145 件
研究者たちは、複雑なエージェントワークフローをLangChainやLangGraphのような外部オーケストレーションではなく、微調整された小型モデルの重みに直接エンコードできることを示しました。このアプローチは旅行予約、Zoom支援、保険という3つの実際のシナリオ（14〜55ノードのワークフロー）でフロンティア近似品質を達成し、推論コストを100分の1に削減します。
研究者たちはMOSSを提案しました。これは自身のソースコードを書き換えることで改善する自律エージェントのフレームワークです——プロンプトやファインチューニングの重みだけではありません。OpenClawベンチマークで1サイクルのMOSS自己進化がスコアを0.25から0.61に人間の介入なしで引き上げ、エージェントがテキストのみの手法では触れられないルーティング、フック、ディスパッチロジックを修正できることを示しています。
TerminalWorldは、シミュレーション環境を使わずに実際のLinuxプロセスでbash・git・ファイル操作を行うLLMエージェントを評価する新しいベンチマークです。Zhaoyang ChuとJiarui Huが率いる8名の著者による研究は「コンピュータ使用」エージェントの新たな基準を示しており、Claude Code・GitHub Copilot Workspace・Cursorのエージェントモードなどのツールに直接関連しています。
AnthropicがClaude Code CLI v2.1.149をリリースしました。/usageコマンドをカテゴリ別コスト内訳（skills、subagents、plugins、MCPサーバー別）に拡張しています。2つのセキュリティ脆弱性を修正：PowerShell組み込み関数によるパーミッションバイパスとgit worktreeサンドボックスの誤ったallowlist。クラウドMCPコネクタへの接続を容易にするenterpriseの設定allowAllClaudeAiMcpsも追加されました。
Microsoft Researchは2026年5月21日、小型モデルに対するエージェントAIの3点セットを発表した。MagenticLite（ブラウザおよびファイルシステムUIアプリ）、MagenticBrain（Qwen 3 14Bからファインチューニングした14Bオーケストレーションモデル）、Fara1.5（4B/9B/27Bの3サイズのコンピュータ使用モデル）だ。Fara1.5-27BはOnline-Mind2Webベンチマーク（300のウェブタスク）でSOTAの90%超を達成し、前世代Fara-7Bのほぼ2倍のスコアを記録した。エージェントAIに巨大モデルは不要で、うまく設計されたツールと実行フレームワークだけで十分だと示すことが目的だ。
AWSは2026年5月21日、ブラウザおよびUIワークフロー自動化のためのエージェントAIサービスAmazon Nova ActがHIPAA適格ステータスを取得したと発表した。医療機関はNova Actを使って保護された医療情報（ePHI）を扱えるようになった。事前承認、保険確認、プロバイダーウェブポータルを通じた紹介状送付に対応する。Amazon Bedrock AgentCoreおよびStrand Agentsフレームワークと統合し、署名済みBAA契約とAWS KMS暗号化が必要で、現在は米東部（北バージニア）リージョンのみで利用可能だ。
Anthropicは2026年5月21日20:39 UTCにClaude Code v2.1.147をリリースし、Claude Codeエコシステム初の確定性マルチエージェントオーケストレーション機構となるWorkflowツールを導入した。ツールは初期デフォルト無効で、環境変数CLAUDE_CODE_WORKFLOWS=1で有効化する。同バージョンで既存の/simplifyコマンドがhigh/medium/lowの努力レベルを持つ/code-reviewに改名され、プロトタイプ汚染攻撃とtheableベースのエスケープ攻撃に対するサンドボックス強化も追加された。
LangChainは2026年5月21日、Christian BromannとNick Hollonによるポストを公開し、トークンストリームから構造化されたエージェントストリームへのパラダイム的進化を論じた。現代のAIエージェントはタスクを計画し、サブエージェントに委任し、ツールを呼び出し、人間のレビューのために一時停止する — 古典的なテキストトークンストリーミングではその作業を表示するのに不十分だ。LangChainはLangGraphでメッセージ、ツール呼び出し、状態変化、サブエージェントの活動、カスタムイベントを運ぶ型付きチャネルを提案する。アプリケーションは関連する型のみをサブスクライブし、長時間実行のワークロードでも効率的なUIを実現する。
OpenAIは2026年5月21日、Codexプラットフォームの企業向け展開を発表した。このエージェントコーディングツールは週間アクティブユーザー400万人に達した。新しいCodex Labsプログラムと大手コンサルティング会社とのパートナーシップが発表され、大企業がCodexを実装・拡張するのを支援する。この発表はCodexをGitHub Copilotの中高端市場での直接競合として位置づける正式なエンタープライズ市場参入の動きだ。
