エージェント型検索

TL;DR — エージェント型検索は、単発の質問に答えるだけでなく、人に代わって調査全体を行うAIです。短い返答を返す代わりに、何十件も検索し、実際のページを読み、数分後に文章化した回答を持ち帰ることがあります。ChatGPTの即答と、10分ほど姿を消してレポートを返すChatGPT Deep Researchの違いを考えると分かりやすいでしょう。実務上重要なのは、一部のエージェントが本物のChromeブラウザーとして閲覧するため、robots.txtでは止められないことです。

検索の三つの層

「エージェント型検索」は、単一の標準ランキングアーキテクチャではなく、発展中の製品パターンです。 Evidence for this claim Deep-research products can perform multi-step web research and synthesize cited results. Scope: Documented product capabilities, not a universal definition or ranking architecture for agentic search. Confidence: high · Verified: 2026-07-14 OpenAI: Introducing deep research 文書化されたシステムは、閲覧、統合、複数段階のアクションを行えますが、動作は製品とリリースによって異なります。 Evidence for this claim The term agentic search covers an evolving set of vendor implementations whose tools and behavior can differ. Scope: Editorial synthesis from documented product behavior; implementations and releases may vary. Confidence: medium · Verified: 2026-07-14 OpenAI: Introducing deep research

検索は、上に別の層が重なる形で三つの層へ発展したと考えると分かりやすいでしょう。

1. 従来の検索。 クエリを入力すると、Googleがリンクの一覧を返し、あなたが読んで判断します。作業をするのは人間です。
2. AI検索。 質問すると、AIがいくつかの情報源を取り込み、一つの回答を書きます。AI Overview、ChatGPTの返答、Perplexityの回答などです。AIが読み、人間は要約を読みます。
3. エージェント型検索。 AIに「10人規模の代理店に最適なプロジェクト管理ツールを比較し、どれを選ぶべきか教えて」といった目標を渡すと、自律的に進めます。作業を計画し、多くの検索を実行し、実際のページを開いて読み、見つけた内容に応じて方針を変え、最後にレポートを書きます（フォーム入力のようなアクションを取ることもあります）。途中の手順を人が見ることはないかもしれません。

関係を覚える最も簡単な方法は、エージェント型検索はすべてAI検索だが、AI検索がすべてエージェント型とは限らないということです。エージェント型とは、AIがしばらく自律的に作業する部分集合です。

具体例

同じ製品でも、二つのモードがあります。

• ChatGPTの通常回答: 質問すると、既に「知っている」内容と短いWeb検索をもとに数秒で返答します。一回で終わります。
• ChatGPT Deep Research: 同じ質問をすると時間がかかると伝え、何十もの情報源を検索・読解・照合してから、引用付きの構造化された回答を書きます。

後者がエージェント型検索です。GoogleのGemini Deep ResearchとPerplexityのDeep Researchも同じように動きます。

SEO担当者が気にすべき理由

理由は二つあります。

• エージェントは実際のページを深く読む。 従来のクローラーは多数のページを浅く見ることがありますが、エージェントは5〜10ページを非常に詳しく読み、そこから具体的な主張を抜き出すかもしれません。その少数のページに入ることが新しい勝負です。
• 常に締め出せるわけではない。 Geminiのような「調査クローラー」は自分の存在を示し、robots.txtに従います。しかしChatGPT AgentやGoogleのProject Marinerのようなエージェント型ブラウザーは、クラウド上で本物のChromeを開き、人間の訪問と同じように閲覧します。ブロックできるボット名がないため、robots.txtは効きません。

すべてのプラットフォーム、ユーザーエージェントの一覧、実際に役立つコンテンツシグナルを詳しく見るには、Advancedタブへ切り替えてください。

TL;DR — エージェント型検索は、従来検索→AI検索→エージェント型検索という第三の層です。数分間にわたり、Plan → Search → Read → Evaluate → 再検索 → 統合／実行という複数段階のループを回し、1セッションで20〜160件以上のクエリを送り、キャッシュされたスナップショットではなくページ全体を読みます。制御の観点ではプラットフォームは二つに分かれます。宣言済みクローラー（Gemini-Deep-Research、Claude-User）はrobots.txtに従います。エージェント型ブラウザー（ChatGPT Agent、Project Mariner、Copilot Actions）は、宣言されたボットUAを持たない実Chrome／Edge VMを起動します。robots.txtでは触れず、サーバー側制御か、登場しつつあるWeb Bot Auth RFCだけが対抗手段です。効果として、AI経由トラフィックは非AIトラフィックより約42%高い割合でコンバージョンし、エージェント型流入はその中でも購入意図が最も強い層です。

