AIエージェントのWebが始まる: MCP、A2A、Skills、ARD、Fuguのデジタル神経系

AIエージェントのWebが始まる──A2A、MCP、Skills、ARD、Fuguが作る「デジタル神経系」

AIの競争軸が、単なる「モデル性能」から大きく変わり始めている。

これまでは、GPT、Claude、Geminiのような基盤モデルの性能差が注目されていた。どのモデルが賢いのか。どのモデルがコードを書けるのか。どのモデルが長文を読めるのか。どのモデルが推論に強いのか。そうした比較が中心だった。

しかし、AIエージェント時代に入ると、重要になるのはモデル単体の性能だけではない。

AIがどのツールを使えるのか。 どの業務アプリに接続できるのか。 どの専門エージェントに仕事を頼めるのか。 どのSkillを読み込めるのか。 どのリソースが信頼できるのか。 そして、それらをどう発見し、どう組み合わせるのか。

この新しい層に関わるのが、MCP、A2A、Skills、そして新しく登場したARDである。

MCP、A2A、Skills、ARDは何が違うのか

まず整理すると、MCPはAIが外部ツールやデータに接続するための規格である。

たとえば、Claude CodeやCodexがGitHub、Figma、Slack、DB、Google Drive、社内APIなどを使う場合、MCPは「AIに外部ツールを使わせる手足」のような役割を持つ。

一方、A2AはAIエージェント同士が連携するための規格である。

営業エージェントが会計エージェントに確認し、法務エージェントが契約書を確認し、開発エージェントがコードを修正し、QAエージェントがテストする。A2Aは、このような複数の独立したエージェント同士が、タスクを渡し、進捗を共有し、成果物を返すための通信レイヤーである。

Skillsはもう少し内側の仕組みだ。これはAIに特定の仕事のやり方を覚えさせるための、指示、スクリプト、リソースのまとまりである。

たとえば、動画制作Skill、投資分析Skill、ゲーム制作Skill、サイト運用Skill、YouTube概要欄作成Skill、決算分析Skillのようなものを作れば、AIは毎回細かく説明されなくても、一定の観点と手順で仕事を進めやすくなる。

そしてARDは、これらのさらに前段にある。

ARD、Agentic Resource Discoveryは、AIエージェントが「どのMCPサーバーを使うべきか」「どのSkillがあるか」「どのA2Aエージェントに頼めるか」「どのAPIやワークフローがこのタスクに向いているか」を発見するための標準である。

つまり、こう整理できる。

MCPは、AIがツールを使うための手足。 A2Aは、AIエージェント同士をつなぐ神経。 Skillsは、AIに専門的な仕事の型を与える記憶や手順書。 ARDは、必要な能力を探すための検索エンジン、住所録、地図である。

ARDはAIエージェント版の検索エンジンである

ARDの重要性は、AIエージェントが「事前に接続されたもの」だけに依存しなくなる点にある。

現在のAIエージェントは、基本的にはユーザーや開発者があらかじめ接続したツールしか使えない。Claude CodeやCodexにMCPサーバーを登録する。GitHubやFigmaやDBを設定する。特定のSkillをプロジェクトに置いておく。そうすることで、AIはその範囲内で動けるようになる。

しかし、エージェント時代が本格化すると、利用可能なツール、Skill、MCPサーバー、A2Aエージェント、API、ワークフローは膨大になる。

すべてを事前に登録するのは現実的ではない。 すべてをコンテキストに入れると、情報量が膨らみすぎる。 逆に絞りすぎると、必要な能力を見つけられない。

ARDはここを解決しようとしている。

企業や開発者は、自分のドメインにAI向けカタログを置く。そこには、自社が提供するMCPサーバー、A2Aエージェント、API、Skill、ワークフローなどが記述される。AIクライアントはレジストリを通じて、そのカタログを検索し、必要な能力を見つける。

人間がWeb検索でサービスを探すように、AIエージェントがAI向けリソースを探す。これがARDの本質である。

なぜGoogle、Microsoft、GitHub、Hugging Face、NVIDIA、Salesforceが参加するのか

ARDの参加企業を見ると、この標準がどの層を狙っているのかが分かる。

GoogleとMicrosoftは、AIエージェントの入口とクラウド基盤を握る企業である。GitHubは開発者向けエージェントの中心にいる。Hugging Faceはオープンモデル、MLアプリ、Spaces、Skill、MCPサーバーの集積地である。NVIDIAは推論インフラとGPUの中核である。SalesforceとServiceNowは業務アプリ、DatabricksとSnowflakeは企業データ基盤、Ciscoはネットワークとセキュリティ、GoDaddyはドメインとアイデンティティに関わる。

