AI エージェント（アーキタイプ）
注：この文書は英語の原文からの自動翻訳です。
AI エージェント（アーキタイプ）
DecAIHub のアーキタイプページは、共通するプロジェクトの設計図 — クリプト AI プロジェクトがどのように構築され、何を提供し、AI がその製品でどのような役割を果たすかという繰り返し現れるパターン — を記述します。「AI エージェント」アーキタイプは、主要な製品が AI エージェント（データを知覚し、それについて推論し、継続的な人間の指示なしに行動する自律ソフトウェア）の構築、展開、運用であるプロジェクトを網羅します。
要約： このアーキタイプでは、エージェントそのものが製品です — 何か別のものに後付けされた機能ではありません。
このアーキタイプを定義するもの
プロジェクトは、その中核的な提供物がエージェントを二次的な機能として使うのではなく、エージェントを中心に展開しているとき、AI エージェントアーキタイプに当てはまります。エージェント — その作成、展開、運用、収益化 — が、プロジェクトが存在する主な理由です。これは、内部でたまたまエージェントを使う（例えば AI 補助のリバランサーを持つ DeFi プロトコル）が、主要な製品は別のものであるプロジェクトと、このアーキタイプを区別します。AI エージェントアーキタイプでは、エージェントを取り除くと製品が消えます。
アーキタイプは 記述的 であり、推奨ではありません。読者が表面的に似たロードマップを比較し、エビデンス、安全性、アーキテクチャ について一貫した問いを立てるのに役立ちます。同じアーキタイプの二つのプロジェクトは、成熟度と検証可能な AI の深さにおいて大きく異なることがあります。
よくあるパターン
このアーキタイプの中で、いくつかの異なる製品パターンが DecAIHub のレジストリ全体で繰り返し現れます。
エージェントフレームワーク
自分でエージェントを作るツールキット。 これらのプロジェクトは、カスタム AI エージェントを作成するための SDK、ライブラリ、開発者ツールを提供します。通常、記憶、計画、ツール利用、チェーンとの対話のための事前構築済みモジュールを含みます。製品はフレームワークそのものであり — その上に構築されるエージェントはサードパーティの開発者に属します。
典型的な AI コンポーネント：agentic framework、agent SDK、AI agent platform (workflows/tools/KB)。
エージェントローンチパッド
エージェントを作成、展開、トークン化する。 これらのプラットフォームは、ユーザーがエージェントを構築し、トークンを割り当て、オンチェーンでローンチすることを可能にします — しばしばノーコードまたはローコードのインターフェースで。このパターンは、エージェントの作成とトークン発行を単一のフローで組み合わせます。これはこのカテゴリで最も一般的な ユースケース の一つです：AI agent creation + launch。
典型的なユースケース：AI agent creation + launch、build + deploy AI agents、no-code agent deployment。
エージェントマーケットプレイス
事前構築済みのエージェントを発見して使う。 マーケットプレイスのプロジェクトは、他者が構築したエージェントを集約し、ユーザーがエージェントサービスを閲覧、レンタル、購入できるようにします。マーケットプレイスは発見、支払い（通常はトークンで）、そして時には評判を処理します。AI はマーケットプレイス自体ではなく、個々のエージェント作成者に属します。
典型的な AI コンポーネント：agent marketplace、agent registry、agent discovery。
エージェント型 OS
自律エージェントのための完全なオペレーティングシステム。 これらのプロジェクトは単一のフレームワークを超え、エージェントが調整し、リソースを共有し、ツールを使い、複数のチェーンと対話できる完全な環境を構築しようとします。彼らは自らを「エージェント経済」のためのインフラ層として位置づけます。
典型的な AI コンポーネント：agentic OS、multi-agent orchestration、agent swarm。
垂直エージェント
特定のドメインのために専用に構築されたエージェント。 汎用プラットフォームを提供するのではなく、これらのプロジェクトは単一の垂直分野のためにエージェントを構築します：DeFi トレーディングエージェント、ゲームの NPC、ソーシャルメディアのキャラクター、コンシューマーアシスタント、インフラ管理エージェント。AI は狭く焦点を絞られており、価値はエージェントがその特定のタスクをどれだけうまく実行するかに依存します。
典型的なユースケース：AI bots/agents for crypto、AI-powered DeFi agent、autonomous trading agent、AI companion。
これらのパターンを結びつけるもの
異なる製品の形状にもかかわらず、このアーキタイプのすべてのプロジェクトは同じ構造的性質を共有します：エージェントが製品である。プロジェクトは AI を多くの機能の一つとして単に使うのではなく — 価値提案全体がエージェントの存在、品質、自律性に依存します。