エージェント型検索は第三の層であり、置き換えではない

現在のベンダー説明が裏付けているのは、複数段階の調査とツール利用であって、検索やランキングを一律に置き換えることではありません。 Evidence for this claim Deep-research products can perform multi-step web research and synthesize cited results. Scope: Documented product capabilities, not a universal definition or ranking architecture for agentic search. Confidence: high · Verified: 2026-07-14 OpenAI: Introducing deep research ここでのパイプライン図は、プロバイダーが明示的に文書化していない限り、説明用モデルです。 Evidence for this claim The term agentic search covers an evolving set of vendor implementations whose tools and behavior can differ. Scope: Editorial synthesis from documented product behavior; implementations and releases may vary. Confidence: medium · Verified: 2026-07-14 OpenAI: Introducing deep research

何度も立ち返るメンタルモデルは次のとおりです。

• 従来の検索はリンクを返し、人間が読んで判断します。
• AI検索（GEO／AEOの対象であるAI Overviews、ChatGPTの回答、Perplexity）は、取得したコンテキストから統合した一つの回答を返します。
• エージェント型検索は目標をサブタスクに分解し、自分でツールを選び、ページ全体を読み、学んだ内容に応じて反復し、統合レポートまたはアクション（購入、予約、フォーム送信など）で終わります。

Semrushはこの関係を的確に表現しています。“All agentic search is AI search. Not all agentic search is the same thing as AI search.” (翻訳)「エージェント型検索はすべてAI検索です。AI検索と同じものではないエージェント型検索もあります。」短く言えば、エージェント型検索はすべてAI検索だが、AI検索がすべてエージェント型とは限らない。これは従来SEOを置き換えません。権威性、インデックス可能性、構造化データは引き続き前提であり、エージェント向け最適化はその上に完全性、機械可読性、エンティティの明確さを積み重ねます。

エージェント型システムの実際の動き

RAGや単一の検索呼び出しとの決定的な違いは、取得が推論の途中でループ状に起きることです。

Firecrawlは、エージェントが*“decides when to search, formulates the query from context, reads actual page content from each result, and evaluates what it found before deciding whether to synthesize or search again.”* (翻訳)「いつ検索するかを決め、コンテキストからクエリを組み立て、各結果の実際のページ内容を読み、統合するか再検索するかを決める前に見つけた内容を評価する」手法だと説明しています。実務上の帰結は次のとおりです。

• 事前インデックスの要約ではなく、リアルタイムにページを読む。 エージェントはライブコンテンツ全体を取得して読みます。従来検索より鮮度と現在の可用性が重要で、処理対象はキャッシュされたスナップショットではありません。
• クエリを反復的に作り直す。 結果が古い、または的外れなら、非推奨ドキュメントに当たったときクエリに「2026」を付けるなどして書き換え、再び検索します。
• ツールを連鎖させる。 一つのタスクでWeb検索、コード実行、ファイル読み取り、フォーム送信を組み合わせられます。

1セッションあたりの検索回数

これは一つのクエリではありません。プラットフォーム別の規模は次のとおりです。

GoogleのSAGE研究では、AIエージェントは1クエリあたり平均4,9ステップを取り、複数の情報源を検索、比較、評価してから結果を届けることが分かっています。

主なエージェント型プラットフォーム

OpenAI — Deep ResearchとChatGPT Agent。 Deep Research（o3-deep-research／o4-mini-deep-research）は、“find, analyze, and synthesize hundreds of sources to create a comprehensive report at the level of a research analyst,” (翻訳)「何百もの情報源を見つけ、分析し、統合して、リサーチアナリスト水準の包括的なレポートを作る」ために設計されています。OpenAIはリクエストに*“can take a long time.”* (翻訳)「長い時間がかかる場合がある」と警告しています。ChatGPT AgentはOperatorの後継で、実Webを閲覧し、約10個の並列タスクを実行できるクラウドホストのChromiumです。取得用ボット（OAI-SearchBot、ChatGPT-User）は宣言されていますが、エージェント型ブラウザーは宣言されていません。