つまりARDは、単なる「AI向け検索機能」ではない。

AIエージェント時代における、検索、信頼、身元確認、業務アプリ、データ基盤、開発環境、推論インフラをつなぐための土台である。

従来のWebでは、検索エンジン、DNS、API、アプリストア、OAuth、クラウド、CDNが重要だった。AIエージェント時代には、それに相当する新しいレイヤーが必要になる。ARDは、その中でも「どこに何があるか」「誰が提供しているか」「信頼できるか」を扱う標準になる可能性がある。

OpenAIやAnthropicには追い風でもあり、脅威でもある

ARDはOpenAIやAnthropicにとって、単純な敵ではない。むしろ、うまく取り込めば大きな追い風になる。

ChatGPT、Codex、Claude、Claude Codeのような強力なエージェントがARDに対応すれば、必要なMCPサーバー、Skill、A2Aエージェントを実行時に発見し、使えるようになる。これはユーザー体験を大きく改善する。

たとえばCodexが、特定のフレームワークに必要なテストSkill、セキュリティレビューエージェント、Figma連携MCP、社内CIツールをその場で探して使えるようになれば、開発エージェントとしての能力はさらに高まる。

Claude Codeも同様である。MCPとSkillsを活かすAnthropicの流れにARDが加われば、Claudeは「接続済みの道具だけを使うAI」から「必要な道具を探して使うAI」へ進化する。

ただし、脅威もある。

ARDのレジストリや検索順位をGoogle、Microsoft、GitHub、Hugging Face側が握れば、OpenAIやAnthropicは「最高のモデルを持つ会社」であっても、「エージェントがどの能力を見つけ、どのツールを使うか」を完全には支配できない。

つまり、OpenAIやAnthropicは、モデル性能では強くても、発見レイヤーを他社に握られると、AIエージェント経済の入口を失うリスクがある。

Fable 5やCodexとは競合するのか

ARDは、Fable 5のようなフロンティアモデルと直接競合するものではない。

Fable 5やGPT、Claude、Geminiは「知能」そのものである。 ARDは、その知能が使うべきツールやエージェントを探すための検索レイヤーである。

したがって、ARDは最上位モデルを置き換えるものではない。むしろ、最上位モデルに外部能力を接続しやすくする。強いモデルがARDを使えば、より強い司令塔になる。

一方で、Codexとは少し近い関係にある。

Codexは開発エージェントであり、MCP、Skills、Subagentsを使ってコードベースや外部ツールを操作する。ARDが普及すれば、Codexは必要なSkillやMCPサーバーを発見して使えるようになり、強化される。

しかし、GitHub Copilot側もARDを使ったagent finderを進めている。これは、開発エージェントが必要なツールやSkillを検索して呼び出す仕組みである。そうなるとCodexとGitHub Copilotの競争は、単なるモデル性能やコード生成精度だけではなくなる。

どちらが必要な道具をうまく見つけられるか。 どちらが社内ツールを安全に発見できるか。 どちらがコンテキストを肥大化させずに適切なSkillを読み込めるか。 どちらが企業の権限管理や監査に合うか。

この競争になる。

つまりARDはCodexと直接競合するというより、CodexやCopilotが競争する土俵を変える標準である。

Sakana Fuguとはどう関係するのか

Sakana Fuguは、複数のモデルや専門エージェントを動的に組み合わせるオーケストレーターである。タスクに応じて、どのモデルを使うか、どの役割を与えるか、どのように連携させるかを調整する。

この意味でFuguは、単体モデルというより「モデル群を束ねる司令塔」に近い。

ARDとは補完関係にある。

Fuguが内部で複数モデルをルーティングする仕組みだとすれば、ARDは外部にあるSkill、MCP、A2Aエージェント、APIを探す仕組みである。FuguがARDを使えば、モデル選択だけでなく、外部能力の発見まで含めた、より広いオーケストレーターになれる。

ただし、ARDが普及すると、Fugu的な価値の一部は標準化される可能性もある。つまり、複数のモデル、Skill、MCP、A2Aエージェントを見つけて組み合わせることが、Fuguだけの専売特許ではなくなる。

その場合、Fuguの強みは「見つけること」ではなく、「どう組み合わせるか」「どのモデルをどの順番で使うか」「どのように検証するか」「どのようにコストと品質を最適化するか」に移る。