Anthropicは2026年5月19日のResearch Previewで、Claudeエージェントがユーザーのプライベートネットワーク内のModel Context Protocolサーバーに接続できるようにする「MCP Tunnels」と、Anthropicのインフラストラクチャの代替となるセルフホストサンドボックスを発表しました。アップデートにはアクティブセッション内でのMCP設定の動的変更と、100Kトークンを超えるツール出力のサンドボックスファイルへの自動オーバーフローも含まれています。
Google DeepMindは2026年5月19日、Geminiをベースとしたマルチエージェントシステム「Co-Scientist」を発表しました。6つの専門エージェントが「Tournament of Ideas」ディベートを通じて科学的仮説を生成・議論・改善します。100以上の研究機関との共同開発により、肝線維症、ALS、細胞老化、感染症の研究で具体的な成果を上げており、分析時間を数ヶ月から数日へと短縮しています。
GoogleはI/O 2026カンファレンスで第2弾の大型AI発表を行いました。エージェントファーストの開発プラットフォームAntigravity 2.0（CLI・SDK付き）、デバイス上でバックグラウンド常駐する個人AIエージェントGemini Spark、そしてGoogleサービス横断のAIショッピングアシスタントUniversal Cartです。3製品は前回のランで報道済みのGemini 3.5 FlashとGemini Omni発表に続くものであり、Googleのエージェントファーストエコシステム戦略を総仕上げします。
LangChainは2026年5月20日、Deep Agentsフレームワークにインタープリター——LLMのツールコール間でエージェントがコードを書いて実行できる組み込みQuickJSランタイム環境——を導入しました。状態がモデルコンテキストではなくランタイム内に永続するため、一部のタスクでトークン消費を最大35パーセント削減できると同社は主張しています。またデフォルトではファイルシステム、ネットワーク、Shellへのアクセスがない明示的に制御されたアクション空間を持ちます。
Claude Code v2.1.145はスクリプト化のためのJSONライブセッション出力、エージェント追跡のための拡張OTELトレース属性、およびBashコマンド承認時のセキュリティ脆弱性修正を提供します。npm install -g @anthropic-ai/claude-codeでアップデートが利用可能です。
AnthropicとKPMGは戦略的グローバルアライアンスを締結しました。Claudeは世界四大会計事務所の一つの全従業員にアクセスできるようになります。ClaudeはKPMGのDigital Gatewayに統合され、KPMGはAnthropicのプライベートエクイティ部門における優先パートナーとなります。
AWSはAmazon Nova SonicとAgentCore Gatewayを使用したスケーラブルな音声エージェントの詳細ガイドを発表しました。直接ツール、サブエージェント、セッション分割という3つのアーキテクチャパターンは、レイテンシと操作の複雑さの間の異なるトレードオフを提供します。
GoogleのGemini 3.5 Flashモデルが全GitHub Copilotプランで一般提供（GA）されました。Flashティアの速度と低コストでProレベルに近い品質を提供すると期待されており、エージェント型ワークフローや複数のIDE環境への対応も強調されています。
EnvFactoryはツール使用エージェント訓練のための実行可能環境を自動合成する新フレームワークです。Qwen3モデルにおいて、わずか85の検証済み環境でBFCLv3を+15%、MCP-Atlasを+8.6%向上させ、同類手法比で5倍の効率を実現します。
LongMINTは長期動的シナリオにおけるAIエージェントのメモリ管理を測定する初のベンチマークです。1万5,600の質問回答ペアを含み、コンテキストは最大180万トークンに達します。テスト対象システムの平均精度はわずか27.9%——多くのケースでランダムな推測を下回ります。
新しいarXiv論文は、本番LLMエージェントの基本設計原則として確率的-決定論的境界を導入し、協調・状態・制御という3つのアーキテクチャ上の関心事に基づいて選択する6つのコンポーザブルなランタイムパターンを定義しています——階層的委任からヒューマン・イン・ザ・ループまで。
Anthropicは2026年5月18日、2022年創業のStainlessを買収しました。同社はすべての公式AnthropicSDKおよびMCPサーバーツールを手掛けており、数百社向けにSDKを生成しています。この買収は、Claudeエージェントとexternalなデータやツールとのインテグレーション強化を目的としています。
AnthropicはClaude APIプラットフォームに3つの重要なアップデートを導入しました。プライベートネットワークへのインターネット公開不要な接続を実現するMCP Tunnels、Anthropic管理インフラの代替となるセルフホストサンドボックス、そして100Kトークンを超えるツール出力の自動ファイルスピル機能です。
