AI用語集｜MCP・RAG・ファインチューニング など

AIまわりの基本用語をまとめています。今後も新しい用語を随時追加します。最新の用語は、リストの上に追加していきます。

バイブコーディング（Vibe Coding）

AI時代の開発スタイルを指す用語。モデル設計やデータ処理を理論的に最適化する前に「とりあえず動かしてみる」アプローチを指す。設計よりもAIやツールに指示を出し、生成結果を試しながら進める。仕様の整備よりも実装と検証を重視し、非エンジニアでもアプリやUIを構築できる柔軟なアプローチとして注目されている。

AIコーディング支援ツール（AI Coding Assistants）

AI技術を活用してプログラマーの開発を補助するツールの総称。自然言語による指示からコードを生成したり、既存コードの補完・修正・レビューを行えるのが特徴。IDEやCLIに統合され、関数単位の生成からリポジトリ全体の解析まで対応可能で、開発を一緒に進めるペアプログラマーのような役割も果たす。2025年8月現在、主なツールは以下の通り。

• OpenAI系：GPT-5 / Codex CLI / Cursor / GitHub Copilot
• Anthropic系：Claude Code（VS Code連携の拡張が提供されている）
• Google系：Gemini CLI

MCP（Model Context Protocol）

従来、AIモデルに文脈（コンテキスト）を与えるには、プロンプトにすべてを含める必要があった。MCPはアプリの状態やユーザーの目的などをプロンプトの外で共有する考え方。Anthropicが2024年に提案した、LLMなどのモデルとアプリケーションの間で文脈情報を構造的にやりとりするためのプロトコル。AIが「エージェント的な振る舞い」の基盤になると期待されている。

AIエージェント (AI Agent)

指示しなくても、自分で判断して動くAIプログラム。目的に向かって「何をやるか」をAIが決めて、タスクを実行する。エージェントには「知識」を持たせ、「タスクを実行させる仕組み」を作る必要がある。たとえば、誰かのレポートを書くAIエージェントなら、その人に関する情報をエージェントに持たせ、レポートの書き方を学習させる。RAGやファインチューニングを使って実現する。

チャットボット (Chatbot)

特定の話題について、自動で質問に答えたり、会話ができるAIプログラム。AIエージェントに似ているが、もっと汎用的に使う。

RAG (Retrieval-Augmented Generation)

データベースから情報を検索し、それをもとにAIが回答を生成する手法。 大規模言語モデル（LLM）の内部データではなく、主にVector Databaseなどの外部データベースから情報を探す仕組み。

ファインチューニング (Fine-tuning)

事前学習済みモデルに追加学習させ、特定のタスクや用途に最適化すること。モデルそのものに新しい知識やスキルを組み込む方法。たとえば既存の大規模言語モデル（LLM）に自分専用の知識を学習させることができる。

ベクターデータベース（Vector Database）

データをベクトル形式で保存・検索するデータベース。検索や類似した情報を見つけるために使われる。

学習 (Training)

モデルに大量のデータを使ってパターンやルールを学ばせること。これによって、大規模言語モデル（LLM）など、さまざまなAIモデルを作り上げる。

推論 (Inference)

学習（Training）やファインチューニングが終わったモデルを実際に使い、最適な答えを作り出すこと。会社でいえば、学習済みのモデルを活用して製品やサービスを提供する際に、この「推論 (Inference)」が必要になる。

エンベディング（Embedding）

AIが処理しやすい「数値のリスト（ベクトル）」に変換する技術。意味が近いものは、数値も近くなるように作られている。言語、画像、音声、動画など、さまざまなデータに使われる。

大規模言語モデル（LLM, Large Language Model）

大量のテキストデータで学習した、大規模な自然言語処理モデル。質問への回答、文章生成、要約など幅広いタスクに対応する。