Google — Gemini Deep ResearchとProject Mariner。 Gemini Deep Researchは、“Plan → Search → Read → Iterate → Output” (翻訳)「計画 → 検索 → 読解 → 反復 → 出力」という明示的なループを回します。Googleはこれを、“continuously refin[ing] its analysis, browsing the web by searching and finding interesting pieces of information then starting a new search based on what it’s learned, repeating this process multiple times before generating a comprehensive report.” (翻訳)「分析を継続的に磨き、Webを検索して興味深い情報を見つけ、学んだことに基づいて新しい検索を始め、この処理を何度も繰り返してから包括的なレポートを生成する」ものと説明しています。宣言されたユーザーエージェントGemini-Deep-Researchを持ち、robots.txtを尊重します。Project Marinerはブラウザー自動化エージェント（最大10並列タスク）で、クラウドVMの標準Chromeフィンガープリントを使い、宣言されたボットUAはありません。

Perplexity — Deep Research／Sonar。 Perplexityは、“performs dozens of searches, reads hundreds of sources, and reasons through the material to autonomously deliver a comprehensive report” (翻訳)「何十もの検索を行い、何百もの情報源を読み、資料を推論して自律的に包括的なレポートを届ける」ものです。20〜50クエリを2〜4分で実行します。宣言されたPerplexityBotはrobots.txtを尊重するとしています。2025年8月、Cloudflareは、Perplexityに帰属させた未宣言クローラーがno-crawl指示にもかかわらずコンテンツへ到達していると報告しました。Perplexityはその説明に異議を唱えました。別途、Perplexityのドキュメントでは、ユーザーが要求した取得を表すPerplexity-Userは通常robots.txtを無視すると説明しています。

Anthropic — ClaudeのWeb検索とコンピューター利用。 Claude-User（リアルタイムのユーザー起点取得）は**robots.txtを尊重します**。Claudeがコンピューター利用モードで動くと標準ブラウザーを操作し、宣言されたボットUAを出しません。MarinerやChatGPT Agentと同じエージェント型ブラウザーのパターンです。

Microsoft — CopilotとCopilot Actions。 Copilotの基盤Web取得はBingbotを使い、robots.txtを尊重します。Copilot Actions（エージェント型閲覧）は宣言されたボットシグナルのない標準Edge／Chromium UAを使うため、UAレイヤーでは人間の閲覧と区別できません。

ユーザーエージェントとrobots.txtの空白

ここが混乱しやすい部分なので、全体像を一つの表にまとめます。

重要なのは次の分類です。学習クローラーと検索インデックスボットはrobots.txtを尊重します。ユーザー起点フェッチャーはさまざまで、OpenAIは2025年12月にChatGPT-Userの位置づけを曖昧にしました。エージェント型ブラウザーは設計上robots.txtを無視します。

要注意点: エージェント型ブラウザーはrobots.txtではブロックできない

robots.txtはクローラー向けの指示です。ChatGPT Agent、Project Mariner、Copilot Actions、コンピューター利用のClaudeといったエージェント型ブラウザーは、クラウドVM内で実際のChromeまたはEdgeを起動します。標準ブラウザーとして表示され、ボットの身元を宣言せず、クローラーではなくブラウザーのプロキシとして扱われます。したがって、

• robots.txtでは学習用のGPTBotとClaudeBot、検索インデックス用のOAI-SearchBotとClaude-SearchBotをブロックできます。
• そこでエージェント型ブラウザーをブロックすることはできません。ブラウザーはrobots.txtを読みません。

エージェント型ブラウザー層に効くのは、サーバー側制御（IP範囲ルール、レート制限、エッジのボット管理）と、暗号学的なエージェント検証を行う登場しつつあるWeb Bot Auth RFCだけです。ChatGPT Agentはすでに初期シグナルを示しており、ed25519署名付きのSignature-Agent: “https://chatgpt.com” HTTP Message Signatureを送ります。これは信頼できる唯一のサーバー側識別子です。通常の分析では、直接訪問なら「direct/(none)」、Bing検索経由なら「Bing/organic」と表示されます。

