AI関連の話題を追っていると、
「LLM」「Agent」「Skill」「MCP」など、似たような言葉が次々に登場します。

しかし実際には、それぞれ役割がかなり違います。

特に最近は、AIエージェントやMCP（Model Context Protocol）の話題が増え、
「結局なにが違うの？」
「どう使い分ければいいの？」
と混乱している人も多いはずです。

この記事では、

LLMとは何か
Agentとは何か
Skillとは何か
MCPとは何か
それぞれの関係性
実務での使い分け

を、図解付きでわかりやすく整理します。

まず全体像

最初に結論から言うと、これらは「同じ階層の概念」ではありません。

それぞれ役割が違います。

簡単に言うと、

LLM = 「考えて文章を生成する脳」
Agent = 「目的達成のために動く司令塔」
Skill = 「個別の機能」
MCP = 「外部接続の共通規格」

です。

ここを理解すると、AIシステム全体の構造がかなり見えやすくなります。

LLMとは？

AIの“頭脳”

LLM（Large Language Model）は、大規模言語モデルのことです。

代表例としては、

ChatGPT
Claude
Gemini
Llama

などがあります。

LLMの本質は、

「次に来る言葉を予測する」

ことです。

ただし近年のLLMは非常に高性能になり、

要約
翻訳
コーディング
推論
アイデア出し
会話

などを高精度で行えるようになりました。

ただし重要なのは、LLM単体では“行動”できないという点です。

例えば、

Slackを読む
Google Driveを検索する
データベース更新
API実行
ファイル保存

などは、そのままではできません。

LLMはあくまで「知的推論エンジン」です。

Agentとは？

LLMを使って“目的達成”する存在

Agent（AIエージェント）は、

「目的を達成するために、LLMやツールを使って行動する仕組み」

です。

LLMが“脳”なら、Agentは“実行役”です。

例えば、

「営業レポートを作ってSlackに送って」

という依頼が来た場合。

Agentは以下を行います。

指示を理解
必要な情報を判断
DBを検索
集計
レポート生成
Slack送信

つまりAgentは、

計画
判断
ツール実行
タスク分解
ワークフロー管理

を担当します。

図にするとこうなります。

つまりAgentは、

「LLMを使いながら仕事を進めるオーケストレーター」

です。

Skillとは？

Agentが使う“個別能力”

Skillは、Agentが持つ個別機能です。

イメージとしては「道具」に近いです。

例えば：

Web検索
PDF要約
SQL実行
カレンダー登録
メール送信
コード生成

など。

Agentは必要に応じてSkillを呼び出します。

重要なのは、

Agent ≠ Skill

という点です。

Agent = 全体管理
Skill = 部品

です。

Skillだけでは自律的に仕事は進みません。

逆にAgentだけでも実務処理はできません。

両方必要です。

MCPとは？

AIと外部ツールをつなぐ“共通インターフェース”

最近特に注目されているのがMCPです。

MCP（Model Context Protocol）は、

「LLMやAgentが外部ツールと安全・統一的につながるための規格」

です。

簡単に言うと、

「AI用USB-C」

みたいな存在です。

従来は、ツールごとに個別実装が必要でした。

Slack接続コード
Notion接続コード
GitHub接続コード
DB接続コード

を全部バラバラに作る必要がありました。

MCPでは、接続方式を共通化できます。

つまりMCPは、

「AIと外部世界をつなぐ標準規格」

です。

関係性を整理すると

ここまでを整理すると、次のようになります。

概念	役割	例
LLM	推論・生成	GPT、Claude
Agent	目的達成の制御	AutoGen、LangGraph系
Skill	個別機能	検索、SQL、送信
MCP	接続規格	MCP Server

つまり、

Agent
 ├─ LLMを使う
 ├─ Skillを呼ぶ
 └─ MCP経由で外部接続

という構造です。

実務ではどう使い分ける？

ここが最重要ポイントです。

1. LLMだけで十分なケース

文章生成
要約
アイデア出し
翻訳
質問応答

この場合はChatGPT単体でも十分です。

2. Agentが必要なケース

複数ステップ処理
自律実行
ワークフロー自動化
継続タスク
条件分岐

例えば：

毎朝レポート作成
問い合わせ自動対応
営業支援
AI秘書

など。

3. Skillが重要なケース

社内DB検索
PDF解析
Slack投稿
Git操作
SQL実行

業務特化AIを作る場合、Skill設計がかなり重要になります。

4. MCPが重要になるケース

ツール接続が大量にある
AI基盤を統一したい
マルチツール対応
拡張性重視
エコシステム化

企業システムでは、今後かなり重要になります。

これからのAIは「LLM単体」ではなくなる

以前は、

「ChatGPTがすごい」

という世界でした。

しかし今は、

Agent
Tool
Memory
MCP
Workflow

を組み合わせる方向に進んでいます。

つまり、

「LLM単体の知能」

から、

「AIシステム全体設計」

へ進化しているわけです。

特にMCPは、

「AI時代の標準インフラ」

になる可能性があります。

まとめ

最後に整理すると。

役割の違いは次の通りです。

LLM = 考える
Agent = 動かす
Skill = 機能を提供
MCP = 外部とつなぐ

この構造を理解すると、AIアプリケーションの全体像がかなりクリアになります。

そして今後は、

「どのLLMを使うか」

だけでなく、

「どうAgent設計するか」
「どうSkillを組むか」
「どうMCPで接続するか」

が、AI開発の中心になっていくはずです。

おわりに

AI関連ワードは増え続けていますが、
大事なのは「役割」で整理することです。

単語を暗記するより、

誰が考えるのか
誰が実行するのか
どこで接続するのか

を理解すると、一気に整理しやすくなります。

今後AIエージェント時代が進むほど、
MCP・Skill・Agent・LLMの理解は重要になっていくでしょう。