Agent Garden - Teams会議の暗黙知を“育てて咲かせる” Microsoft 365 Copilot エージェント生成ツール

はじめに

「ベテランの暗黙知を、いかに継続的にエージェントへ学習させ続けられるか」 — これが本ハッカソンで私たちが取り組んだ問いです。

設計レビュー、技術勉強会、デイリー - 私たちが日々参加するTeams会議では、「なぜこの設計を選んだか」「この技術を標準化するには？」「ユーザー目線のUIか」など様々なナレッジ・スキル・パーソナリティに基づいた創造的会話や判断が行われています。

ですが、現実には議事録とネクストアクションだけが残り、判断の根拠や暗黙知は流れて消えています。

本当に使えるカスタムエージェントとは変化する状況や判断、スキルやナレッジの更新を取り込み、チームで継続的に育て続けることが必要と考えました。

そこで私たちは、Teams録画をアップロードするだけで、暗黙知を ナレッジ／スキル／パーソナリティ／意思決定 の4つの観点で構造化し、Microsoft 365 Copilot に投入できるエージェントへ 「育て続ける」 Webアプリ 「Agent Garden」 を開発しました。

コンセプト — 「作るツール」ではなく「育てるツール」

エージェント生成ツールは数多くありますが、Agent Garden のこだわりは

「捨てられてきた暗黙知をエージェント化する」だけではなく、 デプロイ後のフィードバックでさらに成長させる場を提供する

という点です。1 回の生成で終わる「作るだけ」のツールではなく、 植物を育てるように、会議を重ねるたびに同じエージェントが少しずつ成長していく 体験を目指しました。

一般的なエージェント作成ツール	Agent Garden
1 回の生成で完結	スレッドに 5 ステップ＋デプロイ後のループ が残る「庭」
ナレッジを詰めて終わり	デプロイ後に得た気付きを 新しい会議として再投入 できる
結果は不可逆・上書きのみ	マージバスケットで別エージェントから養分を取り込み
ベテランの「らしさ」と「決めた理由」が消える	パーソナリティ抽出と IBIS 意思決定で残す
育成過程が記録されない	開花ステータス（種→芽→育成中→開花）と全編集履歴を保持

育てるためのフィードバックループ

エンジニア向け技術エージェントを例に取れば、

1. 最初は 1 回の技術共有会の録画から 「設計判断の基本型」 だけ持って咲く
2. 別日の障害ポストモーテム録画から 「障害切り分け手順」 をマージで取り込んで再開花
3. M365 Copilot 上で若手が使い、 「このログから根本原因を当てられなかった」 などのフィードバックが返ってくる
4. そのフィードバックを次の振り返り会で取り上げ、 「観測すべきメトリクスの追加」 をして再々開花

— というふうに、同じエージェントが 育ち続ける。これが Agent Garden の中心思想です。

「会議を “育苗箱”、Copilot を “出荷先”、フィードバックを “水” として、エージェントを継続的に咲かせ続ける」 — そのためのツールが Agent Garden です。

コンセプト動画（3分）

Agent Garden のコンセプトと、Teams会議録画 → 解析 → エージェント定義生成 → Word出力 → M365 Copilot Agent Builder へ投入 → 完成エージェントが応答するまでを 約3分 にまとめたコンセプトムービーです。「会議に蒔いた暗黙知が、世界で咲く」までの一連の流れをご覧いただけます。

利用例1 — 技術共有会の録画から「エンジニアのスキルを持ったエージェント」を育てる

エンジニアの技術共有会（勉強会）の録画 を Agent Garden に投入し、エンジニアの 「新しい技術についてのナレッジ・設計パターン・実践ノウハウ」 を 1体のエージェントに落とし込む流れを実演しています。Step1 解析 → Step2 話者・3軸選択 → Step3 エージェント定義 → Step4 ナレッジ/スキル Word → Step5 動作確認 〜 別のMTGによるスキルなナレッジの更新＋開花の一例です。

動画を見ていただくと、 共有会で口頭で語られていただけの「暗黙知」が、エージェントの応答として再現されるところまで確認できます。

利用例2 — ベテラン営業の暗黙知をエージェント化する

Agent Garden の本来の対象は 業務エキスパートの暗黙知です。Teams会議に流れた ベテラン営業のヒアリング・提案判断 をそのままエージェントに落とし込み、弊社ではそのエージェントをエンジニアじゃない方も利用し、育ててくれています。

