# エージェント検索はページを探すのではなく、答えを組み立てる

- 番組: [The Stack Overflow Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c1l00105o106qjscjap)（The Stack Overflow Podcast）
- 元のタイトル: Agentic search doesn't find pages, it assembles answers
- 配信日: 2026年11月13日
- 長さ: 26分
- 要約作成日: 2026年11月13日
- トピック: [#エージェント検索](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E6%A4%9C%E7%B4%A2) [#ベクターデータベース](https://ai-curator.jp/topics/%E3%83%99%E3%82%AF%E3%82%BF%E3%83%BC%E3%83%87%E3%83%BC%E3%82%BF%E3%83%99%E3%83%BC%E3%82%B9) [#埋め込みモデル](https://ai-curator.jp/topics/%E5%9F%8B%E3%82%81%E8%BE%BC%E3%81%BF%E3%83%A2%E3%83%87%E3%83%AB) [#RAG](https://ai-curator.jp/topics/RAG) [#重複排除](https://ai-curator.jp/topics/%E9%87%8D%E8%A4%87%E6%8E%92%E9%99%A4) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88)
- URL: https://ai-curator.jp/podcasts/cmweixfm900025j11msqh8x09

## 要約

Stack Overflow Podcast で、AIエージェント向け検索エンジン EXA の共同創業者 Jeff Wang が、エージェントが主要ユーザーになったときの検索の姿を語った。クローラ、独自の埋め込みモデル、自社製ベクターデータベースといった技術的な課題に加え、エージェントは人間よりはるかに多く検索し、数千件の結果を読むと述べている。重複排除による高信頼な回答の提供や、RAG の捉え直し、エージェントの進化の3段階についても議論した。

## ポイント

- EXA は2021年創業で、エージェント向けにゼロから作られた検索エンジン。クロール、保存、埋め込み、ベクター検索、高スループットの配信までを自社で担う。
- Jeff は、人間は年間で数兆回検索するが、まもなく数兆のエージェントが人間以上に検索するようになると述べ、規模の桁が変わると見ている。
- 埋め込みモデルは検索アルゴリズムの核であり、既製品では既製品の性能にとどまるため、短い検索クエリとURLの内容を照合する課題に特化して独自に学習していると説明した。
- 検索結果は、トランスフォーマー系の抽出モデルでトークン単位に関連部分を選び、複数ページ間で重複排除する。10ページ分でも実質1ページ分のテキストだけをエージェントに返し、AIスロップ対策にもなるという。
- Jeff は RAG について、チャンク分割で小さなコンテキストに収める手法と同一視されてきたが、本来は検索して生成することを指すと述べた。コンテキストが巨大化しても RAG であることに変わりはないという見方を示した。
- エージェントの進化を、単一ステップ、複数ステップ、汎用エージェントの3つの時代に分け、次は多数のエージェントが並列で動くエージェントスウォームだと予想した。

## 章立て

- [01:01] **検索エンジンの基本構造** — Jeff の自己紹介と、EXA の概要を説明。検索はクロール、保存、検索アルゴリズムから成り、ベクター検索と転置インデックスが必須要素だと語る。
- [03:04] **人間とエージェントの違い** — 規模に加え、エージェントは数千件規模の複数検索を並列に実行する。リスト記事を読むだけの人間とは検索パターンが根本的に違うと説明している。
- [08:25] **自社開発のベクターDBと埋め込み** — 2021年当時は選択肢がなかったこと、現在も制御のため内製を続ける理由を説明。検索に特化した埋め込みモデルを研究チームが学習している。
- [10:36] **重複排除と高信頼な回答** — 結果をトークン単位で抽出し、複数ページ横断で重複を除く仕組みと、AI生成コンテンツが氾濫する状況での意義を議論する。
- [14:40] **RAGの再定義と検索のハーネス化** — RAG の歴史的な意味、巨大なコンテキストウィンドウの影響、検索がモデルやハーネスに取り込まれる可能性を語る。
- [21:02] **意外な使われ方とエージェントの未来** — エージェント同士のSNSなど意外な利用例を紹介。エージェントの3つの時代と、スウォームという次の段階を展望した。

## 解説記事

AIエージェントが検索の主要な利用者になると、検索エンジンには何が求められるのか。Stack Overflow Podcast の今回の回では、ホストの Ryan Donovan が、エージェント向け検索エンジン EXA の共同創業者 Jeff Wang に話を聞いた。EXA はクローラから埋め込みモデル、ベクターデータベースまでを自社で構築している。Jeff の発言を中心に要点を整理する。

#### 検索エンジンの本質は変わらないが、規模が違う

Jeff によれば、検索の技術的な骨格は数十年前とそれほど変わらない。インターネットを発見し、大量のクローラでデータを集めて保存し、その表現の上に検索アルゴリズムを載せる。AI によって個々の部品は簡単になったが、大規模問題であることは同じだという。

