論文概要（Abstract） 本記事は DRAGIN: Dynamic Retrieval Augmented Generation based on the Information Needs of Large Language Models の解説記事です。DRAGINは、生成過程でLLMが「いつ」「何を」検索すべきかを、モデル内部の情報ニーズに基づいて動的に判断するActive Re...

本記事は https://arxiv.org/abs/2304.08354 の解説記事です。 論文概要（Abstract） Qin, Liang, Ye et al. (2023) は、オープンソースLLMのツール使用能力を飛躍的に向上させるフレームワーク ToolLLM を提案した。著者らは RapidAPI Hub から 16,464 個の実世界 API（49カテゴリ）を収集し、自動...

ブログ概要（Summary） 本記事は AWSブログ: Bringing Agentic RAG to Amazon Q Business の解説記事です。AWSは、Amazon Q Businessに「Agentic RAG」機能を導入し、従来の単発検索型RAGでは困難であった複雑なエンタープライズクエリへの対応を実現した。AIエージェントがクエリ分解、ツールベース検索、マルチターン会話...

本記事は https://arxiv.org/abs/2505.14032 の解説記事です。 論文概要（Abstract） Liu, Song, Xing, Zhang (2025) は、Model Context Protocol（MCP）ベースのエージェントシステムにおけるセキュリティ脆弱性を体系的に分析した論文を発表した。著者らは3つのデプロイメントシナリオ（Single Agen...

論文概要（Abstract） 本記事は https://arxiv.org/abs/2504.11094 の解説記事です。 MCPBenchは、2024年後半に登場したModel Context Protocol（MCP）サーバーの実用性を体系的に評価するベンチマークフレームワークである。著者らは、Web検索系7サーバーとデータベース検索系3サーバーの合計10種のMCPサーバーを対象に、...

論文概要（Abstract） 本記事は Unified Active Retrieval の解説記事です。 Unified Active Retrieval（UAR）は、Retrieval-Augmented Generation（RAG）における「いつ検索を行うべきか」という判断を、複数の直交する基準を統合した分類タスクとして定式化するフレームワークです。従来のActive Retri...

本記事は https://arxiv.org/abs/2605.05538 の解説記事です。 論文概要（Abstract） AgenticRAGは、企業向けナレッジベースに対する検索・分析を反復エージェントループとして再定式化するフレームワークである。従来のRAGパイプラインが検索スタックへのグラウンディング依存度を高め、LLMを固定された候補集合に制約していた問題に対し、Search・...

本記事は https://arxiv.org/abs/2501.09136 の解説記事です。 論文概要（Abstract） Chen, Nakarmi, Reunanen et al. (2025) は、LLMアプリケーション向けのAIオーケストレーションフレームワーク6種（LangChain、LlamaIndex、AutoGen、CrewAI、Semantic Kernel、Hayst...

本記事は https://arxiv.org/abs/2504.16736 の解説記事です。 論文概要（Abstract） Model Context Protocol（MCP）はLLMが標準化されたサーバーを介して外部ツールにアクセスする仕組みを提供するが、MCPサーバー数の増加に伴いツール記述がコンテキストウィンドウを圧迫する問題が顕在化している。MCP-Zeroは、階層的プランニン...

本記事は Active Retrieval Augmented Generation の解説記事です。 論文概要（Abstract） Jiang, Xu, Gao, Sun, Liu, Dwivedi-Yu, Yang, Callan, Neubig (Carnegie Mellon University, 2023) は、長文生成タスクにおけるRetrieval-Augmented G...