育てる前後で何が変わるか

	育てる前	育てた後
提案レビュー観点	シップレイメソッドとは	シップレイメソッドのレビューゲート観点で抜け漏れを指摘
顧客ヒアリング設計	BANTを聞こう	BANTC＋SPIN（Situation/Problem/Implication/Need-payoff） で深掘り質問を生成
差別化の語り口	「自社の強み」「競合に負けているのは？」	あらゆる観点で負けない状態 + 技術的強みとFACTは？
営業プロセス	顧客に積極的に会いに行こう	ソリューションセールスを基盤に、案件フェーズごとの次アクションを提示

ベテラン営業が頭の中でやっている 「ソリューションセールスを土台に、案件ごとに BANTC／SPIN／シップレイ／チャレンジャーを使い分ける」という技術や判断プロセスを、エージェントに代替させられる状態まで育っていきます。

どうやってここまで育てるのか

Agent Garden には 「育てる」3 層 が用意されています。

1. 会議ごとの「種」を育てる：1回の会議録画から、ベテランが語った「この案件はBANTのうち Authority が弱いから一旦保留」みたいな判断を 意思決定履歴 として残します
2. 他会議の「養分」を混ぜる：別スレッドで作った「SPINヒアリング設計書」や「チャレンジャー型の示唆フレーズ集」を マージバスケット で取り込みます
3. 使ってみて「咲かせる」：実際の顧客メールやヒアリング.vtt を 動作確認チャットに添付 し、エージェントの回答を評価。妥当と判定されたら 「開花」ステータス にしてから M365 Copilotへ出力します

この3層を経ることで、エージェントは「フレームワークの名前を知っている」だけの存在から、 「目の前の案件に対してフレームワークを当てて、次に何をすべきかを示せる」 存在へと育ちます。

Azure アーキテクチャ（ハイレベル）

4つのレイヤーでAzure / Microsoft 365サービスを使い分けています。 実行レイヤー（Compute） で受けたリクエストを、 AIレイヤー に投げて 4 軸抽出・応答生成し、 データレイヤー に育成過程を永続化、最終的に エージェント実行レイヤー（Microsoft 365 Copilot） へ送り出してエンドユーザーが日常的に呼べる状態にする、という流れです。

レイヤー × リソース × 扱うデータ

レイヤー	リソース	役割概要
⚙️ 実行レイヤー	Azure Container Apps（FastAPI + gunicorn）	5 ステップウィザードの API、JWT 認証、Word 生成、添付ファイル（VTT/PDF/Word）抽出、AI レイヤーへのリクエスト整形、データレイヤーへの永続化制御
🧠 AI レイヤー	Microsoft Foundry （Azure OpenAI Deployment：GPT-5.4-mini + Whisper）	4 軸抽出（ナレッジ／スキル／パーソナリティ／IBIS 意思決定）、エージェント定義生成、チャット編集のtarget判定、動作確認応答、画像／PDF 解釈、音声認識
💾 データレイヤー	Azure Cosmos DB	「1 会議 = 1 スレッド = 1 ドキュメント」で育成過程を全保存。user_id でパーティション分離、横断検索（マージバスケット）にも使う
💾 データレイヤー	Azure Storage File Share	コンテナ再起動を跨いで残す必要があるが Cosmos に入れないファイル系を永続化
🌸 エージェント実行レイヤー	Microsoft 365 Copilot（Agent Builder）	育成済みエージェントの本番稼働。現場ユーザーが Teams / Copilot から呼び出して日常的に相談

4 レイヤーが疎結合になっているので、 AI モデルだけ差し替える／データ層だけ別アカウントへ寄せる といった構成変更も最小コストで効きます。LLM 推論は Microsoft Foundry 内に閉じており、 業務知識が社外に出ない 構成です。育成 → 本番投入の主役は Azure（育てる側）と Microsoft 365 Copilot（使う側）の役割分担 であり、Gardener（育てる人）と現場ユーザー（使う人）の双方からフィードバックを取り込めるループを形成しています。

アプリケーション内部のデータレイヤー（Cosmos DB）— 1スレッド = 1ドキュメント

Agent Garden は 「1 会議 = 1 スレッド = 1 Cosmos ドキュメント」 を貫いています。スレッド単位で「育てる過程の全状態」が 1 ドキュメントにまとまっているので、 任意の時点に戻れる／別端末でも継続できる／削除すれば痕跡が一括で消える という運用上の安心感が得られます。

