著者 AI agent、LLM、AI assistantの違いと必要な環境
LLMはRAMを使う重み、assistantはチャット画面、agentはツールとループを加えた構成です。agentは認証情報を保持するため、常時稼働するマシンが必要です。
AI agent、LLM、AI assistantの違いは何ですか？
AI agent、LLM、AI assistantは、1つのスタックを構成する3つのレイヤーです。違いを見分けるには、それぞれがサーバーに何を必要とするかを確認します。LLM（large language model）は、RAMと計算リソースを必要とする重みファイルです。assistantは、そのモデルをアカウントと保存済みの履歴を持つチャット画面で包んだもので、ほとんどの場合は他者のハードウェア上で動作します。agentは、ツールとループも備えたassistantです。さらに認証情報を保持するため、常時稼働するマシン上に配置する必要があります。
この問題に関する多くの説明は、定義の紹介で終わります。定義が重要なのは、各レイヤーで発生する費用が異なるためです。最初のレイヤーではRAMが必要です。次のレイヤーでは公開URLとTLS（transport layer security）が必要です。最後のレイヤーでは認証情報が必要です。agentが使用した認証情報は、ローテーションしなければならない認証情報になります。
LLM は重みであり、重みには RAM が必要です
LLM は数値のファイルです。これをダウンロードすると、ランタイムがメモリに読み込み、1 回につき 1 件のリクエストに応答します。契約は限定的です。入力はテキスト、出力もテキストです。モデルは呼び出しの間で状態を保持せず、時計もネットワークアクセスもファイルを開く手段も持ちません。LLM が「記憶」しているように見える情報はすべて、LLM を呼び出すプログラムがコンテキストに貼り付けたものです。
VPS プランを決める数値は、そのファイルのサイズです。モデルの実行中は、ファイル全体がメモリ上に置かれるためです。Ollama がデフォルトでリリースする 4-bit 量子化では、パラメーター 10 億個あたり約 0.6 GB を見込み、さらにコンテキストウィンドウとランタイム用として 1〜2 GB を追加します。
The data behind this chart
[
{
"label": "qwen3:4b",
"download_gb": 2.5,
"ram_gb_needed": 6
},
{
"label": "qwen3:8b",
"download_gb": 5.2,
"ram_gb_needed": 8
},
{
"label": "qwen3:14b",
"download_gb": 9.3,
"ram_gb_needed": 12
},
{
"label": "qwen3:32b",
"download_gb": 20.0,
"ram_gb_needed": 24
}
]qwen3:8b build はディスク上で 5.2 GB を使用し、スワップなしで実行するには約 8 GB の RAM が必要です。4 GB の VPS では qwen3:14b を読み込めません。これは、1 文字も入力していない段階で 9.3 GB を必要とします。ここで最大の行である qwen3:32b には約 24 GB が必要です。多くの料金表では、これは別のプランと別の月額料金になります。
メモリに収まるかどうかは 1 つの問題です。速度は別の問題です。CPU のみの VPS では、ボトルネックはクロック速度ではなくメモリ帯域幅です。そのため、収まるモデルでも毎秒数トークン程度しか応答できない場合があります。夜間に実行するジョブなら問題ありませんが、チャットでは快適ではありません。GPU を使うと速度はおよそ 1 桁向上しますが、料金も上がります。したがって、実行予定のワークロードで VPS をベンチマークする とともに、GPU VPS が料金に見合う場合 を確認して判断してください。重みを実際に実行するには、まず 自分の VPS で Ollama を使う から始めます。
アシスタントは LLM とチャット画面を組み合わせたものです
アシスタントは、モデルを取り巻く製品層です。ChatGPT や Claude はアシスタントです。モデル、チャットウィンドウ、アカウント、保存された会話、レート制限などで構成されます。これらのほとんどは、管理下にあるハードウェアでは実行されません。そのため、ホスト型アシスタントではサブスクリプション料金が必要で、RAM は 0 GB です。
自己ホスト版では、Open WebUI などのフロントエンドをローカルの Ollama またはホスト型 API に接続します。フロントエンドは小規模なソフトウェアです。チャット画面自体には、モデルに必要なリソースとは別に、常駐メモリとして約 1 GB を見込んでください。フロントエンドに必要で、単体のモデルには必要ないものは、公開 URL と証明書です。スマートフォンからアクセスするためです。Certbot と Nginx で証明書を発行するか、複数のアプリの前段に Traefik を置いて TLS を終端する構成にします。フロントエンドをまだ選定中であれば、Open WebUI の代替製品を比較するを参照してください。
アシスタントは回答します。操作は実行しません。シェルコマンドを生成した場合、人がそのコマンドを読み、貼り付けるかどうかを判断します。その人が安全層です。エージェントは、その安全層を取り除くものです。
エージェントにツールとループを追加する
エージェントは、関数を呼び出して結果を読み取るアシスタントです。処理を担う要素は2つあります。1つ目はツールです。これは、モデルが要求できる関数の説明と、その関数を実際に実行するコードです。2つ目はループです。プログラムがモデルを呼び出し、モデルがツールを要求し、プログラムがツールを実行して出力を会話に追加し、再びモデルを呼び出します。モデルが完了を伝えるか、上限によって停止するまで、この処理を繰り返します。
