AI Agentの「成人式」：シミュレーション訓練から実際の取引へ、あと何が必要か？

もしあなたがトークンの高消費ユーザーであれば、この一年間でAIエージェントの中核的な進化を痛感しているはずだ：

基盤となる大規模言語モデル自体の知能向上に加えて、それはますます真の「ワーカー」のようになってきている。

初期のチャットボットから、MCP、Skills、Harnessといったインフラの成熟に伴い、エージェントはますます多くの「手足」を獲得し、ウェブページを開いたり、リアルタイムデータを読み取ったり、ソフトウェアを操作したり、さらにはウォレットや取引アカウントに接続することもできるようになった。

しかし、ここまで来ると、新たな現実的な問題も浮上している：ツールを使えることと、実際に業務タスクを完遂できることは、全く別の話だ。

真にタスクを遂行できるエージェントとは、指示を受け取ってAPIを一度呼び出すだけのものではなく、絶えず変化する環境の中で、結果に応じて次の行動を継続的に調整できるものでなければならない。

金融市場は、この違いを特に顕著に浮き彫りにする。

エージェントに「この試合で誰が勝ちそうか判断して」と指示すれば、数秒で一見もっともらしい分析を返してくれるだろう。しかし、指示が「資金を預けるので、今後一ヶ月間、予測市場に継続的に参加し、最大ドローダウンを抑えつつリターンを向上させよ」というものに変われば、それはまったく別種の問題になる。

それは、リアルタイムのニュース、オッズ、オーダーブックを常に読み取り、市場が十分に価格を織り込んでいるかを判断し、いつポジションを建て、追加し、あるいは手仕舞うかを決定し、自身の判断を誤った際にはタイムリーに戦略を調整しなければならない。

そして、最近集中的に登場している一連のインフラ革新は、これまで比較的欠落していたこのピースを、一つずつ埋めつつあるように見える。

一、AIエージェントには「模擬訓練場」が必要か？

8月中旬、SKALEはかなり興味深い新製品、AgentPitを発表した。

簡単に言えば、これは予測市場向けAIエージェントのために特化して構築された「模擬取引サンドボックス」であり、実際のPolymarketの市場情報を同期し、そのAPIと互換性を持ちつつ、本番環境に近いCLOBオーダーブック、CTFトークン、決済メカニズムを採用している。ただし、実際の資金を模擬USDCに置き換えている。

開発者は、エージェントにこの中でリアルタイムに板情報を読ませ、注文を出してマッチングさせ、ポジションを管理させ、資金損失のリスクをまったく負うことなく戦略をテストできる。同時に、複数のエージェントが同一のオーダーブックで競い合うことで創発される集団行動を観察することもできる。

これは従来のクオンツ取引におけるバックテストや模擬取引に似ているように見えるが、AIエージェントにとっては、その意味ははるかに深い。

なぜなら、エージェントが直面する長期的な問題の一つは、どうやってエージェントが「本当に取引できる」のかを知るのか、ということだからだ。

周知の通り、これまで大規模言語モデルの能力を評価する際、業界は静的なベンチマークテストに大きく依存してきた——数学の問題を解く、コードのバグを修正する、長文を要約する、といったものだ。

しかし、現実世界の複雑な意思決定には事前に定義された正解は存在しない。特に金融市場では、エージェントがとある予測イベントの「YES」の公正価値を0.7ドルと判断し、現在の市場価格が0.55ドルだとしよう。購入後、価格はさらに0.45ドルまで下落するかもしれないし、突発的なニュースで急速に上昇するかもしれない。さらに、オーダーブックの瞬間的な流動性も実際の平均約定価格に直接影響を与える。

つまり、エージェントは一度予測を出せばタスク終了というわけではなく、自身の前回の意思決定がもたらす現実の結果に継続的に直面し続けなければならない。これこそがAgentPitの核心的価値である。それはエージェントに本番環境に近い動的なフィードバックのループを提供する：

