Anthropic社との戦略的パートナーシップの提携について以下の通りアナウンスさせていただいています。

https://jp.newsroom.ibm.com/2025-10-10-2025-ibm-and-anthropic-partner-to-advance-enterprise-software-development-with-proven-security-and-governance

この中で紹介している"パートナーシップの一環として、IBMが作成し、Anthropic社が検証を行った『MCPを活用したセキュアなエンタープライズ向けAIエージェントの構築（英語）』"について日本語版を作成しました。

以下のような目次と概要になっております。AI Agentの本番運用に向けて参考になるガイドかと思いますのでぜひご活用ください。

[目次]
AI エージェントとは.............................................................................................................................. 1
エージェント型エンタープライズ............................................................................................................ 2
エージェント開発ライフサイクル: AI エージェントのための DevSecOps プラクティス................................... 3
エンタープライズにおける AI エージェント構築の考慮事項 ........................................................................ 7
エージェントのオブザーバビリティーと運用 ............................................................................................ 9
エージェントのセキュリティー ............................................................................................................. 10
ガバナンス: テスト、認定、カタログ ..................................................................................................... 11
MCP サーバーのライフサイクル: エンタープライズ・ガイドとベスト・プラクティス .................................. 13
エージェント型 AI プラットフォームのリファレンス・アーキテクチャーと企業の要件 ................................ 18
付録: お客様の声: お客様事例 ................................................................................................................ 20
付録: エンタープライズ・ユースケース............................................................................................... 21

[概要]
大規模言語モデル (LLM) を搭載した AI エージェントは、エージェント開発特有の性質に対応するため、強化されたアプリケーション開発ライフサイクルを必要とします。静的なアプリケーションとは異なり、エージェントは適応型かつ対話型のシステムであり、基盤となる LLM の非決定論的かつ確率的な性質により、継続的な評価、セキュリティー対策、ガバナンス、改善が求められます。例えば、従来のソフトウェア開発ライフサイクル (SDLC) では、ステージング・テストが成功した後、エージェントを本番環境にデプロイします。しかし、LLM には固有の変動性があり、同一のデータでテストされた同一のエージェントでも、異なる結果を生成することがあります。このため、従来とは異なるテストおよび検証手法が必要であり、これが従来のアプリケーション開発ライフサイクルとの大きな相違点となります。
このガイドでは、エンタープライズ向け AI エージェントを設計、デプロイ、管理するための体系的なアプローチである、エージェント開発ライフサイクル (ADLC) を紹介します。ADLC は、本質的には標準的な DevSecOps プラクティスに基づく運用規律であり、エージェントの安全性、信頼性、セキュリティーを保ちつつ、組織や規制の目標 (AI 規制の遵守など) に適合させます。