NUSとNTUの研究者によるarXiv論文2605.18661では、わずか15ドルで研究論文を自律的に生成するシステムを分析しています。主要な発見：フロンティアLLMは結果を捏造し、アイデアの新規性を信頼性高く評価できません。包括的なロードマップは、信頼できる支援と安全でないAI自律性の境界を定義しています。
arXiv:2605.16233は、モデルの重みを一切更新せずにLLMエージェントが集団的な経験の共有を通じて共有メモリを構築するFORGEを提案しています。ネットワーク防御タスクCybORG CAGE-2においてゼロ基準より1.7〜7.7倍の性能向上を達成し、能力の低いモデルで特に顕著な改善が見られました。
Anthropic Claude Code CLI v2.1.144では、「Agent completed · 3h 2m 5s」のような経過時間表示付きのバックグラウンドセッション/resumeサポートが導入され、API接続不可時の75秒ハングが修正され、ツールを静かに失っていたMCP tools/listページネーションバグが解決され、各種ターミナルおよびMCP修正が提供されました。
GitHubはGitHub Copilot CLIのリモートコントロール機能の一般提供（GA）を発表しました。/remote onコマンドにより、開発者はモバイルデバイス・ウェブ・VS Code・JetBrains IDEからアクティブなターミナルセッションを監視・管理でき、作業フローを中断せずに済みます。
UIUCとNVIDIAから41人の研究者が、コードはLLMの単なる出力ではなくエージェントハーネス——推論、行動、検証を一つの枠組みに統合し、信頼性の高いAIシステムを構築するための操作基盤——であると主張しています。
arXiv:2605.16238は、LLMとツリーサーチアルゴリズムを組み合わせた自律システムによる季節性流行予測を発表しています。2025〜26シーズンのリアルタイム評価において、システムはインフルエンザ・COVID-19・RSVのモデルを自律構築し、CDCのゴールドスタンダードである専門家キュレーション集成モデルを一貫して達成または上回りました。
Argusは、Zhen Zhang、Liangcai Su、Zhuo Chenらが2026年5月15日に発表したarXiv論文で、深層調査エージェント向けのエビデンス・アセンブリ・フレームワークを提案しています。システムはデュアルエージェント・アーキテクチャ――サーチャー（ReActスタイルのトレース）+ナビゲーター（共有エビデンス・グラフ+RL合成）――を採用し、シングル・サーチャーで+5.5pp、8並列で+12.7pp、64並列でコンテキスト超過なしにBrowseCompで86.2スコアを達成しています。
GitHub は2026年5月15日、すべての Copilot エクスペリエンス（チャット、インライン編集、質問、エージェントモード、コード補完）において Grok Code Fast 1 モデルの正式な非推奨化を発表しました。非推奨化は5月8日の発表から1週間後に実施されました。推奨代替モデル：GPT-5 mini と Claude Haiku 4.5——いずれも標準のモデルポリシーで利用可能です。エンタープライズ管理者は Copilot 設定で代替モデルを有効化する必要があります。
Databricksは2026年5月18日、Veeva Systemsとのパートナーシップ深化を発表しました。ライフサイエンス業界向けVault CRMワークフローにGenie AIエージェントを直接統合します。3つの専門エージェント・ペルソナ――営業担当者エージェント、メディカル・サイエンス・リエゾン（MSL）エージェント、テリトリー・マネージャー・エージェント――はUnity Catalogガバナンスを通じてDatabricksレイクハウスにアクセスします。この発表はボストンで開催されるVeeva Commercial Summit（2026年5月19〜20日）に先立つものです。
Claude Code v2.1.143は、Anthropicが2026年5月15日にリリースしたCLIエージェントの新バージョンです。v2.1.139、v2.1.140、v2.1.141、v2.1.142に続く今週5回目のパッチです。プラグイン依存関係の強制とdisable-chainヒント、マーケットプレイスでの推定コンテキストコスト表示（ターンごと・呼び出しごとのトークン推定）、新しいworktree.bgIsolation設定、PowerShell -ExecutionPolicy Bypassの自動フラグ、アイドル復帰後にモデル/エフォートを保持するバックグラウンドセッションが追加されました。
GitHub Accessibility Agentは2026年5月15日に発表された汎用アクセシビリティ自動化のケーススタディです。このエージェントは3,535件のプルリクエストをレビューし68%の解決率を達成し、重大なバイアスを発見しました：LLMは数十年にわたるアクセシビリティ未対応コードで訓練されているため、アクセシビリティアンチパターンを生成する傾向があります。GitHubは並列サブエージェントではなくシーケンシャルレビュアー+実装者アーキテクチャ（二層モデル）を使用——トークン消費を削減し精度を向上させました。
