🧩 「一度作れば、どのエージェントでも動く」——プラグインの相互運用に向けた業界横断の標準が登場しました。 タイトル: Agent Plugins — An open, vendor-neutral standard for portable agent plugins URL: 📦 概要 Agent Pluginsは、再利用可能なコンポーネントを「可搬なプラグイン」としてパッケージ化する、オープンかつベンダー中立な標準です（バージョン1.0.0）。プラグインの「フォルダ構造とマニフェスト」という最小限だけを共通化し、一度作れば複数のエージェントクライアントで動く状態を目指します。 ❓ 解決する課題 いまは各クライアントが、中身が同じでも独自のプラグイン形式を持っています。そのため作者は同じ部品をプラットフォームごとに作り直す必要がありました。Agent Pluginsは「クライアント間で可搬にできる部分」だけに絞った小さな相互運用の土台を用意し、この重複作業を解消します。 🗂 方法論（パッケージ構造） プラグインは決められたディレクトリ構造を持ちます。 ・plugin.json：プラグインの識別情報と、対象とするAgent Pluginsのバージョン（現在1.0.0）を指定 ・skills/：Agent Skills仕様に沿ったスキル群。各スキルはSKILL.md（説明）、scripts/（実行スクリプト）、references/（参照資料）で構成 ・mcp.json：MCP（Model Context Protocol）サーバを記述。stdio／Streamable HTTP／旧来のHTTP+SSEという3つのトランスポートに対応 ・逆ドメイン名前空間（例 com.example.client/）：可搬なコアを変更せずに、hooksなどクライアント独自の振る舞いを追加できる拡張の置き場所 🔧 標準化する範囲・しない範囲 標準化するのはマニフェスト、ディレクトリ構造、コンポーネントの配置場所まで。配布・インストール・権限・UX・クライアント固有機能は、あえて各クライアントの裁量に残します。共通化すべき「部品の可搬性」と、各社が差別化したい体験を切り分けたのが設計思想です。 🏛 ガバナンスと位置づけ 技術運営委員会はAmazon・Cursor・Microsoft・OpenAI・Vercelのコアメンテナで構成。提案や技術決定はGitHub Discussionsで公開され、エコシステムに開かれています。MCPやAgent Skillsといった既存仕様の上に重ねる形で、相互運用の一段を担います。 #AIエージェント# #MCP#

LLMエージェントの「検索」を「推論」から切り離すと、精度はほぼ維持したまま検索コストを最大98%削減できました🔌 タイトル: Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents URL: 🔌 概要 検索による根拠づけ（grounding）を、言語モデルの推論から切り離す手法DSGの提案です。Model Context Protocol（MCP）に準拠した独立ゲートウェイとして動作し、ベンダー非依存の中間層として機能します。 ❓ 解決する課題 本番のLLMエージェントでは、リアルタイム検索がモデルプロバイダーに密結合しています。 ・システムの検査・再構成・転用・移行が難しい ・検索が「Search-Induced Verbosity（検索起因の冗長化）」を招き、厳格な出力要件に違反することがある 検索と推論の一体化が、柔軟性とコストのボトルネックでした。 💡 方法論と提案手法 根拠づけを「モデルの中」ではなく「検索と生成の境界」に置きます。これまでモデルに埋め込まれていた要素を制御可能な第一級機能として公開します。 ・プロバイダールーティング（検索先の選択・切り替え） ・ソースを意識したコンテキストレンダリング ・設定可能なフォールバック機構 ・検索深度の管理 ・厳密キャッシュとセマンティックキャッシュの両方 📊 実験結果 ・SimpleQA：精度86.1%（ネイティブ検索87.7%）を保ちつつ検索コストを91%削減 ・キャッシュのウォームヒット率99.4%、レイテンシ68%削減 ・本番Eコマース：ネイティブ同等の精度で検索コストを98%以上削減 ・一方、新しさが重要なFreshQAではネイティブ検索が優位 #LLMエージェント# #検索#