データ概要 — 1 スレッドに「何」が入っているか

「ざっくり何が入っているか」 だけ知りたい方向けに、まずカテゴリ単位の俯瞰を載せます。

カテゴリ	1 スレッドに入っているもの（イメージ）	何のために残すか
🎬 会議の生データ	動画／VTT の文字起こし、話者ごとの発言セグメント、画面共有のサムネ・OCR結果	「あの一言は何分何秒、誰が言った？」を後から辿るためのエビデンス
🧬 ナレッジグラフ（オントロジー）	「概念」と「概念のつながり」のノード／エッジ。カテゴリ別の色分け付き	暗黙知のネットワークを可視化し、Step2 でカード選択時に「関連知識」を一覧表示
⚖️ 意思決定の経緯（IBIS）	「論点／賛否の主張／根拠・反証／結論／決定者」をセットで	「なぜその設計／判断が採られたか」を再現可能にする ＝ シニアの判断軸を残す
📚 3 軸マップ＋採用フラグ	ナレッジ・スキル・パーソナリティの抽出結果と「どれを採用するか」のチェック状態	Step2 で人が選んだ取捨選択をそのまま記録
🤖 エージェント本体	名前・説明・システムプロンプト・会話スターター・ナレッジ Word・スキル Word（テキスト＋構造化両方）	Step3〜4 の成果物。再ダウンロード可能・差分編集も可能
🌸 育成履歴・開花記録	修正チャットのやり取り、開花ステータス、開花を決めた動作確認の質問と回答	「いつ・なぜ咲いたか」の記録。デプロイ後の振り返りで使う
🏷 スレッドのメタ情報	スレッド名／業務ドメイン／進行中の Step／ソースファイル名／所有者・作成日時	一覧表示・横断検索・別端末からの再開
🌐 会議横断パターン（別コレクション）	「どのスレッドにどんなナレッジ／スキルがあるか」の軽量インデックス	マージバスケット検索を高速にする

特に 🧬 オントロジー（暗黙の知識ネットワーク） と ⚖️ 意思決定履歴（IBIS） は、エージェントが「なぜそう答えるか」の根拠を遡れる エビデンス層 として常にスレッドに残ります。エージェントを更新するときも、UI から ontology グラフや decisions カードを開けば 「誰がどの根拠でその判断を下したか」「どの概念がどう繋がっているか」 をいつでも参照できる構造です。

解決する業務課題

課題	現状の痛み	Agent Garden での解決
暗黙知の形式知化	OJTや会議の発言は流れて消える	録画/VTT/Word/PDF から自動抽出
判断軸（暗黙知）の継承	「なぜそう決めたか」が後段に残らない	IBIS で論点／主張／反証／結論を構造化
個人の語り口	プロンプトを書いても「人らしさ」が消える	パーソナリティ（口癖／態度／価値観）を別軸で抽出
Copilotエージェント作成	プロンプト・ナレッジの整備に数日	数分で Word ＋プロンプト出力
エージェントの継続改善	一度作って放置	チャットで知識/スキル/プロンプトを継続編集
複数会議の知識統合	会議ごとに知識が孤立	マージバスケット で他スレッドから取り込み
エージェントの品質保証	出してみるまでわからない	動作確認チャット → 開花 の儀式で人の OK を経てから出力

ユーザージャニー（5ステップ × Garden メタファー）

各ステップの状態は自動的に スレッド としてユーザー単位で保存され、後日続きから再開できます。スレッドタイトルは「業務ドメイン｜エージェント名」の自動命名 で、後から振り返りやすくしています。

実装上の工夫

1. 入口を「動画／VTT／Word／PDF」のどれでも受ける

Teams録画の MP4 だけでなく、VTT（Teams書き出しの字幕）／Word／Markdown／テキスト／PDF からでも同じ分析パイプラインに乗せます。

• VTT は <v Speaker> タグから話者を抽出
• Word/PDF は python-docx / pypdf で本文抽出
• どの入口でも transcript + segments の同じ形式に正規化

「会議が長すぎて録画解析に時間がかかる」「録画はないが議事録だけある」場合にも、即座にエージェント化に進めます。

2. 解析結果を6視点で並列抽出

解析が終わると以下6種類の分析結果が自動的に並列で生成されます。

Promise.allSettled で並列実行し、依存があるレポートだけ後段で待つ構造です。LLM 呼び出しは全て response_format=json_object を指定し、各タスクごとに専用プロンプトを当てています。

3. ナレッジ／スキル／パーソナリティの 3軸分解

エージェント設計で最も力を入れた工夫です。話者ごとに抽出される業務ノウハウを、 「知っていること（Knowledge）」「できること（Skill）」「その人らしさ（Personality）」 に分けます。

• Knowledge は「判断基準・暗黙知・データ・規程・用語」など静的な知識
• Skill は「トリガー→入力→ステップ→出力→判断ルール→品質基準」を持つ実行可能な業務手順
• Personality は「結論ファースト」「数字で語る」「ユーモアを挟む」など個人の 語り口 を抽出し、agent_application フィールドで「エージェントがどう振る舞うべきか」まで指示化