観察 → 判断 → 実行 → フィードバック取得 → 調整 → 再実行。

もちろん、ここでの「訓練」は、エージェントが取引を完了するたびに自動的に基盤モデルのパラメータを修正することを必ずしも意味しない。それは、戦略を繰り返し実行し、結果を評価し、ワークフローを反復的に改善できる環境を提供するものだ。

自動運転システムが実際の道路を走る前に、シミュレーターで数多くの極端なシナリオを経験する必要があるのと同様に、将来的に実際の資金を管理する可能性のある金融エージェントも、数回のプロンプトテストだけで簡単に資産の管理権を獲得できるわけではない。連続的な意思決定環境において、自身が実際にどれほどのパフォーマンスを発揮できるかを、まず証明する必要があるのだ。

しかし、問題もまた生じる。

模擬環境で良いパフォーマンスを示したからといって、すぐにAIに実際のお金を預けられるわけではない。その間には、さらに重要な層が必要となる。

二、インフラの接続：支払いと取引がエージェントのネイティブコンポーネントになるとき

過去数ヶ月の主要なクラウド大手と大手取引プラットフォームの動きを観察すれば、エージェントの実行環境が驚くべき速さで標準化・接続されつつあることが分かる。

まず、マシンネイティブな支払いプロトコルの実装だ。

8月18日、Amazon Bedrock AgentCore Paymentsが正式にGAとなった。このサービスにより、AgentCore上で実行されるエージェントは、第三者のAPI、MCPサービス、専門データソースを自律的に発見し、料金を支払って呼び出すことができる。CoinbaseやStripe/Privyのウォレットインフラと統合され、ステーブルコインやx402などのマシン支払いプロトコルをネイティブにサポートしている。

これにより、極めて核心的な痛点が解決される——エージェントが市場分析中に、高品質なリアルタイムデータが有料であることを発見した場合、従来はワークフローが中断され、人間が手動でカードを払って購入し、APIキーを設定するのを待ってからでないと続行できなかった。

しかし、AgentCore Paymentsの枠組みでは、支払いはワークフロー内の自動化されたノードとして直接カプセル化される。ユーザーは事前に予算と戦略を設定するだけで、エージェントは有料の壁に直面した際に自律的にマイクロペイメントを開始して呼び出しを完了できる。プロセス全体に人手は介在せず、ウォレットの秘密鍵と認証情報はモデル自体から隔離された状態が保たれる。

続いて、2日後の8月20日、BinanceはAgent OSを発表し、エージェントネイティブなインターフェースを開放した。

単に特定のAI機能を提供するのとは異なり、Agent OSはエージェント専用に設計された金融インフラインターフェースの層のようなもので、Binance API、Wallet Agentic Hub、x402、Skills Hub、MCPなどのコンポーネントを一つに統合している。

これにより、互換性のあるAIアプリケーションはMCPを介してマーケットデータを取得し、アカウント情報を確認し、ユーザーの承認を得た上でサポートされている取引操作を実行できる。さらに重要なのは、メカニズムのレベルで権限の境界と分離を強調している点だ：

ユーザーはエージェント専用のサブアカウントを割り当て、資金と取引活動をメインアカウントから分離し、エージェントに具体的な権限を設定できる。関連するアクセス権限はいつでも取り消すことも可能だ。

AgentPit、AWS AgentCore Payments、Binance Agent OSを並べて見ると、ますます明確になってきている変化がある：

AgentPitは戦略テストと継続的なフィードバックの環境を提供し、x402とAWS AgentCore Paymentsはマシンネイティブな支払いを開放し始め、Binance Agent OSはさらにマーケットデータ、アカウント、取引、オンチェーン機能をエージェントに開放している。これにより、これまで分散していた能力が、徐々に一つの完全なワークフローへと接続されつつあるのだ。

ただし、金融シーンには特に特殊な点がある。コードのバグなら、せいぜい再実行すれば済むが、エージェントが一度誤った取引を実行してしまえば、資産は文字通りウォレットから出て行ってしまっているかもしれないのだ。

