であり、コード、自然言語による指示、または学習されたポリシーです。
• T (Termination: 終了条件) — いつ終了するのか？ 成功、失敗、またはタイムアウトの条件であり、単に「完了するまで実行」ではありません。
• R (Interface: インターフェース) — 他のスキルやエージェントは、何を見るのか？ 入力、出力、副作用—APIの境界です。

T と C がないと、単に「スキル」は関数呼び出しにすぎません。この契約こそが、異なるコンテキストで再利用可能で安全にするものです。

C

適用条件

この機能は、観察結果と目標を{0,1}に照らして評価し、このスキルが現在の状況に適しているかどうかを判断します。これは、スキルが有効になるための条件を満たすかどうかを判定する「ゲート関数」として機能します。スキルの「いつ使うべきか」という知識を司るものです。

π

実行可能なポリシー

観察データや履歴をアクションに変換すること：これがスキルの基本的な仕組みです。これは、プロンプトテンプレート、Python関数、強化学習のポリシー、またはそれらの組み合わせとして実装できます。πが、原始的なアクションの代わりに、ライブラリΣから別のスキルを選択する場合、階層的な構成が生まれます。

T

終了条件

スキルが完了したかどうか（成功したか、またはそうでないか）を、現在の目標との関係において指定します。これが、モジュール化を可能にするものです。呼び出し元は、正確にいつ制御が自分たちに戻ってくるかを知ることができます。T がない場合、スキルを安全に連携させることはできません。

R

呼び出し可能なインターフェース

この機能は、スキルのプログラミング上の境界を定義します。具体的には、名前、パラメータのスキーマ、および戻り値の型を規定します。これにより、エージェント、他のスキル、および外部のオーケストレーターが、このスキルを確実に呼び出すことができます。`R` なしでは、内部の知識をプログラム的に利用できません。

2.2 スキルと関連する抽象化

主体的なスキルは、デザインの領域において独特な位置を占めています。これらは単なるツール、計画、または記憶ではありません。以下の表は、これらのスキルを5つの主要な側面から比較しています。

スキルパッケージングのための7つのデザインパターン.

65件の分析対象システムにおいて、本論文は、スキルが実際にどのようにパッケージ化され、ロードされ、実行されるかを捉える、7つの繰り返される設計パターンを特定しています。各パターンは、コンテキストコスト、決定性、構成可能性、およびガバナンスの間の異なるトレードオフを生み出します。

獲得、構成、およびオーケストレーション

スキルがどのようにしてライブラリに組み込まれるかは、その実行方法と同じくらい重要です。スキルの獲得方法は、その品質、汎用性、および管理特性に影響を与えます。

スキルの獲得戦略

人間が作成

人間の開発者や専門家によって直接記述されたスキルです。最高品質で信頼性が高く、エンタープライズ環境での利用に最適です。主な制約は、スケーラビリティです。

デモンストレーション・ディスティレーション

人間のエージェントや専門家によるデモンストレーションから、軌道蒸留（trajectory distillation）によってスキルを抽出します。スケーラビリティと品質のバランスを重視します。主要な課題は、抽出されたスキルが、デモンストレーションされた状況を超えて汎用性を持つようにすることです。

自己学習と探求

エージェントは、環境との相互作用を通じて、自律的にスキルを発見し、作成します。最も高い拡張性を持ちますが、信頼性は最も低いです。ベンチマークのデータは、自己生成されたスキルがパフォーマンスを低下させる可能性があることを示しており、導入時の体系的な検証が不可欠です。

階層的なスキル構成.

あるスキルポリシー π が、原始的なアクションの代わりに、ライブラリ Σ から別のスキルを選択する場合、階層的な構成が生じます。これは、強化学習におけるオプションフレームワークにおけるオプション-サブルーチン構造を反映しています。これにより、より単純な基本的なスキルから、複雑で長期的なタスクの実行が可能になります。

障害からの回復機能は非常に重要です。サブスキルが失敗した場合（T_γ = failure）、制御は十分なコンテキストとともに親タスクに戻り、別のスキルを再試行するか、または人間の監視に引き継ぐことができます。図4は、「Webアプリケーションのデプロイ」の例におけるこのフローを示しています。

検索メカニズム

埋め込みマッチ

スキルの説明に対するベクトル類似検索。高速でスケーラブル。意味的に類似しているものの、語彙的には異なるスキルを見逃す可能性があります。多くの実用システムで採用されている標準的なアプローチです。

LLMルーティング

LLMは、タスクの説明とスキルメタデータを読み取り、ルーティングの決定を行います。微妙な曖昧さの解消において、より高い精度を実現します。ただし、処理速度が遅く、コストも高くなります。重要なスキルや、結果に大きな影響を与える可能性のあるスキル選択に最適です。

未解決問題と研究ロードマップ

スキルベースのエージェントは、信頼性の高い大規模な展開を妨げるいくつかの未解決の課題を抱えています。その中でも、特に緊急性の高い5つの研究分野が挙げられます。