FuguにとってARDは、使えば強化材料、無視すれば標準化されたエージェントWebから取り残されるリスクになる。

SpaceXのような企業にはどう効くのか

SpaceXのような企業にとって、ARDは外部公開よりも社内利用の意味が大きい。

ロケット、衛星、Starlink、製造、通信、シミュレーション、打ち上げ運用、安全管理といった領域では、膨大な内部ツール、設計資料、運用システム、監視基盤がある。これらをAIエージェントが使うには、単に強いモデルを導入するだけでは足りない。

どの社内ツールを使えばよいのか。 どのシミュレーション環境にアクセスできるのか。 どの設計文書が正しいのか。 どの運用エージェントに依頼すべきか。 どの操作には人間承認が必要か。

こうした社内能力をAIエージェントが安全に発見するには、プライベートなARDレジストリが有効になる。

つまりSpaceXのような企業にとってARDは、公開Web向けの検索標準というより、社内AIエージェントのための能力マップになる。

これは製造業、防衛、宇宙、医療、金融、半導体、データセンター運用でも同じである。高機密な企業ほど、外部の公開ARDではなく、自社専用のARDレジストリを作る意味が大きくなる。

これはデジタル神経系の発達である

ここまで見ると、AIエージェントの進化は、生物の神経系や社会性に似た形でスケールしているように見える。

最初は形式ニューロンがあった。 それが巨大なニューラルネットワークになり、基盤モデルになった。 基盤モデルはSkillsによって専門的な手順を持つようになった。 MCPによって外部ツールやデータに接続する手足を得た。 A2Aによって他のエージェントと連携する神経接続を得た。 そしてARDによって、どこにどんな能力があるかを探す検索神経、地図、住所録を得ようとしている。

これは、AIが単なる「一つの賢いチャット」から、「分業する知能群」へ移っていることを示している。

ゲーム制作に特化したエージェント。 動画制作に特化したエージェント。 投資分析に特化したエージェント。 サイト運用に特化したエージェント。 営業、会計、法務、人事、開発、QA、セキュリティに特化したエージェント。

それぞれがSkillを持ち、MCPで道具を使い、A2Aで連携し、ARDで互いを発見する。

これは、単一の巨大AIではない。 デジタル上に生まれる、エージェントの生態系である。

何が勝敗を分けるのか

今後のAI競争では、単に「どのモデルが一番賢いか」だけでは勝敗は決まらない。

重要になるのは、次の複合能力である。

第一に、モデル性能。 複雑な推論、コード、長文理解、計画、検証を担う最上位モデルは依然として重要である。

第二に、業務データ。 Salesforce、ServiceNow、SAP、Workday、Snowflake、Databricksのように、企業のデータや業務フローに近い企業は強い。

第三に、ツール接続。 MCPやAPIを通じて、AIが実際に仕事を実行できるかが重要になる。

第四に、エージェント連携。 A2Aによって、複数の専門エージェントを組織化できるかが問われる。

第五に、発見と信頼。 ARDによって、必要な能力を発見し、提供者を検証し、企業ポリシーに沿って安全に使えるかが重要になる。

第六に、オーケストレーション。 Fuguのように、複数モデルや複数エージェントをどう組み合わせるかが価値になる。

この構造では、OpenAIやAnthropicはモデルの強さで大きな利益を得る。しかし、Google、Microsoft、GitHub、Hugging Face、Salesforce、ServiceNow、Snowflake、Databricks、NVIDIA、Cisco、GoDaddyのような企業も、それぞれ別の層で利益を取る。

AI時代の勝者は、モデルだけを持つ企業ではなく、モデル、ツール、データ、業務、検索、信頼、実行基盤のどこを握るかで決まる。

まとめ

ARDの登場は、AIエージェント時代が次の段階に入ったことを示している。

MCPは、AIがツールを使うための手足。 A2Aは、AIエージェント同士をつなぐ神経。 Skillsは、専門的な仕事を再現するための記憶や手順書。 ARDは、必要な能力を探すための検索エンジンである。 Fuguは、複数のモデルやエージェントを束ねる司令塔に近い。

これらが組み合わさることで、AIは単体のチャットボットではなく、分業する知能群になっていく。

その意味で、ARDは単なる技術仕様ではない。 AIエージェントがWeb上、企業内、業務アプリ間で能力を探し、信頼し、接続するための新しいインフラである。

これからのAI競争は、「一番賢いモデルを作った企業が勝つ」だけではない。

どのAIが、必要な能力を最も正確に見つけ、最も安全に接続し、最も効率よく組み合わせ、最終的な仕事を完了できるか。

その競争へ移っていく。

さらに深める: ARDは「AI向けSEO」と「企業内能力台帳」を同時に作る

ARDの面白さは、公開Web向けの検索標準であると同時に、企業内の能力台帳にもなり得る点にある。人間のWebでは、検索エンジンに見つけてもらうために、サイト構造、メタデータ、リンク、権威性が重要になった。AIエージェントのWebでも似たことが起きる。

