AI コンテキスト
感知、決定、行動、完了: AI エージェントのワークフローの構造
アドバイスしてくれるAIは便利です。ループを閉じる AI (コンテキスト、理由を読み取り、アクションを実行し、結果を記録する) が、実際の作業の実行方法となります。
2026-06-26 · 8 分で読める
AI エージェントのワークフローとチャット セッションの違い
Chat AI は基本的にリクエストとレスポンスです。質問すると応答しますが、システム内では何も変わりません。 AI エージェントのワークフローは、程度だけでなく種類も異なります。モデルはツールからライブ コンテキストを読み取り、それを推論し、アクションをそれらのツールに書き込み、結果を次のループに送ります。 AI はあなたの仕事についてアドバイスするのではなく、定義された部分を実行するだけです。
ナレッジワークにおけるオーバーヘッドのほとんどは意思決定ではないため、この区別は重要です。それは意思決定の周囲の結合組織です。意思決定のためのコンテキストを収集し、決定を伝達し、それを追跡するシステムを更新し、何かが失敗した場合にフォローアップします。エージェント ワークフローはその結合組織を処理します。あなたが判断を下します。ループが物流を処理します。
Sense-Decide-Act-Close ループは、AI エージェントのワークフローをどのように構築するかを示す Lodestar のモデルです。各段階には明確な責任があり、それらが連携して閉じたサイクルを形成し、スタックにさらにアドバイスを追加するのではなく、実際に作業を終了します。
センス: 推論する前に文脈を読む
センスは、AI が適切に推論するために必要なコンテキストを読み取る段階です。 Lodestar では、これは MCP 読み取りツールを呼び出すことを意味します。つまり、ダッシュボードを取得し、アクション アイテムとその証拠リンクを読み取り、電子メール スレッドのコンテンツを取得し、カレンダー イベントをチェックし、関連するドキュメントや以前の決定についてナレッジ グラフをクエリします。
センス段階の品質が、その後のすべての品質を決定します。完全な電子メール スレッド、誰が何を借りているかの履歴、およびこの連絡先のセンチメント傾向をモデル的に推論することは、状況の概要を 1 回推論するよりも優れた結論に達します。コンテキスト層は、Sense を表面的ではなく意味のあるものにするものです。
Lodestar のエンリッチメント パイプラインは、AI がデータに触れる前に実行されます。質問をする時点では、メールはすでに分類されてプロジェクトにリンクされており、アクション アイテムは引用元とともに抽出され、感情は連絡先ごとに計算されています。モデルは生のテキスト分析を行っているのではなく、構造化され強化されたコンテキストを読み取ります。これにより、センス段階が数分から数秒に短縮されます。
決定: モデルがどこで利益を得るのか
AI について考えるときにほとんどの人がイメージする段階は「決定」です。モデルはコンテキストを考慮して推論し、何をすべきかを決定します。適切に構築されたエージェント ワークフローの決定では、フロンティア モデルの推論機能が、実際に計算コストに値する問題に適用されます。つまり、すでに持っていたコンテキストを再構築するのではなく、それに対して判断を下します。
朝の計画ワークフローの決定ステージは次のようになります。「これらの 7 つの期限切れアイテム、これらの 3 つの受信スレッド、およびこのカレンダーを考慮して、正午までに行うべき最も重要な 3 つのことは何ですか?」このモデルは、緊急性、人間関係のリスク、依存関係を比較検討します。これは、ルールに帰着しない多要素の判断です。
クライアントのフォローアップ ワークフローの場合、決定は次のようになります。「このセンチメント傾向は 2 週間連続で低下しており、最後の 3 通のメールには返信がなく、更新は 6 週間後です。回復メールを作成し、2 つのフォローアップ タスクを提案してください。」その推論には、コンテキスト (センス)、判断 (決定)、そして結論に基づいて行動する能力 (次の段階) が必要です。
行為: MCP を介して結果を書き戻す
Act ではループが現実になります。このモデルは、MCP 書き込みツールを呼び出します。action_items_create で新しいコミットメントを記録し、emails_reply_link でメール クライアントでドラフトを開き、milestones_partial_update でフェーズが完了したことを記録し、timeline_events_create で何がいつ起こったかを記録します。
Lodestar の Act レイヤーの設計原則は、結果として生じるアクションが人間によるレビューのために表面化されるというものです。電子メールの下書きはまさに下書きです。提案された返信を確認し、それが正しいと判断し、[送信] をクリックします。 AI が製図作業を行っています。送信決定を保持します。タスクの作成とマイルストーンの更新は元に戻すことができ、ワークスペースに範囲が限定されているため、すぐに行われますが、それらもタイムラインに記録されるため、AI が何をしたかを確認できます。
これは安全性を犠牲にするものではなく、プロフェッショナルなワークフローにとって正しい設計です。オーバーライドできない AI は、関係力学、政治的ニュアンス、口頭で共有される情報など、モデルが認識できない情報に判断が依存する状況では役に立ちません。 Act レイヤーは機械的な作業を実行します。人間の判断ゲートはコミュニケーションのために所定の位置に留まります。
閉じる: ログ記録、通知、完了するまでの追跡
閉じることは、作業の蒸発を防ぐ段階です。モデルが動作した後、Lodestar はイベントをタイムラインに記録し (何が起こったか、誰が関与したか、結果はどうなったか)、関連するプロジェクトとマイルストーンの状態を更新し、追跡画像が現実を反映するようにアクション アイテムを作成または閉じます。
