エージェンティックRAG(Agentic RAG)とは・意味、仕組み・従来のRAGとの違い・事例

エージェンティックRAGとは?
エージェンティックRAG(Agentic RAG)とは、AIエージェントが検索の進め方を自分で決め、結果を確かめながら回答を作るRAGの仕組みのこと。英語では「Agentic RAG」と表記し、「Agentic Retrieval-Augmented Generation」を略した語だ。
RAG(検索拡張生成)は一般に、AIが回答を作るときに外部のデータを検索し、見つけた情報を基に答える仕組みを指す。Aditi Singh 氏らは論文で、学習したデータに頼る言語モデルが新しい問いに答えにくい点を補う方法として、RAGを位置づけている。
Singh 氏らによると、従来のRAGは決まった流れで動き、何段階もの推論や複雑な作業に合わせて進め方を変えにくい。エージェンティックRAGは、自律して動くAIエージェントをRAGの流れに組み込み、検索の方法を状況に応じて変える。
日本語の表記は資料によって違う。AWS は2025年8月の日本語の発表で「エージェンティック RAG」と表記した。セールスフォース・ジャパンは解説のページで「エージェント型RAG」と表記している。Allganize Holdings は2026年11月の上場の資料で「Agentic RAG(エージェント型検索拡張生成)」と表記した。
エージェンティックRAGの仕組み
Amazon Q Business では質問を分けて道具を選択
AWS は文書で、Amazon Q Business のエージェンティックRAGが組み合わせる処理として、次のものを挙げている。
- 質問と会話の履歴を読み、どの検索の道具を使うかを決める。
- 複雑な質問を、より単純な質問に分ける。
- 必要に応じて、複数の検索の道具を呼び出す。
- 社内のデータを基に、利用者の意図をはっきりさせる質問を返す。
- いくつもの情報源の情報をまとめ、大規模言語モデルで回答を作る。
- 会話を続けるための次の質問を示す。
Amazon Q Business は処理の途中でも回答の質を確かめ続け、足りなければ別の検索の道具を動かす。回答はもとのアクセス権限を保ち、元の資料への引用を付ける。ただし、Amazon Q Business は2026年11月時点で新しい顧客を受け付けていない。
Azure AI Search では小さな検索を同時に実行
Microsoft は、クラウドの検索サービス Azure AI Search で、RAGに向けた検索の機能を「agentic retrieval」と呼んで提供している。複雑な質問に答えるため、複数の検索を組み合わせる仕組みだ。
エージェンティックRAGと従来のRAGの違い
比べる相手は資料によって違う。AWS は同じサービスの標準のRAG、Microsoft は1回の検索で結果を返す従来の流れ、Singh 氏らは従来のRAGの全体を相手にしている。
| 観点 | 従来のRAG | エージェンティックRAG |
|---|---|---|
| 検索の進め方 | 決まった流れで検索し、その結果で回答を作る | AIエージェントが、質問の複雑さに応じて検索の方法を決める |
| 複雑な質問 | 1回の検索では扱いきれないことがある | 小さな質問に分け、複数の検索を行う |
| 途中の見直し | 途中で分かったことを基に検索を見直すのは苦手なことが多い | 結果を確かめ、必要なら検索をやり直す |
| 応答までの時間 | 複数の検索による待ち時間の増加はない | 複数の検索をするため、長くなることがある |
エージェンティックRAGが広まった背景
RAGという語は、Patrick Lewis 氏らが2020年5月に公開した論文で、言語モデルと検索の仕組みを組み合わせる手法の名前として使われた。
Singh 氏らは2025年1月の論文で、RAGと並行してAIエージェントの研究が進んだことに触れている。同氏らは、エージェントが使う設計の型として振り返り、計画、道具の利用、複数のエージェントの協力を挙げた。
Singh 氏らは、検索や推論の判断そのものをエージェントの仕事として扱えるとみる。そのうえで、従来のRAGの限界を超えるため、こうした型を検索に生かす仕組みとしてエージェンティックRAGを位置づけている。
エージェンティックRAGに関する主な出来事・ニュース
- 2020年5月22日 Patrick Lewis 氏ら「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」を公開:Lewis 氏らは、学習済みのモデルと検索の仕組みを組み合わせる retrieval-augmented generation(RAG)のモデルを示した論文を arXiv で公開した。
- 2025年1月15日 Aditi Singh 氏ら「Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG」を公開:Singh 氏らは、自律して動くAIエージェントをRAGの流れに組み込む Agentic RAG を整理した論文を arXiv で公開した。
- 2025年8月14日 AWS「Amazon Q Business が精度と説明可能性を強化するエージェンティック RAG を発表」:AWS は、生成AIのアシスタント Amazon Q Business に、エージェンティック RAG を導入した。
エージェンティックRAGに関する事例・研究
Amazon Q Business が2025年8月に導入
AWS は2025年8月14日、企業向けの生成AIのアシスタント Amazon Q Business にエージェンティックRAGを導入した。AWS は発表で、Amazon Q Business が使えるすべての AWS のリージョンで提供し、利用者は標準で備わるウェブアプリケーションで「Advanced Search」を切り替えて使うとした。