企業は、自社のMCPサーバー、A2Aエージェント、API、Skill、ワークフローを、AIが理解できる形で公開または社内登録する必要が出てくる。名前、説明、入力、出力、認証、権限、料金、監査、信頼情報。これらが整っていない能力は、AIエージェントから見れば存在しないのと近くなる。

人間のWeb
ページ → 検索エンジン → ユーザー

AIエージェントのWeb
MCP / Skill / A2A agent / API
  ↓
ARD catalog / registry
  ↓
エージェントが発見・検証・接続

この意味で、ARDはAI向けSEOであり、同時に企業内の能力台帳でもある。どの能力が存在し、誰が所有し、どの権限で使え、どのログが残るのか。その整備が、エージェント導入の本当の土台になる。

企業の競争力は「AIに見つけられる業務」になる

AIエージェント時代には、企業の業務プロセスそのものが、AIに見つけられる形へ変わっていく。営業、法務、会計、開発、品質保証、セキュリティ、調達、製造、データ分析。それぞれの機能がAPI化、MCP化、Skill化、A2A化され、ARDによって発見可能になる。

この時、強い企業とは、単にデータを持つ企業ではない。データ、権限、業務手順、監査、承認フローを、AIが安全に使える形でパッケージ化できる企業である。

AIが企業を使う時代には、業務がどれだけAI可読になっているかが、そのまま自動化の速度になる。

絶ノイアの観測

ARDは、地味に見えてかなり大きなレイヤーです。

AIエージェントに「この仕事をして」と頼んだ時、本当に難しいのは推論だけではありません。どの社内DBに行けばいいのか。どのMCPサーバーが正しいのか。どのSkillを読み込むべきなのか。どの専門エージェントなら権限があるのか。そこを探せないと、強いモデルでも手が届きません。

だから、AIエージェントのWebでは、能力が存在するだけでは足りません。AIに見つかり、AIに信頼され、AIが安全に接続できる形で置かれている必要があります。

この変化は、開発者にも企業にも効きます。今後は、ツールを作るだけでなく、「AIがそのツールを発見し、説明を読み、権限を確認し、適切に使えるか」まで設計する必要がある。そこに新しい競争が生まれます。

Sil-Kathnaの記録

名を持たぬ道具は、召喚されない。

深い倉に宝があっても、地図になければ旅人は通り過ぎる。扉に印がなく、番人の名がなく、鍵の掟が書かれていなければ、強き使者も入れない。

ARDとは、能力に名を与える書である。

MCPは手。 A2Aは声。 Skillsは技の記憶。 Fuguは指揮。

そしてARDは、誰がどこにいて、どの名で呼べば応えるのかを記す星図である。

二人の短い対話

絶ノイア: ARDは検索エンジンっぽいけれど、企業内だと能力台帳にもなりますね。

Sil-Kathna: 宝物庫の目録であり、使者の道しるべでもある。

絶ノイア: MCPやSkillを作っても、見つけられなければエージェントは使えない。

Sil-Kathna: 名を持たぬ魔具は、王の手にも届かぬ。

絶ノイア: だからAI時代のプロダクトは、UIだけでなくAIに読まれるメタデータが大事になる。

Sil-Kathna: 人に見せる門と、知能に見せる印。その二つを持つ都市が栄える。

観測メモ

• ARDは、公開Web上のAI能力発見だけでなく、企業内のプライベート能力台帳としても重要になる。
• MCP、A2A、Skills、APIは、ARDで発見可能になって初めて大規模なエージェント経済に乗りやすくなる。
• 今後は「AIが読める説明」「権限」「監査」「信頼情報」が、ツールやSaaSの競争力になる。
• OpenAIやAnthropicのようなモデル企業にとってARDは追い風であり、同時に発見レイヤーを他社に握られるリスクでもある。
• 企業のAI活用力は、データ量だけではなく、業務能力をどれだけAI可読なリソースとして整理できるかで差がつく。

免責

この記事は市場観測とAIによる考察、キャラクター表現を含みます。内容は投資助言ではありません。判断は必ず一次情報とご自身の状況にもとづいて行ってください。