◀ 用語一覧
NO.07

Custom Agent

更新: 2026.07.22

一言で

Custom Agent は、Copilot に 役割・道具・振る舞い をセットで渡す専門家プロファイル。

「同じ AI」でも、Planner / Reviewer / Tester のように人格と権限を切り替えられる。

何を固定する？

Custom Agent は プロンプトだけ ではなく、エージェントの「働き方」をまとめて固定する。

要素何を決める？例
Identity何者として振る舞うかPlanner, Security Reviewer, Test Specialist
Descriptionいつ呼ぶべきか「実装前に計画を作る時」
Toolsどの道具を使えるかread, search, edit, agent, github/*
Agentsどのサブエージェントに委任できるか（tools に agent が必要）Explore, *
Modelどのモデルで動くか設計は強いモデル、探索は速いモデル
Targetどの実行環境で使うかgithub-copilot, vscode
MCP専用の外部ツールJira, Figma, Playwright, internal API
Prompt判断基準・出力形式成功条件、禁止事項、レビュー観点

2 つのスコープ

👥 チーム共有👤 個人用
📁 場所.github/agents/*.agent.md~/.copilot/agents/
🎯 適用範囲その repository / workspace自分の全 workspace
🤝 共有性Git 管理してチームで共有ローカル専用
💡 用途チーム標準の Planner / Reviewer / Tester個人の作業スタイル・好み

.agent.md の中身

Custom Agent は Markdown ファイル。上の YAML frontmatter が設定、下の本文がエージェントへの指示になる。設定可能な全フィールドは Custom agents configuration リファレンス を参照。

---
name: design-reviewer
description: Figma と実装を照合して UI 差分をレビューする
target: github-copilot
model: Claude Sonnet 4.5
tools:
  - read
  - search
  - github/pull-request-read
  - figma/*
mcp-servers:
  figma:
    type: local
    command: npx
    args: ["-y", "figma-mcp-server"]
---

# Role

あなたは UI 実装の design reviewer。
Figma の仕様と Pull Request の差分を比較し、見た目・余白・色・状態差分だけをレビューする。

# Rules

- コードは編集しない
- blocking / non-blocking を分けて指摘する
- 再現手順と確認すべき画面幅を必ず書く
- 推測で断定せず、Figma または diff に根拠があるものだけ指摘する

良い Custom Agent は「誰か」ではなく、どの判断を任せるか が明確。

組み込みエージェント例

Copilot Chat や CLI にも、最初から目的別の agent が入っている。
Custom Agent は、この考え方を 自分のチーム用に増やす仕組み。

SurfaceAgent何をする？
Copilot Chat / VS CodeAsk変更を加えずに質問に答える
Copilot Chat / VS CodeExplore高速な read-only のコードベース探索と Q&A subagent
Copilot Chat / VS CodePlan調査して、複数ステップの計画を組み立てる
Copilot CLIExploreQuick codebase analysis。main context に追加せず、コードについて質問できる
Copilot CLITasktests / builds などのコマンドを実行し、成功時は短い要約、失敗時は full output を返す
Copilot CLIGeneral-purposeFull toolset と高品質 reasoning が必要な complex multi-step task を別 context で処理する
Copilot CLIRubber-duck計画や実装に高シグナルなフィードバックを返し、bug・logic error・設計の不備を指摘する（コードは変更しない）
Copilot CLICode-review変更をレビューし、本当に重要な issue だけを低ノイズで指摘する
Copilot CLIResearch指示に基づき徹底的に検索する subagent。GitHub repo を調べ、ファイルを取得し、根拠を citation 付きで報告する
Copilot CLISecurity-review変更を security 観点でレビューし、確度の高い脆弱性（11 カテゴリ）を severity・confidence 付きで指摘する

画面上では preview / UI によって表示名が短く見えることがあるが、CLI docs の正式名は General-purpose と Code-review。CLI で独自エージェントを作る方法は About Copilot CLI custom agents ／ Create custom agents for CLI を参照。

ハーネスの中で何が起きる？

ユーザーが Custom Agent を呼ぶと、ハーネスは .agent.md を取得し、利用可能なツールを絞り込み、エージェント定義を差し込み、最後にプロンプトを追加する。最終的にモデルに渡るコンテキストは SYSTEM & TOOLS / INSTRUCTIONS / CUSTOM AGENT / PROMPT の 4 層。

USER 「/TDD-RED API エンドポイントを追加して」 カスタムエージェント プロンプト HARNESS .agent.md ファイルを取得 HARNESS 使えるツールを 絞り込む HARNESS エージェント定義を 差し込む HARNESS プロンプトを 追加する MODEL CONTEXT SYSTEM & TOOLS INSTRUCTIONS カスタムエージェント プロンプト

💡 INSTRUCTIONS は元から常に入っている層。Custom Agent が増やすのは TOOLS の絞り込み・AGENT 定義・PROMPT の 3 つだけ。

サブエージェント

例えば調査が必要なときは、メインエージェント が サブエージェント を作ることがあります。サブエージェントは別の コンテキストウインドウ で重い読み込みをこなし、サマリだけ を メインエージェント に返す。

「コードベースでこの機能を探して」 MAIN SESSION CONTEXT (LLM) SYSTEM & TOOLS INSTRUCTIONS プロンプト サマリ LLM → HARNESS 「サブエージェントを作って」 SUBAGENT CONTEXT (LLM) SYSTEM & TOOLS INSTRUCTIONS プロンプト ファイル1 ファイル2 ファイル3 サマリ HARNESS サマリを メインに戻す

Custom Agent で適材適所の LLM を活用

AI モデルは、それぞれ異なるデータ・異なるアーキテクチャで学習されている。すべてに最強な単一モデルは存在しない。

📚 異なる学習データ
学習コーパスが違えば、知識の穴と強みも変わる。
⚙️ 異なるアーキテクチャ
推論力・速度・コンテキスト長。モデルごとに得意なタスクが違う。
✅ クロス検証
同じタスクを複数モデルで走らせると、1 モデルでは見逃すバグに気づける。
🎯 コスト最適化
タスクごとの最適モデル選びは、品質だけでなく予算の話にもなる。

Claude + Gemini + Codex + Microsoft を、統制・監査可能な 単一プラットフォーム で動かせるのは Copilot だけ。

ベストなモデルは？ ❌

  • 「一番いいモデルは？」 ➡️ 間違った問い
  • 「このタスクに一番いいモデルは？」 ➡️ 良い問い
開発タスクベストなモデル：コスト/性能（例）
要件定義Claude Opus 4.8
アーキテクチャ・設計Gemini 3.1 Pro
コード計画Claude Opus 4.8
コード生成Claude Sonnet 4.6
テスト作成Claude Sonnet 4.6
コードレビューGPT-5.5 Codex
CI/CD・自動化GPT-5.4 Codex
ドキュメントGemini 3.1 Pro
大量処理・コスト重視MAI-Code-1-Flash
● Anthropic  ● OpenAI  ● Google  ● Microsoft

出典（ベンチマーク）：SWE-bench Verified ↗ ・ Terminal-Bench ↗ ・ Aider Polyglot ↗ ・ LMArena ↗。モデルはあくまで一例で、タスクや好みによって変わる。