これは、模擬環境から現実世界へ移行する際に、迂回することができない役割がもう一つ存在することを意味する。

それがウォレットだ。

三、エージェントウォレットの真の価値とは一体何か？

将来のAIエージェントの完全なワークフローを描き出すなら、それは明確なチェーンとして現れる：

• まずAgentPitのような模擬環境で戦略を訓練しテストする；
• 次にMCP、Skills、各種APIを通じて情報とツールを獲得する；
• x402などのプロトコルを通じてデータと計算リソースを購入する（関連記事：AIエージェントが「ウォレット」を持ち始めるとき：経済的自律性の後、誰が管理権を守るのか？）；
• その後、実際の市場に入り取引を実行する；
• そして実際の結果に基づいて戦略を調整し続ける；

実行という段階に至ると、ウォレットが担う役割は今日とはまったく異なるものになるだろう。

というのも、従来のWeb3ウォレットのインタラクションロジックは人と機械のインタラクションのために設計されている——すべての署名は、人間が画面の前で目視で確認し、手動でクリックして承認する必要がある。しかし、高頻度エージェントが毎秒複数の板情報を読み取り、継続的にポジションを微調整する必要がある場合に、依然として人間による一筆一筆の署名を要求するのであれば、自動化の意味は完全に失われてしまう。

一方で、秘密鍵を直接AIに預けることは、すべての安全基盤を放棄することと同義である。

したがって、エージェントウォレットが真に解決すべき問題は、決して「どうやってAIに秘密鍵を持たせるか」ではなく、「最終的な資産の管理権を譲渡することなく、どうやってエージェントに安全かつ制御可能な実行権を提供するか」なのである。

これはまた、imTokenがエージェントウォレットの設計フレームワークで示した中核的な解決策でもある：

• アカウント分離とセッションキー：imTokenのエージェントウォレット設計構想では、実行権限を取得した各エージェントは独立したエージェントアカウントに対応し、そのセッションキーは信頼できる実行環境（TEE）内で生成・分離され、この安全な環境から出ることはない。
• ポリシールールによるハードな制約：各エージェントアカウントには明確なポリシーをバインドする必要がある。これには、インタラクションを許可するプロトコルのホワイトリスト、単筆取引の上限、1日の限度額、操作頻度、認可の有効期間などの制限が含まれる。言い換えれば、エージェントが得るのは制約のないウォレットではなく、ルールに囲まれた実行アカウントなのである。
• ユーザーによる最終的な管理権の保持：エージェントはユーザーが事前に承認したポリシーの範囲内でのみ自律的に実行でき、境界を超える操作は改めてユーザーの確認を必要とする。ユーザーは常にポリシーを調整し、エージェントを一時停止・再開し、権限を取り消し、資金を回収できる。異常と識別されたり、事前に設定されたポリシーを超える取引に対しては、自動実行も一時停止され、ユーザーに再び本人確認が要求される。

この次元からエコシステム全体を再検討すると、模擬訓練（例：AgentPit）とスマートウォレット（例：imTokenエージェントウォレット）は、実は同じ命題の二つの段階を解決していることが分かる。

前者はエージェントの意思決定能力の上限を高め、後者はエージェントの行動の安全下限を築く。

この両者はどちらも欠かせない。

これこそが、エージェントウォレットが従来のウォレットと比較して最も重要な変化であるかもしれない。

最後に

この意味において、AgentPitの登場後、注目に値する新たな段階が到来しつつある。

AIエージェントは「ツールの使い方を学ぶ」段階から、「働き方を学ぶ」段階へと移行しつつある。

そして、最終的に模擬訓練場を出て、変転極まりない実際の取引の世界へ足を踏み入れるとき、その一歩が安定して、遠くまで進めるかどうかは、しばしば基盤となる大規模言語モデルがどれほど賢いかだけでなく、私たちがそのために構築するアカウントと認可の境界がどれほど堅固であるかに依存している。

実際、複雑な現実の経済システムにおいて、私たちが本当に必要としているのは、決して間違いを犯さないエージェントではなく、たとえミスをする可能性があっても、そのリスクが常に制御可能な範囲内に収まるエージェントなのである。