これは、このアーキタイプのプロジェクトを評価するには、エージェント自体を確認する必要があることを意味します：それは推論するのか、それとも固定されたスクリプトに従うのか？本物の AI コンポーネント（LLM、強化学習、計画モジュール）を使うのか、それとも「エージェント」とラベル付けされたルールベースの 自動化 なのか？
読者はまた、プラットフォーム の主張（「私たちはエージェントを可能にします」）と インスタンス の主張（「私たちのエージェントはオンチェーンで X を行いました」）を区別すべきです。どちらも有効であり得ますが、それぞれ異なる種類の証明が必要です。
このアーキタイプが DecAIHub カードのどこに現れるか
このアーキタイプに属するプロジェクトカードを読むとき、次の点を探してください：
- Category — 通常 AI/Agents、しばしばドメインタグ（DeFi、Infra、Consumer、Gaming、Meme）と組み合わさります。
- AI component — 具体的なメカニズムを示すべきです：
agentic framework、agent marketplace、AI agent platform、agent swarm、multi-agent orchestration。曖昧な値は警告サインです。 - Use case — 一般的な値：
build + deploy AI agents、AI agent creation + launch、AI bots/agents for crypto、no-code agent builder。ユースケースは、ユーザーがエージェント製品で何をするかを記述すべきです。 - ai_score — エージェントの AI 能力に対してどれだけ検証可能なエビデンスが存在するかを反映します。DecAI Fit を参照してください。
このアーキタイプが証明しないこと
AI エージェントアーキタイプの下に分類されることは、プロジェクトがエージェント中心として 位置づけられている ことを意味します。その分類だけでは、次のことは確認できません：
- 実際のエージェントが本番環境で動作し、自律的なタスクを実行していること；
- エージェントが固定されたスクリプトや単純な API ラッパー ではなく、本物の AI を使っていること；
- プラットフォームに意味のあるユーザーまたは開発者の採用があること；
- エージェントが機能するためにトークンが必要であること；
- プロジェクトのエージェントが、代替案よりも安全で、賢く、自律的であること。
多くのエージェントプロジェクトは、実際にデプロイされたエージェントがほとんどない初期段階のプラットフォームです。ビジョンと検証可能な現実の間のギャップは、このアーキタイプではしばしば大きく — AI reality スコア と エビデンス Tier を特に重要にしています。
混同しないでください
- AI/Agents カテゴリ — トップレベルのカテゴリラベル。アーキタイプページは共通する製品パターンを記述し、カテゴリページは分類システムを記述します。
- AI アシスタントアーキタイプ — アシスタントはユーザーのプロンプトに応答しますが、通常は自律的に行動しません。アシスタント vs エージェント を参照してください。
- AI インフラ層アーキタイプ — インフラプロジェクトはエージェントが消費し得るツールとリソースを提供しますが、インフラ自体はエージェントではありません。
- 自動化 — 学習や推論を伴わずに事前定義されたロジックを実行するルールベースのスクリプト。自動化 vs 本物の AI を参照してください。
よくある質問
「アーキタイプ」は AI/Agents の カテゴリ と同じですか？
いいえ。AI/Agents カテゴリ は分類体系におけるトップレベルのラベルです。アーキタイプ は、そのラベルの内側と周辺にある 繰り返し現れる製品の形状（フレームワーク、マーケットプレイス、垂直エージェント）を説明します。物語のパターンマッチングにはアーキタイプを、構造化された比較にはカテゴリと AI component の値を使ってください。
なぜランディングページが似た二つのエージェントプロジェクトが ai_score で異なる評価になるのですか？
ai_score は、マーケティングの類似性ではなく、AI の主張に対する 検証可能なエビデンス — ドキュメント、コード、デモ、測定可能な振る舞い — を反映します。二つのエージェント中心のビジョンは、Tier-1 エビデンス が適用されると大きく分かれることがあります。
読者はすべてのエージェントマーケットプレイスが独自のモデル訓練をホストすると期待すべきですか？
必ずしもそうではありません。マーケットプレイスはしばしば 発見、支払い、インターフェース に焦点を当て、作成者がモデルとポリシーを供給します。各層を別々に評価してください：プラットフォームの インフラ、作成者の モデル、オンチェーンの 実行 のエビデンス。
外部リンク
- Multi-agent system — Wikipedia — 調整された自律エージェントの概要。「スウォーム」やオーケストレーションの主張に有用な背景です。
- Planning (AI) — Wikipedia — エージェント設計でしばしば参照される中核的な AI 分野としての計画の入門。
No comments to display
No comments to display