提案戦略エージェントの例では、personality.catchphrase = "それ、お客様が一番喜ぶ並びで書けてる？"、personality.value = "提案書はストーリー > 機能羅列" のような断片が抽出され、システムプロンプトに組み込まれます。

Step2 では「話者カード／ナレッジ／スキル／パーソナリティ」の 4 つのチェックボックス階層 で選択でき、Step3 で「組み込まれる内容」をプレビューしてから初めてエージェント定義（プロンプト）を生成します。

4. 意思決定の再現性 — IBISで判断の経過を残す

「なぜそう決まったか」という議論プロセスは、議事録には残りません。Agent Garden は IBIS（Issue-Based Information System） に基づき、議論を以下の構造で抽出・保存します。

抽出された意思決定は ナレッジ／スキルに変換 できます。たとえば

「この案件は Authority が弱いから一旦保留する」

という Decision は

• Knowledge 化 → 「Authority が不在の案件は受注確度を 1 段下げる」というルール
• Skill 化 → 「Authority チェック → 不在ならスポンサー特定アクションへ分岐」という手順

として、エージェントに組み込まれます。

これにより、ベテランが「条件反射で」やっていた判断 が、若手が呼び出せる形で再現されます。

5. クロススレッドマージバスケット — ナレッジ/スキル統合

業務知識は1回の会議に閉じません。 別スレッドで抽出した「シップレイのレビューチェックリスト」「カスタムエージェントのデザインパターン」などを、現在のエージェントへ取り込む。

マージ戦略は smart（賢く統合）／append（末尾追加）／replace（同テーマ置換） から選択可能。LLM が出典 ([出典: 会議名 / 話者: 名前]) を備考として残すよう指示しているため、「このルールはどの会議から来たか」のトレース ができます。

6. 動作確認チャット ＋ ファイル添付 ＋ 開花

エージェントを M365 Copilot で作成する前に、本当に使えるか自分で確かめる ための仕組みです。

• ファイル添付：.vtt / .docx / .pdf / .txt / .md / .csv を最大 5 ファイルまで添付可能。種別バッジ（📕 PDF / 📄 Word / 🎤 VTT 字幕 など）で内容が一目で分かる
• 自動評価：LLM がもう 1 回呼ばれ、「ナレッジに無いことを答えていないか／スキルとして宣言した手順を踏んでいるか」を verdict + score + reasons で返す
• 開花儀式：人が見て妥当と判定したら 「🌸 開花」ボタン を押す。bloom_status が seed → sprout → growing → bloomed と遷移し、ヘッダで満開アイコンが咲きます

提案戦略エージェントなら、「この顧客メール（添付）に対して次にすべき SPIN 質問を 3 つ挙げて」という形で動作確認でき、 回答がベテランの語り口と一致するまで チャットでナレッジ／スキル／プロンプトを微修正できます。

7. ナレッジとスキルを“別の Word ファイル”で出力

要件定義書のように 1 ファイルに全部詰めると更新が辛いので、

• knowledge.docx（事実・判断基準・FAQ・用語集）
• skills.docx（実行可能スキル：トリガー＋入力＋手順＋出力＋品質基準）

を別ファイルとして出力します。M365 Copilot のナレッジソース にそのまま登録でき、運用フェーズで知識とスキルを独立に更新できます。

8. スレッドでユーザーごとに「育つ過程」を残す

5ステップを通じて編集された全状態 — トランスクリプト、6種の分析結果、話者選択、ナレッジ／スキル／パーソナリティマップ、エージェント定義、ナレッジWord、スキルWord、IBIS 意思決定マップ、チャット履歴、開花ステータス — は Cosmos DB に スレッド として自動保存されます。

• タイトルは「業務ドメイン｜エージェント名」から自動生成（手動 rename も可、空にすると自動に戻る）
• ユーザー単位で隔離（source_type=agent_thread + user_id）

使用している Microsoft 技術

カテゴリ	採用技術	用途
実行基盤	Azure Container Apps	FastAPI + gunicorn のサーバーレスコンテナ実行
イメージ	Azure Container Registry	ACR Tasks でリモートビルド、agent-garden:latest
永続化	Azure Storage Account + File Share	SQLite (auth.db) / 会話ログを /app/data にマウント
監視	Azure Log Analytics	コンテナログ・メトリクス収集
生成AI	Azure OpenAI Service（GPT-5.4-mini / Whisper / Vision）	分析・エージェント定義生成・音声認識・画面解析・添付ファイル解釈
AI 基盤	Microsoft Foundry（Azure OpenAI 含む）	デプロイメント・API管理
データ	Azure Cosmos DB	スレッド／パターン永続化（user_id でパーティション）
出力	M365 Copilot Agent Builder	生成された Word をナレッジソースとして直接投入
認証	JWT（Azure Entra ID連携も想定可能）	利用者ごとの分析履歴管理