Amazon Q Business は複雑な質問を分けて並列で検索し、内蔵のAIエージェントが回答を評価して確かめる。足りなければ検索をやり直し、データが食い違うときは利用者に質問して解く。
2026年11月時点で、Amazon Q Business は新しい顧客を受け付けていない。AWS は、似た機能を使うには Amazon Quick を案内している。
Azure AI Search のナレッジベースの一般提供と機能の追加
Azure AI Search では、agentic retrieval をナレッジベース(検索の対象と設定をまとめたもの)を通じて使う。2026年4月の更新で、ナレッジベースは一般提供になった。ただし、AIによる検索の計画や回答の合成などは、このときもプレビューの API が必要だった。
2026年6月の更新では、外部の MCP サーバーから根拠のデータを取り出す仕組みが、プレビューとして加わった。MCPは、AIのアプリを外部のデータや道具とつなぐ共通の規格だ。
Microsoft Foundry のポータルでは、agentic retrieval がエージェント向けの知識の層 Foundry IQ を支えている。このポータルで使える agentic retrieval の機能は、すべてプレビューだ。
上位1件の検索の再現率が5.9倍という研究も
Microsoft の Susheel Suresh 氏らは2026年5月の論文で、企業の既存の検索の仕組みの上に、言語モデルが使う4つの道具を重ねる手法を示した。道具は、検索、文書の中の探索、文書を開く操作、要約だ。
評価用のデータセット BRIGHT で、上位1件の検索結果で正解の文書を取得できた度合い(recall@1)は、1回だけ検索する方法では平均8.41%だった。同じ度合いは、Claude Sonnet 4.5 にこの手法を使わせると平均49.6%で、著者らは5.9倍の改善としている。
BRIGHT での1問あたりのトークン(AIが処理する文字のまとまり)の消費量は、この手法では平均5万2300だった。1回だけ検索する方法の2万400に比べ、2.6倍に増えた。
エージェンティックRAGの応答時間・費用と使い分け
複数の検索で応答が遅くなることがある
AWS は、複数の検索をするため、標準のRAGより応答に時間がかかることがあるとしている。Microsoft も、1回の検索の流れに比べて待ち時間が増えると記している。
agentic retrieval の料金はトークンで計算
Azure AI Search の agentic retrieval では、検索のサービスと Azure OpenAI の2つから料金がかかる。従来の1回の検索の流れは質問ごとに同じ単価だ。agentic retrieval はトークンごとの単価で、推論の手間の設定によって変わる。
プレビューの機能は本番の作業に非推奨
Microsoft の文書によると、プレビューの機能はサービスの品質の保証(SLA)の対象外だ。同社は本番の作業への利用を勧めておらず、プレビューの機能は一般提供の前に変わることもある。
質問の複雑さに応じた従来のRAGとの使い分け
Suresh 氏らは導入前の評価で、複雑で複数の意図を含む質問だけをこの手法に振り分け、簡単な質問は従来のRAGで速く答える切り替えを設けた。著者らは、利用者の体験と費用などのつり合いを取るうえで欠かせないとし、早い段階で効果を示す兆しがあるとしている。
Singh 氏らも、エージェンティックRAGの課題として、エージェントどうしのやり取りの調整の難しさや計算の負担などを挙げている。
エージェンティックRAGに関連する用語
- MCP:AIのアプリを外部のデータや道具とつなぐための共通の規格。
- Agentic Loop(エージェンティックループ):AIエージェントが情報を集めて道具で行動し、結果を確かめる流れを作業が終わるまで繰り返す仕組み。
- コンテキストエンジニアリング:AIモデルが答えを作るときに読む情報の全体を、作業の段階ごとに選んで整える技術。
- Memory Poisoning(メモリポイズニング):記憶の機能を持つAIエージェントなどに、攻撃者が偽の情報や悪意のある指示を覚え込ませる攻撃。
エージェンティックRAGに関する出典
Aditi Singh ほか「Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG」(2025年1月15日、2026年4月1日改訂、arXiv)
AWS「Amazon Q Business が精度と説明可能性を強化するエージェンティック RAG を発表」(2025年8月14日)
セールスフォース・ジャパン「エージェント型RAGとは?」
Allganize Holdings「東京証券取引所グロース市場への上場に伴う当社決算情報等のお知らせ」(2026年11月4日)
AWS「Agentic Retrieval Augmented Generation (RAG) in Amazon Q Business」
Microsoft「Agentic Retrieval Overview – Azure AI Search」(2026年9月17日更新)
Microsoft「What’s new in Azure AI Search」(2026年10月9日更新)
Patrick Lewis ほか「Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks」(2020年5月22日、2021年4月12日改訂、arXiv)
Susheel Suresh ほか「AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases」(2026年5月7日、arXiv)




