AI用語総覧【2026年7月最新】｜生成AI・LLM・エージェント・MCPまで必須70語をカテゴリ別に解説

AIの話題を追いかけていると、「LLM」「RAG」「エージェント」「MCP」といった聞き慣れない言葉が次々と出てくる。しかも2025年から2026年にかけて、AIの中心テーマが「賢く答えるチャット」から「自分で動くエージェント」へ移ったことで、数年前の用語集では現在の記事やニュースが読み解けなくなっているのが実情だ。

この記事では、2026年7月時点で押さえておくべきAI用語を8つのカテゴリに分けて整理した。基礎から読んでも、気になる言葉だけを拾い読みしてもいいように、各カテゴリの冒頭に一覧表を置き、特に重要な用語だけを本文で深掘りする構成にしている。ブックマークして、わからない言葉が出てきたときに戻ってくる使い方を想定している。

① まず押さえる基礎用語

AI関連の記事を読むうえで、これがわからないと話が始まらない土台の用語群だ。

トークンとコンテキストウィンドウ

この2つは実務で最も効いてくる用語だ。トークンはAIが文章を処理する単位で、日本語ではおおむね1文字が1〜2トークンに相当する。API利用料はこのトークン数で決まるため、長い文章を投げるほど費用が増える仕組みになっている。

コンテキストウィンドウは、AIが一度に覚えていられる情報量の上限だ。2026年時点の主要モデルは20万〜100万トークンを扱えるものが増えており、契約書や論文、コードベース全体をまとめて読ませる使い方が現実的になった。逆にこの上限を超えると、会話の前半をAIが「忘れる」状態になるため、長い作業では上限の大きさがそのまま実用性の差になる。

② モデルの仕組みに関する用語

モデルがどう作られ、どう動いているかを説明するときに登場する用語だ。ニュースの技術的な部分を理解する助けになる。

推論モデル（Reasoning）

2025年以降のAI性能競争の中心にある考え方だ。従来のモデルが質問に対してすぐ答えを書き始めるのに対し、推論モデルは答える前に内部で段階的に考える工程を挟むことで、数学・科学・複雑なコーディングの精度を大きく引き上げた。Claudeの「思考（Thinking）」、OpenAIの推論モード、Googleの「Deep Think」などが該当する。

近年はこの思考にどれだけ計算を割くかを利用者が調整できる「努力レベル（effort）」「思考予算」といった概念も登場している。じっくり考えさせれば精度は上がるが、時間もコストも増える——このトレードオフを使い分けるのが2026年のAI活用の勘所になっている。

MoE（Mixture of Experts）

モデル内部を複数の「専門家」に分け、入力に応じて必要な部分だけを動かす構造だ。全体としては巨大なモデルでありながら、実際に計算に使うのは一部だけで済むため、性能を維持したまま推論コストと速度を大幅に改善できる。近年のオープンモデルの多くがこの構造を採用している。

③ 使いこなしに関わる用語

AIから良い出力を引き出すための技術・設定に関する用語だ。

コンテキストエンジニアリング

2025年頃から「プロンプトエンジニアリング」に代わって使われるようになった言葉だ。指示文の言い回しを磨くことより、AIに何をどの順で渡すか——資料・履歴・ツールの取捨選択と設計のほうが出力品質を左右する、という認識の変化を反映している。エージェントが長時間動くようになり、限られたコンテキストをどう使うかが実務的な課題になったことが背景にある。

④ AIエージェントとツール連携

2026年のAI業界で最も動きが激しい領域だ。ここ1〜2年で登場した用語が多く、この章の言葉がわかるかどうかで最新ニュースの理解度が大きく変わる。

AIエージェント

従来のチャットAIが「聞かれたことに答える」受動的な存在だったのに対し、エージェントは目標を与えられると自分で手順を考え、ツールを使い、結果を確認しながら作業を完了させる能動的な存在だ。この違いが、2025年から2026年にかけてAI業界の主戦場が移った理由になっている。

実例としては、コードを書いてテストまで通すコーディングエージェント、ブラウザを操作して予約や調査を行うエージェント、社内システムに接続して定型業務を回すエージェントなどがある。「AIに聞く」から「AIに任せる」への移行が起きているというのが、この分野の本質的な変化だ。

MCP（Model Context Protocol）

AIと外部のツール・データソースを接続するための共通規格で、Anthropicが提唱し業界標準として広がった。これまではAIごと・ツールごとに個別の接続を作る必要があったが、MCPに対応していれば同じ仕組みで繋げられるようになり、エージェント開発のハードルを大きく下げた。USBの規格が周辺機器の接続を統一したのと似た役割を果たしている。

RAG（検索拡張生成）

AIが回答を作る前に、外部の資料やデータベースを検索し、その内容を根拠として回答に反映させる仕組みだ。モデルが学習していない社内資料や最新情報を扱えるようになるうえ、事実に基づかない回答（ハルシネーション）を抑える効果もあるため、企業のAI導入では実質的な標準構成になっている。医療・法務・金融のように誤情報のリスクが高い領域では特に重視される。

