ツール拡張生成（ツールカクチョウセイセイ）
外部ツールの呼び出し結果をLLMのテキスト生成プロセスに統合し、正確性・最新性・計算能力を補完する手法。RAGの概念を検索以外のツール全般に拡張したアプローチとして位置づけられる。
ツール拡張生成とは
ツール拡張生成（Tool-Augmented Generation / TAG）とは、LLMが生成する回答の中で外部ツールの実行結果を適切に組み込む手法の総称である。RAG（Retrieval-Augmented Generation）が検索に特化しているのに対し、TAGは計算エンジン・API・コード実行・データベースクエリなど幅広いツールを統合対象とする。2025年以降、エージェント型AIの普及に伴い、TAGは単なる情報補完から自律的なタスク実行基盤へと進化している。
概要と背景
LLM単体では以下の限界がある。
- リアルタイム情報の取得ができない（学習データのカットオフ）
- 数値計算の精度が低い（特に多桁の四則演算や統計計算）
- 構造化データへのアクセスができない（データベース・スプレッドシート）
- 外部システムとの連携ができない（メール送信・予約・決済）
TAGはこれらの限界を外部ツール連携で補完する。2023年のToolformer論文（Meta AI）が学術的な基盤を築き、2024〜2026年にかけて実用化が急速に進んだ。
TAGのアーキテクチャパターン
| パターン | 特徴 | 代表的な実装 | 適用場面 |
|---|---|---|---|
| インライン呼び出し | 生成途中でツールを呼び出し、結果を埋め込む | ChatGPT Code Interpreter | リアルタイム計算 |
| 事前取得型 | 生成開始前にツールで情報を取得してコンテキストに追加 | RAG、事前検索 | 情報補完 |
| 事後検証型 | 生成後にツールで事実確認し、誤りを修正 | Factuality checking | 正確性向上 |
| マルチステップ | 複数ツールを段階的に呼び出して結果を積み上げ | LangGraph Agent | 複雑タスク |
| 並列実行型 | 独立した複数ツールを同時に呼び出し結果を統合 | Claude parallel tool use | 低レイテンシ |
ツール統合の品質指標
TAGの品質は以下の指標で評価される。
- ツール選択精度（Tool Selection Accuracy）: 正しいツールを選択した割合。GPT-4oで92%、Claude 4 Sonnetで94%（BFCL v3ベンチマーク、2026年1月）
- 引数生成精度（Argument Accuracy）: ツール引数が正しく生成された割合。複雑なネストJSONで精度が低下しやすい
- 結果統合品質（Integration Quality）: ツール結果を自然な文章に組み込めているかの評価。人間評価で4.2/5.0が業界平均
- エンドツーエンド正確性（E2E Accuracy）: 最終回答の事実正確性。ツール使用時はLLM単体比で平均35%向上
- レイテンシオーバーヘッド: ツール呼び出しによる応答時間増加。平均1.5〜3秒/ツール呼び出し
実装上の主要課題と対策
- 幻覚ツール呼び出し: 存在しないツールや不正な引数を生成する問題。Structured Outputモードとスキーマバリデーションで対処
- 過剰ツール依存: 単純な質問にも不要なツールを呼び出す問題。コスト意識のプロンプト設計とツール呼び出し閾値の調整で対処
- コンテキスト汚染: 大量のツール結果がコンテキストウィンドウを圧迫する問題。結果の要約・フィルタリングパイプラインで対処
- ツール結果の信頼性: 外部APIが不正確なデータを返す場合の対処。複数ソースの交差検証パターンが有効
- レイテンシ最適化: ストリーミング対応とツール呼び出しの並列化が標準的な対策
主要プラットフォームの対応状況
| プラットフォーム | TAG実装名 | 最大コンテキスト | ツール結果統合方式 |
|---|---|---|---|
| Claude 4 Opus | Tool Use + MCP | 200K tokens | ストリーミング中間結果 |
| GPT-4o | Function Calling + Code Interpreter | 128K tokens | Structured Outputs |
| Gemini 2.0 Pro | Function Calling + Google Search Grounding | 2M tokens | Grounding metadata |
| Llama 3.3 70B | Tool Calling | 128K tokens | vLLM Tool Parser |
よくある質問（FAQ）
Q1: TAGとRAGの違いは何ですか？ A: RAGは外部文書検索に特化したTAGの一種である。TAGはRAGの概念を検索以外（計算・API・コード実行・DB操作等）に拡張した上位概念。実務ではRAGもTAGパイプラインの一コンポーネントとして組み込まれることが多い。
Q2: TAGを導入するとコストはどれくらい増えますか？ A: ツール定義のトークン消費（全ツールで約1,000〜5,000トークン追加）と、ツール結果のコンテキスト投入（結果1件あたり500〜2,000トークン）が主な追加コスト。一般的にLLM推論コストの1.5〜3倍となるが、回答精度向上による手戻り削減を考慮すると総合コストは改善するケースが多い。
Q3: オフラインでもTAGは使えますか？ A: ローカルLLM（Llama 3.3、Qwen 2.5等）とローカルツール（ファイル操作、ローカルDB、計算エンジン）の組み合わせでオフラインTAGは実現可能。ただし外部API依存のツール（Web検索、天気予報等）はオンライン接続が必要となる。
まとめ
- ツール拡張生成はLLMの限界を外部ツール連携で補完する包括的な手法
- RAGは検索特化のTAG、TAGは全ツールを統合する上位概念
- ツール選択精度・引数生成精度・結果統合品質が品質の3要素
- 2026年現在、MCPによるツール連携の標準化が進行中
- 幻覚ツール呼び出しとコンテキスト汚染が主要な技術課題