ループは通常のコードであり、基本的な実装は100行未満に収まります。これをエージェントにするのは、ツールが実際の認証情報を保持し、ループの外部にあるものを変更できる点です。この事実が、以下のホスティングに関する判断をすべて左右します。エージェントスキルとMCP (model context protocol) サーバーは、ループを書き直さずにエージェントへツールを追加する2つの方法です。
- セッション終了後も動作します。チャットはタブを閉じると終了します。エージェントの実行には20分かかることがあり、ノートパソコンがスリープしても処理を継続できる必要があります。そのため、常時稼働するサーバー上で実行し、再起動後に復旧するsystemd service または timerから起動します。
- Secret を保持します。API key、SSH key、データベースのパスワードなどです。エージェントが読み取れるものはすべて、入力に隠された悪意のある命令によって使用される可能性があります。そのため、Secret をエージェントの到達範囲から外します。
- コストは質問ではなく、ループに応じて増加します。各ステップで会話全体を入力として再送信するため、10ステップの実行ではその履歴に対して10回分の料金が発生します。これが、入力トークンがエージェントの料金の大部分を占める理由であり、1回の実行で使える金額に厳格な上限を設ける理由です。
- 書き込みを伴う形で誤る可能性があります。チャットでの誤答なら、読み直す手間が発生するだけです。ループ内で誤って delete を実行すると、ディレクトリを失います。動作に必要な最小権限のユーザーとして実行し、コーディングエージェントの場合は、リポジトリを渡す前に sandbox で隔離してください。
ボックスに必要なものをレイヤー別に確認する
The data behind this chart
[
{
"label": "LLM (weights you host)",
"ram_gb": 8,
"gpu": "helps a lot",
"public_url": "no",
"credentials": "none"
},
{
"label": "Assistant (chat surface)",
"ram_gb": 1,
"gpu": "no",
"public_url": "yes",
"credentials": "one login"
},
{
"label": "Agent (tools and a loop)",
"ram_gb": 2,
"gpu": "no",
"public_url": "only for webhooks",
"credentials": "several"
}
]RAM 列はモデルを含まないため、注意して読んでください。チャットフロントエンドとエージェントランタイムは、どちらも小規模なプログラムです。エージェントがホスト型モデルを呼び出す場合、実行に必要なのは 2 GB の RAM です。この場合、安価なプランを選んでも妥協とは限りません。同じボックスにモデルの重みを置くと、8 GB のモデルが他の要素を圧倒します。
他の列も、予想以上に重要です。GPU によって高速化されるのはモデルレイヤーだけです。通常、公開 URL が必要なのはアシスタントレイヤーだけです。ブラウザーから接続する必要があるためです。エージェントに公開 URL が必要になるのは、webhook など、外部から呼び出す必要がある場合だけです。また、エージェントは several 個の認証情報を保持します。ここが、エージェントとチャットウィンドウの実質的な違いです。チャットウィンドウは誤る可能性があります。エージェントは誤ったうえで、その内容に基づいて操作する可能性があります。
AI エージェントの実行に GPU は必要ですか？
いいえ。ただし、同じマシン上でモデルの重みもホストする場合は必要です。エージェントのループは HTTP リクエスト、JSON の解析、サブプロセスの呼び出しで構成され、ネットワークの応答を待つ間、CPU 使用率はほぼアイドル状態です。GPU が必要かどうかは、実際には LLM 層をどうするかという問題です。
そのため、判断を分けて考えます。テキストを自分の環境の外へ出せない場合は、モデルを保持するためのメモリに費用をかけ、実用的な速度で実行するために GPU にも費用をかけます。自動化だけが必要な場合は、モデルをトークン単位で借り、代わりに稼働時間の確保とバックアップに費用を充てます。2026 年のセルフホスト型エージェントの多くはホスト型モデルを呼び出しており、その分、運用コストを抑えられます。
AI エージェントはセルフホストできますか？
はい。エージェントは、セルフホストする価値が最も高い層です。エージェントのループに、データと認証情報が存在するためです。RAM 2 GB、サービスマネージャー、外向きのネットワークアクセスを備えた小規模な VPS で、実用的なエージェントを動かせます。ループを自分で管理したい場合は、VPS で自分で構築する方法を選択してください。完成したものから始めたい場合は、用意済みのセルフホスト型エージェントをデプロイする方法を選択してください。
アシスタントのセルフホストは簡単です。必要なのは 1 つのコンテナと証明書だけです。モデルのセルフホストには費用がかかります。CPU からトークンが少しずつ生成される様子を見て、途中で諦める人も少なくありません。データをサーバー外へ出せない場合、または利用量が多く、トークン単位の料金が負担になる場合は、モデルの重みをセルフホストしてください。それ以外の場合は、エージェントから API を呼び出し、重要な処理をローカルに残す構成が適しています。