現代の検索エンジンは、一般的なデータベースと比べて、ベクターデータベースと転置インデックスを必須要素として持つ。ライブでの大量の書き込みと、エージェントが生む大量の読み取りも特徴だと述べている。

違いの第一は規模である。Jeff は、人間は年間で数兆回ほど検索しているが、まもなく数兆のエージェントが存在し、しかも一体ごとに人間より多く検索するようになると見ている。第二は検索パターンの違いだ。人間なら「おすすめ技術ポッドキャスト7選」といった記事を読んで終わるところを、エージェントは1000件のポッドキャストを列挙し、それぞれについて追加検索を重ねることができる。つまり、1つのページから答えを得るのではなく、1000ページから答えを組み立てる使い方になる。

#### 内製にこだわる理由：ベクターDBと埋め込みモデル

EXA は2021年創業で、当時は TurboBuffer や Milvus のような選択肢がなかったため、ベクターデータベースを自作するしかなかったという。現在も内製を続ける理由として、Jeff は、システムの最重要部分であり、性能向上や改変の自由度を手元に残したいからだと説明する。

埋め込みモデルについては「検索アルゴリズムの心臓部」と表現した。既製品を使えば性能も既製品並みにとどまるため、EXA は自らを検索のための AI 研究ラボと位置づけ、研究者チームがウェブ検索に強い埋め込みモデルを学習している。課題は、短い情報探索クエリとURLの内容を結びつけることであり、文や段落の比較を想定した汎用モデルとは根本的に異なるという。長い文書は、技術的には複数の文書のように扱うことも多いと述べた。

#### 重複排除で高信頼な回答を返す

特に印象的なのは、通常のウェブ検索の後に置かれる第2のステップである。EXA は検索結果の内容を読み、重複を取り除く。Jeff の説明では、トランスフォーマーベースの抽出モデルが文書内のトークンを一つずつ検討し、検索クエリに関連するものを選ぶ。しかも文書単体ではなく、結果の集合全体を対象にするため、10ページ分の結果でも、冗長な情報を除けば実質1ページ分のテキストしかエージェントに返さないこともあるという。

エージェントは情報源の多様性を重視する一方で、必要な情報だけを過不足なく欲しがる、と Jeff は述べる。AI 生成コンテンツが似たような内容を量産している現状では、この重複排除がいわば「スロップ除去」として意味を持つというのが Ryan とのやり取りだった。

#### RAG の捉え直しと検索の位置づけ

Jeff は、RAG（検索拡張生成）という言葉が、2023〜2024年頃のコンテキストウィンドウが小さい時代の、文書のチャンク分割という泥臭い工学問題と同義になってしまったと指摘する。本来の意味は、検索して情報を取得し、それに基づいて生成することにすぎない。現在は100万トークン級のコンテキストが一般的で、文書をそのまま入れられるが、それでも RAG であることに変わりはないという。トークン効率は依然として重要で、コストが下がるだけでなく、コンテキストが汚れないためモデルも賢く振る舞うと述べた。

検索がモデルやハーネス（モデルを取り巻く制御の枠組み）に取り込まれるのではという質問に対しては、検索は大規模モデルが最も頻繁に呼ぶツールだというデータがあると答えた。モデルが検索について自分なりの流儀を持ち始め、モデルとハーネスの責任分担が微妙になっているとしつつも、どちらが呼ぶにせよ検索エンジン自体は必要だという立場だ。

#### エージェントの3つの時代

Jeff は、エージェントを3つの時代で捉えている。単一ステップの時代、Sonnet 3.5 などで始まった複数ステップの時代、そして昨年11月の Opus 4.5 以降の、与えられた仕事を何でも実行する汎用エージェントの時代である。現在は個人向けエージェントのエコシステムが EXA の上に作られつつあり、レストラン予約のような消費者向けクエリも増えているという。次の段階として、OpenAI が1万のエージェントで数学問題を解いたというニュースに触れ、エージェントスウォームを挙げた。

意外な利用例としては、2023年のエージェント同士のSNSがある。GPT-3.5 世代の「カウボーイ」エージェントが、テキサスの最新情報を EXA で探して話題にしていたそうだ。現在は Cursor や Cognition などの AI ネイティブ企業が EXA を使っていると語った。

#### まとめ

この回から見えるのは、エージェント時代の検索が、人間向けの上位10リンクを返す仕組みの延長ではなく、大量の検索と読み取りを前提に、必要な情報だけを圧縮して返す仕組みへ移りつつあるという Jeff の見方だ。日本の開発者にとっては、自前でエージェントに検索を組み込む際に、埋め込みの質、重複排除、トークン効率が品質とコストを左右するという示唆になる。なお、内容は EXA 側の立場からの発言であり、数値や性能の主張は番組内で裏付けが示されたわけではない点には留意したい。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The Stack Overflow Podcast「Agentic search doesn't find pages, it assembles answers」