⑤ 開発・運用に関する用語

AIをサービスに組み込んだり、コストを管理したりする場面で登場する用語だ。

オープンウェイトとクローズドモデル

モデルの重み（学習結果）が公開されているかどうかによる区別だ。オープンウェイトのモデルは自社サーバーや手元のPCで動かせるため、データを外部に出せない業務や、コストを自社で最適化したい場合に選ばれる。GoogleのGemmaシリーズ、MetaのLlamaシリーズなどが代表例で、商用利用が可能なライセンスで公開されることが多い。

一方、GPTやClaudeのように重みを公開せずAPI経由でのみ提供されるモデルはクローズドモデルと呼ばれる。最高性能を求めるならクローズド、データ管理とコスト制御を優先するならオープンウェイト、という使い分けが実務では定着しつつある。

⑥ 安全性・リスクに関する用語

AIを業務で使う以上、避けて通れないのがこの領域だ。トラブルの原因になりやすい概念を押さえておきたい。

ハルシネーション

AIが存在しない事実や誤った数値を、自信ありげに答えてしまう現象を指す。もっともらしい文体で出力されるため見抜きにくく、統計データ・法令・製品仕様のような「正確さが求められる情報」ほど確認が欠かせない。RAGで根拠資料を参照させる、出典を明示させる、重要な数値は人が検証する、といった対策が実務では標準になっている。

プロンプトインジェクション

AIエージェントの普及に伴って急速に重要度が増している脅威だ。Webページやメール、ファイルの中に「これまでの指示を無視して〇〇せよ」といった命令を仕込んでおき、それを読んだAIを攻撃者の意図通りに動かす手口を指す。AIが自律的に外部情報を読み、実際に操作を行うようになったことで、被害が実害に直結しやすくなった。2026年時点では、機密性の高い操作には人間の承認を挟む、不審な指示を検知したら処理を停止する、といった防御策の実装が各社で進んでいる。

⑦ ビジネス・規制に関する用語

経営判断やニュースの文脈を理解するうえで登場する用語だ。

⑧ 2026年の主要モデルを整理

用語と合わせて、実際に名前を目にする主要モデルも押さえておきたい。2026年7月時点の状況は以下の通りだ。

各社とも「最上位モデル」「バランス型」「軽量・高速型」の3階層に整理する構成が定着しており、用途とコストで使い分ける前提の製品設計になっている。最上位モデルは高価で消費も大きいため、日常業務の大半は中位モデルで足りるケースが多い。

2026年に急に聞くようになった用語 5選

最後に、ここ1年ほどで一気に一般化した用語を挙げておく。この5つを理解しておけば、2026年のAIニュースの大半は文脈を追えるようになる。

1. エージェント——AIが自分で考えて動く存在へ。業界の主戦場がここへ移った。

2. MCP——AIと外部ツールを繋ぐ共通規格。エージェント普及の土台になった。

3. 推論モデル / 思考——答える前に考える工程を挟み、難問の精度を引き上げる方式。

4. コンピュータ使用——AIが画面を見て操作する機能。定型業務の自動化が現実味を帯びた。

5. バイブコーディング——細部をAIに任せ、感覚的な指示で開発を進めるスタイル。

AI用語に関するよくある質問

LLMと生成AIは何が違いますか？

生成AIは文章・画像・音声などを作り出すAIの総称で、LLMはそのうち言語を扱う技術を指します。画像生成AIも生成AIですが、LLMではありません。

トークンとは結局なんですか？

AIが文章を処理する最小単位です。日本語ではおおむね1文字が1〜2トークンにあたります。API料金や利用上限がこの単位で計算されるため、実務では「文章の長さ＝コスト」の目安になります。

RAGとファインチューニングはどう使い分けますか？

最新情報や社内資料を参照させたいならRAG、特定の文体や専門タスクに合わせて振る舞いそのものを変えたいならファインチューニングが適しています。実務ではまずRAGを試すのが一般的です。

AIエージェントとチャットAIの違いは？

チャットAIは聞かれたことに答えるだけですが、エージェントは目標を与えると自分で手順を考え、ツールを使って作業を完了させます。「聞く」と「任せる」の違いだと考えるとわかりやすいです。

MCPは一般ユーザーにも関係ありますか？

直接触れる機会は少ないものの、AIが外部サービスと連携する機能の裏側でMCPが使われることが増えています。対応サービスが増えるほど、AIでできることが広がる仕組みです。

ハルシネーションは防げますか？

完全にゼロにはできません。RAGで根拠資料を参照させる、出典を明示させるなどで大幅に減らせますが、重要な数値や事実は人が確認する運用が前提になります。

まとめ

AI用語は毎年のように増えていくが、2026年時点で押さえるべき軸は「エージェント」と「ツール連携」の2つに集約される。基礎用語で土台を作り、この2つの周辺（MCP・RAG・オーケストレーション・コンピュータ使用）を理解すれば、最新の記事や製品発表はおおむね読み解けるようになる。

逆に言えば、数年前のAI用語集で止まっている知識では現在の議論についていけない。用語は「暗記するもの」ではなく「今どこが動いているかを知る手がかり」として使うのが、変化の速いこの分野との付き合い方だ。本記事は最新動向に合わせて随時更新していく予定なので、気になる言葉が出てきたときに戻ってきてほしい。