Close ステージではフォロースルーも処理します。フォローアップ タスクが Act ステージで作成された場合、Lodestar はそのタスクを完了まで追跡します。つまり、期日になったら日次計画にタスクを表示し、タスクを怠った場合には注意が必要なフィードにフラグを立て、タスクが終了するか意図的に延期されるまで自動的に後押しします。
これが、ループが Sense-Decide-Act ではなく Sense-Decide-Act-Close と呼ばれる理由です。 Close ステージがないと、モデルはアクションを実行しますが、痕跡は残りません。これにより、すべての AI アクションが監査可能になり、すべてのコミットメントが追跡され、ループが完了するたびにコンテキスト レイヤーがより豊富になり、次の Sense ステージがより正確になります。
完全なループ: ビルダーが機能を出荷する
Lodestar で Claude Code を使用する個人開発者向けの具体的な AI エージェント ワークフローを説明します。セッションの開始: クロードは、dashboard_today と action_items_list を呼び出します。センスステージは今日期限の 3 つのアイテムを返しますが、そのうちの 1 つはジェット リベリオン機能をブロックします。クロードは優先順位を付けて計画を立てます。
開発者は「項目 42 を実装してください」と言います。 Claude は、action_items_retrieve(42) を呼び出してから、knowledge_search と files_content を呼び出して、仕様と関連するコード ファイルを取得します。センスが完成しました。モデルは、仕様、既存のコード、およびブロッキングの問題を検討します。決定すると実行計画が作成されます。 Claude Code はコードを作成し、テストを実行し、デプロイします。
行為: クロードは、action_items_partial_update(42, 'done') と timeline_events_create を呼び出して完了を記録します。これは、emails_reply_link を呼び出して、元の仕様スレッドで CC された関係者に通知するドラフトを開きます。開発者はドラフトを確認し、「送信」をクリックします。閉じる: アクション項目が完了し、マイルストーンが更新され、タイムラインにイベントが記録され、関係者に通知されます。これらすべてをエディターから離れることなく実行できます。
完全なループ: コンサルタントが顧客との関係を回復する
一部の幹部は朝、クロードに「何か燃えているものはありますか？」という質問から始まります。センス: クロードは、dashboard_needs_attention と dump_sentiment を呼び出します。過去 2 週間でセンチメントが -0.3 低下した 1 つのクライアントを返します。2 つの未解決のスレッドは 10 日間応答なしのままです。
決定: クロードは、電子メール スレッド (emails_content)、組織図 (knowledge_org_charts)、およびこのクライアントの未解決のアクション アイテム (action_items_list) を読み取ります。成果物が漏れていた、質問が未回答のまま、連絡先が沈黙したなど、何が横道に逸れていたのかを特定します。回復アプローチの草案を作成します。
行為: email_reply_link は、状況に直接対処する適切な連絡先への下書きを開きます。 action_items_create は、所有者と期日を含む 2 つのフォローアップ タスクをログに記録します。閉じる: timeline_events_create は、再エンゲージメントの決定を記録します。日次計画には、完了とマークされるまで、両方のフォローアップ タスクが表示されます。手動で再構築するには 20 分かかるはずです (スレッドを読み、メモを確認し、最初から返信を書く) が、1 つの会話で実行されます。
個々の AI 機能よりもループが重要な理由
Sense-Decide-Act-Close モデルの威力は単一ステージではなく、ループです。推論はできるが、構造化されたコンテキストを読み取ることができないモデルは、一般的なアドバイスを提供します。コンテキストを読み取ることはできても、システムに書き戻すことができないモデルは、手動であっても、より適切なアドバイスを提供します。読み取り、推論、実行、終了するモデルは、コミットされ、追跡され、最後まで実行される、完成した作業を生成します。
独立系事業者や技術ビルダーにとって、複利効果が最も重要です。完了したループごとにコンテキスト レイヤーが強化されます。 50 件の記録されたインタラクション、クローズされたコミットメント、および追跡されたセンチメント傾向を伴うクライアントとの関係は、白紙の状態とは根本的に異なる、次のセンス段階へのインプットとなります。 AI は、ループが実行されるにつれてさらに便利になります。これは、モデルが改善されたためではなく、AI が読み取るメモリが増加したためです。
これが、AI が作業を支援するのではなく、実際に作業を行うということを意味します。このアーキテクチャは現在、Lodestar MCP サーバーおよび互換性のある AI クライアントを通じて利用できます。ループはすでに定義されています。コンテキスト層はすでに構築されています。持ってくるのは作品です。
まとめ
Sense-Decide-Act-Close ループは、有能なモデルを実際に作業を完了するモデルに変えるフレームワークです。 Lodestar への早期アクセスにより、初日からこのループを実行するためのコンテキスト レイヤーと MCP サーバーが提供され、製品チームがオンボーディング中に特定のワークフローに取り組むことができます。