ケイパビリティランタイムとは？AIエージェントアーキテクチャに欠けていた層

AIエージェントは計画できる。推論できる。コードも書ける。しかし、画像を生成して、引用付きでウェブを検索して、動画を作って、アセットをクラウドに保存して、ページを公開して——と頼むと壁にぶつかる。モデルが十分に賢くないからではない。エージェントアーキテクチャに一つの層が欠けているからだ。

その欠けている層が**ケイパビリティランタイム（Capability Runtime）**である。

今日のAIエージェントアーキテクチャが破綻する場所

現代のAIエージェントスタックは通常、三層で構成される：

1. モデル層 —— Claude、GPT、Gemini。推論エンジン。
2. エージェントフレームワーク —— 計画し、ツールを呼び出し、観察し、反復するループ。
3. ツール —— MCPサーバー、API、SDK。エージェントに実行させるもの。

最初の二層は急速に成熟した。Claude CodeやCursorは洗練されたエージェントループを持つ。モデルは200K以上のトークンコンテキストウィンドウを扱う。

第三層——ツール——ここで破綻する。

エージェントが必要とするすべてのツールは、異なるAPIの背後にある。各APIは独自の認証、独自のレート制限、独自のSDK、独自の出力形式を持つ。一つのエージェントに五つのケイパビリティ（画像生成、動画、ウェブ検索、ストレージ、公開）を与えるには、五つの個別サービスを設定し、六つのAPIキーを管理し、ツール説明だけで24,000トークン以上を消費する。

それはツール層ではない。ツールの負担だ。

ケイパビリティランタイムが行うこと

ケイパビリティランタイムは、エージェントとそれが必要とする数十のサービスとの間に位置する単一のCLIツール（またはAPI）である。エージェントが各サービスと直接通信する代わりに：

エージェント → 画像API → エージェント → 動画API → エージェント → 検索API → エージェント → ストレージAPI

エージェントは一つのエンドポイントと通信する：

エージェント → ケイパビリティランタイム → (画像, 動画, 検索, ストレージ, 公開)

ランタイムがモデル選択、認証、フォーマット変換、レート制限、構造化出力を処理する——エージェントが気にする必要はない。

これが重要な理由：トークン計算

これは抽象化のための抽象化ではない。エージェントのパフォーマンスに測定可能な影響を与える。

エージェントが接続する各MCPサーバーやAPIクライアントは、エージェントのコンテキストにツールを登録する。各ツールには名前、説明、パラメータスキーマが含まれる。単一のMCPサーバーは通常、ツール説明で3,000～8,000トークンを追加する。

五つの個別ツール（画像生成 + 動画生成 + ウェブ検索 + クラウドストレージ + 公開）では、エージェントが一行のコードを書く前に15,000～40,000トークンが消費される。

ケイパビリティランタイムはこれらのツールを一つのエンドポイントに統合する。五セットのツール説明が一つになる。トークンオーバーヘッドは24,000以上から約2,000に減少する。

200KコンテキストウィンドウのClaude Sonnet 4セッションでは、コンテキストの11%が解放される——実際の推論、コード生成、会話履歴のために。

ケイパビリティランタイムが解決する三つの問題

1. クレデンシャルの散乱

個別のAPIはそれぞれ独自のキーを必要とする。五つのケイパビリティは、作成、保存、ローテーション、失効させるべき五つのキーを意味する。ケイパビリティランタイムは、すべてをカバーする一つのクレデンシャルを提供する。

2. 出力の不整合

あるAPIはJSONを返す。別のAPIはプレーンテキストを返す。さらに別のAPIはバイナリをストリーミングする。エージェントはすべての形式を処理しなければならない。ケイパビリティランタイムは、基盤となるサービスに関係なく、構造化された一貫性のあるJSONを返す。

3. メンテナンスドリフト

APIは変化する。レート制限は変動する。モデルは非推奨になる。各ケイパビリティが個別に接続されていると、五つの設定をメンテナンスすることになる。ランタイムは更新を内部的に処理する——エージェントは単に同じエンドポイントを呼び続けるだけだ。

ケイパビリティランタイム vs MCPサーバー：異なる層

ここで用語が混乱する。MCP（Model Context Protocol）サーバーはトランスポート層である——エージェントがツールに接続する方法を定義する。ケイパビリティランタイムはバンドル層である——どのツールが利用可能で、どのように提示されるかを決定する。

両者は補完的である。専門的な統合（企業の内部データベース、Slackボット、Jiraコネクタ）にはMCPサーバーを使用し、すべてのエージェントが必要とする共通ケイパビリティ（検索、画像、動画、ストレージ、公開）にはケイパビリティランタイムを使用できる。

ハイブリッドアプローチは次のようになる：

• 専門ツール → 個別のMCPサーバー（データベース、Slack、CRM）
• 共通ケイパビリティ → ケイパビリティランタイム（画像、動画、検索、ストレージ、公開）

実例：ランディングページの構築

ケイパビリティランタイムなしで、エージェントに「新機能のランディングページを作って」と頼んだときに起こること：

1. エージェントがHTML/CSSを作成 ✅
2. エージェントがヒーロー画像を必要とする——停止。Replicate APIを設定し、手動で画像を生成し、URLをエージェントに戻す。
3. エージェントが競合調査を必要とする——停止。Brave Searchを設定し、クエリを実行し、結果を貼り付ける。
4. エージェントがページを構築——完了。今度は手動でNetlifyにデプロイ。
5. エージェントはツールさえあれば、ステップ2～4を自分で実行できたはずだ。

ケイパビリティランタイムがあれば：

1. エージェントがHTML/CSSを作成 ✅
2. エージェントが image generate "SaaSダッシュボード用ヒーロー" を呼び出す——CDN URLが返る ✅
3. エージェントが search "競合価格 2026 Q2" を呼び出す——引用付きの構造化された結果が返る ✅
4. エージェントが drive upload ./build/ を呼び出す——公開URLでアセットを保存 ✅
5. エージェントが page deploy ./build/ を呼び出す——ページが公開 ✅

一つのセッション。一つのエージェント。人間のボトルネックなし。

ケイパビリティランタイムを選ぶ際のポイント

ケイパビリティランタイムを評価する際に重要なこと：

• 網羅性：エージェントが実際に必要とするケイパビリティをカバーしているか？画像、動画、検索、ストレージ、公開が基盤である。
• エージェント互換性：あなたのエージェントで動作するか？Claude Code、Cursor、Codex、Windsurf、Gemini CLI。
• 出力形式：構造化JSON。エージェントがHTMLをパースしたりバイナリストリームを処理したりする必要がないこと。
• クレデンシャルモデル：一つのアカウント、一つの認証フロー、管理するキーは一つ。
• トークン効率：コンテキストに何トークン追加されるか？低いほど良い。

欠けていた層に名前がついた

AIエージェントスタックには、この層の名前がなかった。人々は「ツール統合」や「MCP設定」や「API配線」と呼んでいた。そのどれもが本質を捉えていない：エージェントがネイティブに持たないケイパビリティをエージェントに与えるランタイムである。

ケイパビリティランタイムはMCPの代替ではない。モデルAPIの代替でもない。それはエージェントの推論と、エージェントが対話する必要のある世界との間に位置する層である——「それはできません」を「完了しました」に変える層だ。

最終更新：2026年5月