ここで明言しておきたい帰結があります。GPTBotをブロックしても、ChatGPTがリアルタイムにページを読むことは止められません。 GPTBotは学習クローラーです。Deep ResearchとChatGPT Agentはまったく別の仕組みでコンテンツに到達します。

エージェント型AIで重要なコンテンツシグナル

エージェントはページ全体を読み、完全性、引用しやすさ、一貫性、機械可読性を評価します。調査から分かる、実際に役立つ要素は次のとおりです。

• 包括的で一つにまとまったページ。 エージェントは深く狭く読む傾向があり、何百ページも流し読みする代わりに5〜10ページを詳しく読むことがあります。トピックと、そこから生じるサブクエリに完全に答えるページは、薄いページを5本置くより役立ちます。ALM Corpは次のように説明しています。“Structure gives agents stable extraction points — a page with clear headings, labeled sections and consistent formatting is easier to quote accurately.” (翻訳)「構造はエージェントに安定した抽出ポイントを与えます。明確な見出し、ラベル付きセクション、一貫した書式のページは、正確に引用しやすくなります。」
• 十分に引用され、権威があり、機械可読なコンテンツ。 エージェントは第三者の情報源やナレッジベースと照合するため、外部引用は信頼のしきい値を越える助けになります。これはAI Overviewsについての調査結果とも一致します。リンクの多いページでの言及はAI可視性と**約0,70（Spearman）**の相関があり、その調査 で最も強い単一シグナルでした。エージェント型取得も同じ傾向を利用すると考えられます。
• 構造化データ。 JSON-LDは引用に必須ではありませんが、抽出精度を高めます。引用されたあるテストでは、構造化データを含むコンテンツでGPT-4の正答率が16%から54%へ上がりました。
• 速度。 BrightEdgeのデータでは、ChatGPTエージェントは読み込みの遅いサイトをすぐに離れます。Googlebotより忍耐がないため、Core Web Vitalsの規律はエージェント型の文脈にも及びます。コンテンツはJavaScriptを実行しなくても到達できなければなりません。
• 対象範囲とトレードオフの明確さ。 解決策が誰向けで誰向けでないか、どんなトレードオフがあるかを示すページは、誰にでも受けようとするコンテンツより、エージェントが候補を絞るのに役立ちます。

この取り組みに価値がある理由: コンバージョンの質

トラフィックの数は小さくても、質は低くありません。2026年3月時点で、AI経由トラフィックのコンバージョン率は非AIトラフィックより約42%高く、AI検索トラフィックは**Googleの2,8%に対して約14,2%**でコンバージョンします。エージェント型流入はAI流入の一部ですが、ユーザーに代わって代替案と比較した後にページへ導くため、ほぼ確実に最も購入意図の強い層です。エージェントが読む数少ないページの一つになり、推奨されることには、それに見合う以上の価値があります。

SEO → GEO → ASOとして考える

エージェント向け最適化は、最初の二層に重なる第三の層であり、置き換えではないと考えます。土台は変わりません。権威性、インデックス可能性、構造化データです。その上に加わるのは、トピックを一つに絞った包括的なリソース、徹底した機械可読性、エンティティの明確さ、外部引用、そしてrobots.txtが完全なアクセス制御ではなくなったという認識です。具体的な合格項目はChecklistsタブを見てください。