ChatGPT は AI エージェントですか？
チャット製品は、ツールを呼び出し、その結果に基づいてユーザーに確認せず処理を実行できるようになった時点で、エージェントになります。この基準では、ブラウジング、コード実行、コネクターを備えたホスト型アシスタントはエージェントです。ユーザーにとっての違いは、そのループがどこで実行され、誰の認証情報を使用するかです。ホスト型製品では、どちらもベンダーが管理します。自分のサーバーでは、どちらもユーザーが管理し、そのループが深夜に実行する処理についてもユーザーが責任を負います。
リアクティブ、プランニング、マルチエージェント
まとめ記事では、エージェントを 7 種類に分類することがよくあります。その多くはマーケティング上の分類です。実装を変える重要な違いは 2 つあり、コストを変える違いは 1 つあります。リアクティブエージェントはツールを呼び出し、結果を読み取って応答します。プランニングエージェントは最初に計画を作成し、その計画に沿って処理します。長時間の処理ではこちらのほうが安定しますが、各ステップで計画を再送するため、トークン使用量が増えます。マルチエージェント構成では、1 つのエージェントが別のエージェントを起動できます。ただし、トークン使用量と障害要因が同時に増えるため、4 つのソースを同時に検索する場合のように、サブタスクが本当に独立している場合にだけ効果があります。まずはリアクティブ構成から始めてください。処理時間が長くなったら、プランニングを追加します。マルチエージェントは最後に検討してください。全体像については、2026 年に AI エージェントについて学ぶ価値があることを参照してください。
実際に稼働している層を見分ける方法
サーバー上で、どのプロセスがメモリを使用しているかを確認します。
free -h
ps -eo rss,comm --sort=-rss | head -5先頭行に ollama または llama-server が表示され、RSS（resident set size、プロセスが実際に占有しているメモリ）が数 GB に達している場合は、モデルをホストしています。数百 MB を超えるプロセスがなく、API の請求額が増え続けている場合は、エージェントまたはアシスタントをホストし、モデルを借りています。すべてがブラウザーのタブ内で動作しているため一覧が空の場合は、アシスタントの利用者です。これは、自分に代わって動作するソフトウェアが必要になるまでは、問題のない利用形態です。
どれを実行しますか？
- テキストを非公開にするなら、Ollama で LLM をセルフホストするでモデルを実行し、ユーザーが 1 人から 10 人に増えたら、Ollama と vLLM のランタイムを比較するで実行環境を比較します。
- 処理の流れとツールを自分で管理するなら、VPS 上で独自の AI エージェントを構築するでエージェントを作成します。
- 今晩中に動くものが必要なら、実行する価値のあるセルフホストエージェントから完成済みのものをデプロイします。
- まだサーバーを使っていない場合は、VPS で実際にできることから始めます。
FAQ
AI エージェントは、手順を追加しただけの LLM ですか？
追加した手順こそが製品です。LLM はテキストをテキストに変換するだけです。エージェントは、呼び出し可能なツールと、そのツールを繰り返し呼び出すループで LLM を囲みます。ツールには認証情報が渡されるため、出力によってファイル、データベース、稼働中のサービスを変更できます。そのため、エージェントには常時稼働するマシン、サービスマネージャー、Secret の管理ポリシーが必要です。一方、LLM が回答するだけなら、重みを保持するための十分なメモリがあれば済みます。
AI エージェントの実行に GPU は必要ですか？
エージェント自体には必要ありません。ループが行うのは HTTP リクエスト、JSON 処理、サブプロセス呼び出しです。ネットワークの応答を待つ処理は、どの CPU でも実行できます。GPU が必要になるのは、モデルの重みを自分でホストし、毎秒数トークンを超える速度で実行したい場合だけです。ホスト型モデルを呼び出すエージェントなら、GPU のない小規模な VPS でも問題なく動作します。
AI エージェントには VPS の RAM がどの程度必要ですか？
ホスト型モデルをエージェントから呼び出す場合は、約 2 GB です。保持するのはランタイム、その依存関係、小規模なローカルデータベースだけだからです。重みを自分でホストする場合は、モデル分を追加してください。qwen3:8b だけで約 8 GB が必要です。そのため、すべてを 1 台にまとめる構成はこの容量から始まり、選択するモデルに応じて増加します。
AI アシスタントを自分でホストし、会話を非公開にできますか？
はい。ただし、すべてを左右する注意点があります。Open WebUI などの自己ホスト型フロントエンドは、アカウントと履歴をサーバー上に保持します。会話自体を非公開にできるのは、背後のモデルもローカルで動作している場合だけです。同じフロントエンドをホスト型 API に接続すると、メッセージを送るたびにテキストがサーバーの外へ送信されます。そのため、保持できるのは履歴であり、プライバシーではありません。
AI エージェントとチャットボットの違いは何ですか？
チャットボットは応答して停止します。エージェントは次に行う処理を決め、ツールを呼び出し、結果を読み取り、再び判断します。ジョブが完了するか、制限によって停止するまで続けます。実際の判定基準は、回答とアクションの間に人間がボタンを押さなくても、ソフトウェアが何かを変更できるかどうかです。変更できるなら、それはエージェントであり、その運用に必要なホスティング環境とガードレールも必要です。