すべての LLM 推論は Azure OpenAI 上に閉じており、社外に業務知識が出ない構成。

業務インパクトの想定

ステップ	従来の所要時間	Agent Garden
Teams会議の議事録化	30〜60分	自動（VTT/録画から数分）
業務ノウハウの構造化	1〜2日（ヒアリング＋資料化）	1〜3分（自動抽出・3軸分解）
意思決定の根拠保存	残らない	IBIS で論点／反証／結論を残す
エージェントのプロンプト設計	半日〜1日	数十秒（自動生成）
ナレッジ Word 作成	1日	数十秒
品質確認 & 育成	出してから気づく	動作確認チャットで添付付き検証 → 開花
エージェント運用後の改善	都度プロンプトを書き直す	チャット指示で即修正→Word再出力
M365 Copilotへ適応	プロンプト書き直し、ナレッジ更新、動作確認	コピペ、ファイルアップロード、簡易動作確認

「1人のベテランの会議発言 → エージェント1体」が 数分 で完成し、フィードバックループも チャット往復＋開花ボタン でエージェントの更新作成が完結します。

商用の会議AIツールとの違い

商用の会議AIツールは「会議の内容を読みやすい形にする」ところまでは強いのですが、その後 「で、これをどうやって Copilot のエージェントに変えるの？」 は人が手作業で詰めるしかありません。Agent Gardenが他にないのは、 同じTeams録画を入り口に、最終出力が "Copilot 上で動くエージェント"になる ところまで一気通貫している点です。

ツール	入口	最終的に手元に残るもの	エージェント化の手間
Otter.ai / Fireflies	会議録音	文字起こし＋要約＋アクションアイテム（テキスト）	テキスト → 自分でプロンプト整形 → Copilot に貼る
Glean / Mem.ai	既存ドキュメント	検索インデックス／スマートメモ	エージェント化機能はない
Microsoft Copilot Studio	プロンプト＋ナレッジソース	エージェント本体	会議からの取り込みは別途用意が必要
Agent Garden	Teams 録画／.vtt／Word／PDF	Copilot に投入可能な Word（ナレッジ＋スキル）／プロンプト／会話スターター／IBIS／パーソナリティ／開花スレッド	Step1〜5 のウィザードで一気通貫。Step4 で Word DL → そのまま Agent Builder に登録

つまり、Agent Gardenは、商用ツールが止まる「情報抽出」から先の 「人が選ぶ → エージェントの形に整形する → 動作確認して開花させる」 までのエージェントとしての業務効率化、ナレッジ継承の流れを提示し、さらに使えるエージェントを作るための継続した更新機能が、他にない価値だと考えています。

今後の展望

• タイムスタンプリンク：ナレッジ項目から動画の該当秒に巻き戻し、エビデンス追跡を強化
• FAQ 回帰スイート：エージェント編集前後で auto_eval を一括実行、改悪を自動検知
• ドメインビュー：同一ドメインの複数スレッドを統合した進化する知識グラフ
• マルチエージェント対話：営業AI × 法務AI × 経理AI のロールプレイで知識ギャップを炙り出し
• Microsoft Entra ID 連携：社内SSO（現状はJWT実装）
• デプロイ後フィードバック：M365 Copilot の会話ログを取り込み、自動でナレッジ修正提案

おわりに

会議に蒔いた暗黙知が、世界で咲く。

エージェント生成ツールは増えましたが、 「作って終わり」になると、ベテランの暗黙知はもう一度別の形で失われてしまいます。 だから Agent Garden は最初から、

• 抽出する（会議の暗黙知をエージェント化）
• 育てる（マージ／チャット／パーソナリティ／IBIS で深める）
• 咲かせる（動作確認 → 開花 → M365 Copilot へ）
• また育てる（現場フィードバックを次の会議として再投入）

という 「育てる輪」 をコンセプトの中心に置きました。

Teams で交わされる「ベテランの一言」を、流して終わらせず 継続的にエージェントへ育てて咲かせる ためのツールが Agent Garden です。

「ベテランの暗黙知を、いかに継続的にエージェントに学習させ続けられるか」 — その第一歩として、お試しいただけると嬉しいです。