AI要約

Advanced版の要約です。

• エージェント型検索は検索の第三層です。 従来検索（リンク）→AI検索（一つの回答）→エージェント型（自律的な複数段階の調査／アクション）。“All agentic search is AI search. Not all AI search is agentic.” (翻訳)「エージェント型検索はすべてAI検索です。AI検索がすべてエージェント型とは限りません。」
• クエリではなくループを実行します。 Plan → Search → Read → Evaluate → 再検索 → 統合／実行を数分間回します。Gemini Deep Researchは1セッション約80〜160件、Perplexityは20〜50件のクエリを送り、GoogleのSAGEは1クエリ約4,9ステップを見出しました。
• 制御の陣営は二つです。 宣言済みクローラー（Gemini-Deep-Research、Claude-User）はrobots.txtに従います。エージェント型ブラウザー（ChatGPT Agent、Project Mariner、Copilot Actions）は宣言されたボットUAのない実Chrome／Edge VMを動かすため、robots.txtではブロックできません。
• 要注意点。 エージェント型ブラウザーを止めるのはサーバー側制御か、登場しつつあるWeb Bot Auth RFCだけです。ChatGPT Agentのed25519 Signature-Agentヘッダーが唯一の信頼できるサーバー側IDです。GPTBotをブロックしてもChatGPTの読み取りは止まりません。
• CloudflareとPerplexityの主張は食い違っています。 CloudflareはPerplexityに帰属させた未宣言クローラーがクロール禁止指示を迂回したと報告し、Perplexityはその申し立てを否定しました。確定した事実ではなく、報道上の争いとして扱います。
• 役立つもの。 トピックを一つに絞った包括的ページ、外部引用（AI可視性とのSpearman相関約0,70）、構造化データ、速度（エージェントは遅いサイトを離れる）、対象範囲の明確さ。
• なぜ取り組むのか。 AI経由トラフィックのコンバージョンは約42%高く、AI検索はGoogleの2,8%に対して14,2%です。エージェント型はその中でも最も購入意図の強い層です。

公式ドキュメント

プラットフォーム提供者が公開する一次資料です。

OpenAI

• Deep Researchガイド — o3-deep-research／o4-mini-deep-researchモデル、バックグラウンド実行、ツールアクセス。
• OpenAIのボットとクローラー — GPTBot、OAI-SearchBot、ChatGPT-Userの完全なユーザーエージェント文字列。
• ChatGPT Agentの紹介 — Operatorの後継となるエージェント型ブラウザー。

Google

• Gemini Deep Research APIドキュメント — クエリ数、所要時間の制限、バックグラウンド実行。
• GeminiでDeep Researchを試す — 調査ループを平易に説明したGoogleの紹介。

Anthropic

• Claudeのコンピューター利用ツール — Claudeがエージェント型モードでブラウザー／デスクトップを操作する方法。

Perplexity

• Sonar Deep Research — Deep Researchの基盤となるAPIモデル。
• Perplexityのクローラー — PerplexityBotとPerplexity-User、およびrobots.txtに対する両者の説明。

Microsoft

• Bing Webmaster Tools — CopilotのWeb取得を支えるBingbotと、ここで行うクロール制御。

出典からの引用

プラットフォーム提供者と、その動作を記録した研究者による記名発言です。

Google — Gemini Deep Researchのループ

• “Over the course of a few minutes, Gemini continuously refines its analysis, browsing the web by searching and finding interesting pieces of information then starting a new search based on what it’s learned, repeating this process multiple times before generating a comprehensive report.” (翻訳)「数分かけてGeminiは分析を継続的に磨き、Webを検索して興味深い情報を見つけ、学んだことに基づいて新しい検索を始めます。この処理を何度も繰り返してから、包括的なレポートを生成します。」 — Google Blog。 出典

OpenAI — Deep Researchの目的

• Deep Researchのモデルは*“find, analyze, and synthesize hundreds of sources to create a comprehensive report at the level of a research analyst.”* (翻訳)「何百もの情報源を見つけ、分析し、統合して、リサーチアナリスト水準の包括的なレポートを作る」[unverified] — OpenAIのDeep Researchの位置づけを言い換えたもので、ライブドキュメントで確認が必要です。 出典

Perplexity — Deep Researchの動作

• “Perplexity performs dozens of searches, reads hundreds of sources, and reasons through the material to autonomously deliver a comprehensive report.” (翻訳)「Perplexityは何十もの検索を行い、何百もの情報源を読み、資料を推論して自律的に包括的なレポートを届けます。」 — Perplexity Blog。 出典

Cloudflare — Perplexityのステルスクローラー

• “Both their declared and undeclared crawlers were attempting to access the content for scraping contrary to the web crawling norms as outlined in RFC 9309.” (翻訳)「宣言済みと未宣言の両方のクローラーが、RFC 9309に示されたWebクロール規範に反して、スクレイピングのためにコンテンツへアクセスしようとしていました。」 — Cloudflare。 出典