LIFE進行サーベイは、Shihao Qi、Jie Ma、Rui Xing、Wei Guo、および14名の共著者が2026年5月15日にarXivに公開したマルチエージェントLLMシステムの包括的なサーベイです。このサーベイは、4つの因果的に連結したステージを通じてこの分野を整理しています。Lay（個々の能力）、Integrate（エージェント協調）、Find（障害帰属）、Evolve（自律的改善）です。主な論点：エージェント間のエラー伝播は、構造的な自己改善にほとんど変換されない障害を生み出すということです。
Claude Code v2.1.142 は、2026 年 5 月 14 日にリリースされた Anthropic CLI エージェントの新バージョンです。v2.1.139、v2.1.140、v2.1.141 に続く今週 4 つ目のパッチです。claude agents バックグラウンドセッション向けに 8 つの新しいフラグ（--add-dir、--settings、--mcp-config、--plugin-dir、--permission-mode、--model、--effort、--dangerously-skip-permissions）が追加されました。Fast Mode のデフォルトモデルが Opus 4.6 から Opus 4.7 に変更されています。MCP ツールタイムアウト、git worktree 認識、macOS スリープデーモン、Windows ネットワークドライブのデッドロックも修正されました。
GitHub Copilot Appは2026年5月14日に発表されたテクニカルプレビューの新しいスタンドアロンGitHubネイティブデスクトップアプリケーションです。IDEプラグインと異なり、タスクごとに独立したセッションを提供します——各セッションは独自のブランチ、ファイル、会話状態、タスク状態を持ちます。Agent Merge機能がレビューコメントへの対処、失敗したチェックの修正、条件充足後のマージを自律的に行います。Copilot Pro/Pro+は早期アクセスで、Business/Enterpriseは段階的ロールアウトで利用可能です。
OpenAI Codex from Anywhereは2026年5月14日に発表されたコーディングエージェントの新しいモバイル・Web展開フェーズです。開発者はスマートフォンやタブレットのChatGPTモバイルアプリを通じてコーディングタスクをリアルタイムで監視、操作、承認できます。このアプローチはCodexをWindows Sandbox（5月13日）とCodex CLIの展開から異種コンピューティング環境に拡張し、OpenAIのクロスプラットフォーム戦略を完成させます。
Amazon Nova Sonic + WebRTC統合は、2026年5月13日にAWSが発表したリアルタイム音声エージェントアプリケーション向けの新しいアーキテクチャです。音声対音声イベントプロセッサーがKinesis Video Streams WebRTCシグナリングを通じてメディアとテキストデータイベントをオーケストレーションし、サーバー側VADがオーディオトークンを削減します。Nova SonicはMCPサーバー・Strandsエージェント・RAGシステムへの非同期ツール呼び出しをサポートしており、IoTとコネクテッドビークルシナリオが最初のデモンストレーションです。
Claude Code v2.1.141 は Anthropic CLI エージェントの新バージョンで、2026年5月13日にリリースされました。今週3度目のパッチリリースでは、フック JSON 出力用の terminalSequence フィールド、CLAUDE_CODE_PLUGIN_PREFER_HTTPS および ANTHROPIC_WORKSPACE_ID 環境変数、claude agents --cwd パス スコープ、そして古いコンテキストを圧縮するための新しいリワインドメニューオプション「ここまで要約」が追加されます。Bedrock/Vertex Haiku モデル ID の競合状態と Windows でのデーモンステータスも修正されました。
Managed Deep Agentsは、2026年5月13日にLangSmithプラットフォームのプライベートベータとして発表されたLangChainの新しいホステッドエージェントランタイムです。耐久実行・永続メモリ・統合ツーリング・包括的な可観測性を提供します——本番ディープエージェントに必要なすべてのインフラストラクチャコンポーネントです。エージェント定義は標準のAGENTS.mdとtools.jsonファイルを通じてリポジトリに保持されます。
