生成AI用語・ツール早わかりマップ

はじめに

「LLMとRAGって何が違うの？」「CursorとChatGPTは同じようなもの？」「MCPって最近よく聞くけど、何のこと？」
生成AIの世界では、新しい用語やツールが次々と登場します。しかも、それぞれが違うレイヤーの話をしているため、同じ土俵で比べると混乱しがちです。
以前の記事では、AI・機械学習・統計・生成AI・AGIという大きな概念の違いを整理しました。

今回はその続きとして、生成AIの中に登場する用語やツールを整理します。この記事では、個別の製品比較よりも「それが何の種類の話なのか」を見分けることを重視します。
なお、生成AIの製品名やモデル名は更新が速いため、本文は陳腐化しにくい分類を主軸にし、固有名詞は2026年3月19日時点の代表例として扱います。

まずは全体像 ── 4つのレイヤーで考える

生成AI関連の用語やツールは、大きく4つのレイヤーに分けると整理しやすくなります。

たとえば「CursorとChatGPTは何が違うの？」という疑問は、そもそもレイヤーが違うと分かれば整理できます。Cursorは開発ツール、ChatGPTはエンドユーザー向けのサービスです。
では、各レイヤーを順に見ていきましょう。

基盤技術・モデル

このレイヤーは、生成AIの「頭脳」に関する用語です。

ポイントは、ChatGPTやClaudeはサービス名であり、LLMそのものの名前ではないということです。サービスの中で、複数のモデルが切り替わったり、用途に応じて使い分けられたりします。
モデルがどのように文章を生成しているかの仕組みについては、以下の記事で詳しく解説しています。

エンベディングの概念と活用方法については、こちらの記事もあわせてご覧ください。

サービス・アプリ

このレイヤーは、LLMを使うための窓口です。モデルそのものではなく、利用者がブラウザやアプリから触る「製品」と考えると分かりやすいです。

ここで重要なのは、サービスは「入口」であって、モデルそのものではないということです。たとえばChatGPTの裏側で使われるモデルは時期やプランによって変わることがあります。
ChatGPTのGPTsやActionsを活用してGoogle Apps Scriptと連携する方法は、以下の記事で解説しています。

Claudeを業務に活かす方法については、こちらの記事で紹介しています。

開発ツール・アプリ基盤

このレイヤーは、LLMの能力を開発や業務システムに組み込むための道具です。エンドユーザー向けのチャットサービスとは役割が異なります。

ここではIDE系ツール、CLI型コーディングエージェント、ブラウザ型アプリビルダー、アプリ基盤/フレームワークが同居していますが、共通しているのは「モデルを業務や開発フローに組み込む」ためのレイヤーだという点です。
たとえばCursor、Codex、Claude Code、Gemini CLI、AntigravityはLLMを開発者が使うためのツールです。一方でAmazon Bedrock、Azure OpenAI Service、Firebase Studio、Dify、Genkit、LangChainはシステムやアプリに組み込むための基盤やフレームワークとして使われます。
また、v0やReplit Agentのように、ブラウザ上でアプリのたたき台を作り、そのまま実装や修正まで進めるタイプも増えています。ChatGPTやGeminiのような「会話サービス」と見た目が少し似ていても、主目的が開発そのものにあるなら、このレイヤーに置くと整理しやすくなります。

設計パターン・接続規格

このレイヤーは、LLMをうまく使う方法と外部システムにつなぐ共通ルールをまとめたものです。製品名ではなく、やり方や規格の話です。

ここで特に混同しやすいのがMCPとFunction Calling / Tool Useです。

• MCPは「AIアプリが外部ツールやデータソースにどう接続するか」をそろえる接続規格
• Function Calling / Tool Useは「モデルがどのツールを使うかを選び、呼び出す仕組み」

つまり、MCPは接続の標準化、Function Calling / Tool Use は実行の仕組みです。似て見えますが、同じものではありません。
設計パターンに関しては、過去記事でも多くのテーマを扱っています。
RAGの構築方法と評価指標：

MCPサーバーの構築と活用：

ガードレールの設計：

Structured Outputsの基礎と実践：

プロンプトエンジニアリング：

「これとこれ、何が違うの？」── よくある混同を解消する

最後に、特に混同されやすい組み合わせを整理します。

まとめ

この記事では、生成AI関連の用語やツールを4つのレイヤーで整理しました。

• 基盤技術・モデル：LLM、推論モデル、エンベディングなどのAIの「頭脳」
• サービス・アプリ：ChatGPT、Claude、Geminiなどの利用者向けの「入口」
• 開発ツール・アプリ基盤：Cursor、Copilot、Bedrockなどの組み込み・開発のための「道具」
• 設計パターン・接続規格：RAG、MCP、Tool Use、Structured Outputsなどの「使い方とつなぎ方」

新しい用語に出会ったときは、「これはモデルの話か、サービスの話か、開発基盤の話か、それとも設計パターンの話か」を考えるだけで、かなり整理しやすくなります。
生成AIの分野は変化が速いですが、分類の軸を持っておけば、新しい製品名や流行語が出てきても位置づけを見失いにくくなります。
最新情報のキャッチアップ方法については、以下の記事も参考になります。

生成AI活用支援サービスのご紹介

Tech Funでは、お客様のフェーズに合わせ、生成AI活用に向けた支援を3つのパックでご提供しています。

1. 無料診断パック：業務・プロセスの現状を無料で診断し、生成AI活用の可能性をレポートします。
2. 検証（PoC）パック：診断で有効性が確認された業務を対象に、プロトタイプ構築を支援します。
3. コンサルティングサービス：生成AI導入戦略の策定から運用体制構築までを包括的に支援します。

生成AIに限らず、Web・業務システム開発やインフラ設計など、技術領域を問わずご相談を承っています。「何から始めれば良いか分からない」という段階でも構いませんので、ぜひお気軽にお問い合わせください。

執筆・編集

Tech Fun Magazine R&Dチーム

Tech Funの生成AI研究に携わるエンジニアが、最新のAIモデル動向やプロンプト設計、実業務への応用手法など、生成AIに特化した知見を執筆・編集しています。
モデル評価や業務シナリオに応じたAI活用設計など、日々のR&D活動で得られる実践的なノウハウをわかりやすく紹介します。