Firecrawl — エージェント型検索の定義

• エージェント型検索は、エージェントが*“decides when to search, formulates the query from context, reads actual page content from each result, and evaluates what it found before deciding whether to synthesize or search again.”* (翻訳)「いつ検索するかを決め、コンテキストからクエリを組み立て、各結果の実際のページ内容を読み、統合するか再検索するかを決める前に見つけた内容を評価する」手法です。 — Firecrawl Blog。 出典

ALM Corp — エージェントが評価するもの

• “Structure gives agents stable extraction points — a page with clear headings, labeled sections and consistent formatting is easier to quote accurately.” (翻訳)「構造はエージェントに安定した抽出ポイントを与えます。明確な見出し、ラベル付きセクション、一貫した書式のページは、正確に引用しやすくなります。」 — ALM Corp。 出典

Semrush — 層の違い

• “All agentic search is AI search. Not all AI search is agentic.” (翻訳)「エージェント型検索はすべてAI検索です。AI検索がすべてエージェント型とは限りません。」[unverified] — Semrushの整理を言い換えたもので、ライブ記事で正確な文言を確認してください。 出典

エージェント型検索の最適化チェックリスト

エージェントがあなたを見つけ、読み、信頼し、引用できること、そしてそうした訪問を把握できることを確認するチェックです。

• トピックを一つに絞った包括的なページ。 重要なトピックごとに、複数の薄いページではなく、そのトピックと生じるサブクエリに完全に答えるページを一つ用意する。エージェントは広く浅くではなく、深く読む。
• 引用と外部権威。 主張を出典に結び付け、リンクの多い権威ある第三者ページで言及される（私が測定したAI可視性の最も強いシグナル）。
• 構造化データを整える。 JSON-LD（Organization、FAQPage、Productなど）を配置し、エージェントが推測せず正確に事実を抽出できるようにする。
• 対象範囲とトレードオフを明確にする。 解決策が誰向けで誰向けでないか、どんなトレードオフがあるかを示し、エージェントが候補を絞りやすくする。
• JavaScriptなしで到達でき、高速である。 中核コンテンツを生HTMLに置き、ページを速く読み込む（エージェントはGooglebotより速く遅いサイトを離れる）。
• robots.txtだけに頼らずサーバー側で制御する。 アクセスを制限する必要があれば、IP範囲ルールやエッジのボット管理を使う。エージェント型ブラウザーはrobots.txtを無視する。
• 宣言済みボット向けのrobots.txtは正しく設定する。 戦略に応じて、学習（GPTBot、ClaudeBot）、取得（OAI-SearchBot、Claude-SearchBot）、深層調査（Gemini-Deep-Research）を分ける。
• サーバーログでエージェント型クローラーを監視する。 宣言済み深層調査UAとSignature-Agentヘッダー（ChatGPT Agentの唯一の信頼できるID）を確認し、直接のエージェント訪問が分析では「direct/(none)」と表示され得ることを覚えておく。

エージェント型AIのユーザーエージェント一覧 — チートシート

一行の原則: 宣言済みクローラーと検索ボットはrobots.txtに従います。エージェント型ブラウザー（実Chrome／Edge VM）は従わないため、サーバー側またはWeb Bot Authでブロックします。

エージェント型検索で避ける誤り

すべてのエージェントをrobots.txtで制御できると考える

一部のエージェント型システムは、宣言済みクローラーの身元ではなく、通常のブラウザー基盤で閲覧します。従うボットにはrobotsルールを使いますが、ファイルをアクセス制御の境界として示してはいけません。

一回限りの回答だけを想定する

エージェントは比較、再訪問、絞り込み、複数段階のタスク完了を行うことがあります。長いワークフローに耐えられるよう、ナビゲーション、フォーム、状態、価格、ポリシー、エンティティの関係を明示します。

壊れやすいインタラクションの背後に重要情報を隠す

アクセスできないジェスチャー、canvasの状態、文書化されていないクライアント操作の後にしか現れない情報を、エージェントは確実に使えません。セマンティックHTML、安定したURL、明確なラベル、サーバーで検証できる結果を維持します。