Codex Windowsサンドボックスは、2026年5月13日に発表されたOpenAIの新しいセキュリティアーキテクチャで、CodexエージェントがWindowsオペレーティングシステム上で安全に動作できるようにします。サンドボックスは制御されたファイルシステムアクセスとネットワーク制限を導入し、安全で効率的なコーディングエージェントを実現します。Codexはmacos/Linuxの開発者だけでなく、Windowsユーザーも利用できるクロスプラットフォームツールになりました。
Claude Code v2.1.140 は 2026 年 5 月 12 日に公開された Anthropic CLI エージェントの新バージョンです。disableAllHooks 設定が有効な場合に /goal コマンドが無音でハングする問題、シンボリックリンクされた settings ファイルのホットリロード回帰、企業エンドポイントセキュリティの起動問題、Read ツールの offset パラメーター検証など、10 件のバグが修正されました。サブエージェントタイプのマッチングは大文字・小文字を区別しない値を受け付けるようになりました。
SAGEは、Juntong Wangらのチームが2026年5月12日にarXivで発表したLLMエージェント向けの自己進化型グラフメモリエンジンです。メモリライターとメモリリーダー（グラフ基盤モデル）のフィードバックループを採用し、自律的な拡張と再構成を実現します。Natural QuestionsのゼロショットオープンドメインリトリーバルでRecall@2/5がそれぞれ82.5/91.6を達成し、LongMemEvalとHaluMemの幻覚指標でも改善が見られます。
AI Pointer は 2026 年 5 月 12 日に Google DeepMind が発表した実験的製品で、Gemini モデルをコンテキスト対応のマウスカーソルに統合します。ユーザーは別のアプリにコンテンツをコピーすることなく、対象を指してから「Fix this」や「Compare these」などの短いコマンドを発話できます。この機能は Chrome でただちに利用可能で、Magic Pointer は新しい Googlebook ラップトップで提供される予定です。
NVIDIA OpenShell と SAP Joule Studio の統合は、2026 年 5 月 12 日の SAP Sapphire カンファレンスで発表された新しいエンタープライズエージェントプラットフォームです。NVIDIA OpenShell は隔離されたランタイムとポリシー執行を提供し、SAP Business AI Platform がセキュリティレイヤーとして統合し、Joule Studio はエージェント構築環境を提供します。NemoClaw リファレンスブループリントは Joule Studio でただちに利用可能です。
MedMemoryBenchは、浙江大学チームが2026年5月12日にarXivで発表した、パーソナライズドヘルスケアAIエージェントのメモリメカニズムに関する最初のベンチマークです。人間とエージェントの協調パイプラインを通じて約2000セッションと16000インタラクションターンを構築しました。主な発見：主流AIアーキテクチャは、継続的な情報流入が医療推論のパフォーマンスを低下させるメモリ飽和を示しています。
TMAS（テスト時マルチエージェントスケーリング）は、LLM推論を階層的なメモリバンクを持つ専門化エージェント間のコラボレーションとして組織化するテスト時計算スケーリングの新しいアプローチです。著者（UCバークレー+DeepMind）は、同じ計算予算でMATH-500、AIME 2024、HumanEval、GPQA Diamondにおいて既存のすべてのベースライン手法（Best-of-N、MCTS、AutoTTS）を上回ることを示しています。単一のパイプラインで推論+検索+検証を組み合わせています。
AWS Strands Agents SDKは自律型AIエージェント構築のためのオープンソースフレームワークであり、セマンティックレベルでウェブをインデックスするAIネイティブ検索エンジンのExaとの深い統合を実現しました。エージェントはいつウェブを検索するかを自律的に判断し、複数のソースからレポートを合成し、データを引用できるようになりました——カスタムクローラーやスクレイパーインフラを構築することなく。この統合により、ウェブ検索対応エージェントの開発が数十行のコードに簡略化されました。
SocialReasoning-Bench は Microsoft Research の新しいベンチマークで、AI エージェントが他の当事者との交渉においてユーザーの真の利益を代弁しているかを測定します——タスクを完了するだけでなく。結果は、モデルがほぼ完璧に取引を締結する一方で、マーケットプレイスシナリオで一貫して価値を対面に残すことを示し、90% 以上の結果が非効率または怠慢と分類されました。
arXiv:2605.07313 は、無関係なデータが蓄積する際にエージェントメモリシステムが機能し続けるかをテストするスケール条件付き評価プロトコルです。HippoRAG は 16〜20 パーセントポイントの予算準拠信頼性を失い、LiCoMemory はモデルサイズによって変動します。著者（Shao・Lu・Zhang・Luo）は信頼性損失が孤立した現象ではないと結論づけています。