Discover、Understand、Act、Verifyフレームワーク

1. Discover（発見）: 重要なページと機能に安定したリンク、または文書化された機械可読の入口がある。
2. Understand（理解）: エンティティ、制約、価格、ポリシー、次の手順を意味のあるコンテンツで明確に示す。
3. Act（実行）: フォームとワークフローに明示的なラベル、予測可能なコントロール、復旧可能なエラー状態がある。
4. Verify（検証）: 完了したアクションが、ユーザーまたはエージェントが次へ進む前に確認できる永続的な証拠を生成する。

このフレームワークでタスク全体の流れを見直します。ページは取得しやすくても、エージェントが実行や結果確認を試みたところで失敗することがあります。

エージェントが利用できる検索体験のためのツール

• SEO MCP Server — 公開済みSEOコンテンツと検証機能をエージェントへ直接公開する、範囲を限定した読み取り専用の例を調べる。
• robots.txt Tester — 宣言済みクローラーのルールを検証し、どの指示が優先されるかを確認する。ただし通常のブラウザー型エージェントは制御可能なクローラー身元を示さないことがある。
• ブラウザー開発者ツール — タスク全体でセマンティック名、フォーカス順、ネットワーク呼び出し、エラー状態、完了を示す永続的なシグナルを調べる。
• サーバーログ — 文書化されたボット、通常のブラウザー、未知のクライアントを区別する。ただし、すべてのリクエストがエージェントやその目的を示すとは主張しない。

自分で確認する: エージェント型検索

時間を使う価値のあるリソース

公式プラットフォームドキュメント

• OpenAI Deep Research と OpenAIのボット。
• Google Gemini Deep Research API と開始ブログ記事。
• Anthropic Claudeのコンピューター利用。
• Perplexity Sonar Deep Research と Perplexityのクローラー。

関連する私の執筆

• LLM検索を最適化するために実際に分かっていること — 権威あるページでの言及と約0,70のSpearman相関を示す調査。
• 新しいWebクローラーに会う: AIボットが検索エンジンボットに迫る — 変化するクローラーの状況。

他のリソース

• Cloudflare: Perplexityはステルスな未宣言クローラーを使っている — Cloudflareの申し立てと技術的説明。Perplexityは否定 しています。
• Simon Willison: ChatGPT Agentのユーザーエージェント — Signature-Agent／ed25519の詳細。
• Firecrawl: エージェント型検索とは — ループの技術的な構造。
• Semrush: エージェント型検索 と ALM Corp: エージェントWebの解説 — 戦略の整理。
• No Hacks: 2026年のAIユーザーエージェント概観 と SEJのAIクローラーユーザーエージェント一覧。
• BrightEdge: エージェント型AIの活動が倍増 — SEO戦略を適応させる — 2025年7〜8月にChatGPT Agentの活動が倍増したデータと、エージェントがGooglebotより速く低速サイトを離れる傾向。
• Seer Interactive: OpenAIのOperator Agentがサイトに来たとどう分かるか — 分析でエージェント型ブラウザー訪問を識別・測定する実務ガイド。
• Cloudflare: GooglebotからGPTBotへ — 2025年にサイトをクロールしているのは誰か — 宣言済みAIボットと従来検索クローラーのクロール量データ。
• Navoto: 2026年のエージェント型検索最適化ガイド — SEO → GEO → ASOの重なりとコンテンツシグナルを扱う実務フレームワーク。

引用する価値のある統計

• AI経由トラフィックのコンバージョン率は非AIより約42%高い（2026年3月）— エージェント型可視性に取り組む主な理由です。 出典
• AI検索のコンバージョン率はGoogleの約2,8%に対して約14,2% — AI流入の中でもエージェント型は購入意図が最も強い層です。 出典
• Gemini Deep Research: 1セッション約80クエリ（標準）、約160（Max） — 一回のエージェント型調査の規模です。 出典
• Perplexity Deep Research: 1セッション20〜50クエリ、2〜4分 — 軽量ですが複数段階の処理です。 出典
• 約0,70のSpearman相関 — リンクの多いページでの言及とAI可視性（Google AI Overviews）の関係です。私の調査結果であり、エージェント型の信頼シグナルにも近い形になると考えられます。 出典
• エージェント型AIトラフィックは2025年最初の8か月で1 300%増加。ChatGPT Agentの活動だけでも2025年7月から8月に倍増しており、AI経由トラフィックで最も成長の速い層です。 出典

変更履歴