# Agentic Search

Source: https://docs.mira.day/ja/docs/agent-sourcing/agentic-search

> 求める人物像を自然な言葉で説明するだけ。Mira が複数のデータソースをまたいで検索し、ステップごとに深掘りして、各候補者がマッチする理由を添えて返します。



Agentic Search は Mira が人を見つける仕組みです。Boolean 文字列を書いたりキーワードを組み合わせたりする必要はありません――**探している人物像を自然な言葉で説明するだけで、Mira は経験豊富なリクルーターのように動きます。複数のデータソースをまたいで検索し、手がかりをステップごとに追いかけ、各候補者がなぜマッチするかを説明します。**

***

解決する課題 [#解決する課題]

従来の候補者検索には 2 つの本質的な限界があります：

* **データベースが 1 つ。** 適切な人材はプロフェッショナルネットワーク、コードコミュニティ、リサーチプラットフォーム、企業サイトと各所に散らばっています――単一のデータベースでは必ず取りこぼしが生じます。
* **検索が 1 回。** 1 回のキーワードマッチングは「見た目のいい履歴書を持つ人」を返しがちで、本当に適した人を返すとは限りません。

Agentic Search はこの両面で異なるアプローチをとります。**複数のデータソース**から情報を引き出し、**複数のステップ**で進みながら――直前のステップで得た情報をもとに次の探索先を決めながら――積極的に転職活動をしていないパッシブ候補者も含め、適切な人材を見つけ出します。

仕組み [#仕組み]

1. **要件を説明する** ― 日常の言葉で。役職、必須条件、あると望ましい条件を記します。
2. **Mira が検索する** ― 複数のデータソースをまたいで、手がかり（企業、技術スタック、プロジェクト、公開実績）を追いかけ、クロスチェックします。
3. **説明付きの結果が届く** ― 候補者一覧として、1 人ひとりに「なぜマッチするか」が添えられます。
4. **絞り込む** ― 方向性がずれていれば、そう伝えるか条件を追加するだけ。Mira が調整します。

主な機能 [#主な機能]

* **クロスソース網羅** ― 複数のプロフェッショナル人材ソースとオープンウェブを同時に検索し、広いカバレッジを確保します。
* **マルチステップ深掘り** ― 1 回限りのマッチングではなく、手がかりを追いかけてクロス検証するため、パッシブ候補者にもリーチできます。
* **説明付きマッチング** ― すべての候補者に理由が添えられるため、結果を判断・信頼できます。これは [MRE](./understanding-ai-matching) によって実現されています。
* **オンデマンド連絡先取得** ― 適切な人材が見つかったら、必要に応じてメールや電話番号を開示します（開示ごとに credits を消費します）。

役職をうまく説明する [#役職をうまく説明する]

Agent は自然言語を理解します――しかし、文脈が多いほど推論の材料が増えます。薄い説明と詳しい説明では、返ってくる Shortlist が大きく変わります：

| 薄い               | 詳しい                                                                 | 重要な理由                               |
| ---------------- | ------------------------------------------------------------------- | ----------------------------------- |
| 「開発者を探して」        | 「シニアバックエンドエンジニア、Python 5 年以上、スケールするマイクロサービスを構築した経験あり、フィンテック出身が望ましい」 | 文脈が多いほどマッチングシグナルが増える                |
| 「NYC のマーケティング担当」 | 「NYC の B2B SaaS マーケティングマネージャー、プロダクトローンチの経験あり、データドリブンなキャンペーンに慣れている」  | 暗黙の条件が推論ベースマッチングを引き出す               |
| 「できる人が欲しい」       | 「プロダクトを 0 から 1 にした経験があり、シリーズ A〜B のスタートアップが理想」                       | Mira は「0 から 1」をアーリーステージの構築経験として読み取る |

暗黙の条件も活用できます――リクルーターに口頭で伝えるような言葉（「フットワークが軽い」「独立して動ける」「チームをゼロから立ち上げた」など）。Mira はそれをキーワードとしてマッチングするのではなく、意味を推論します。

クイックスタート [#クイックスタート]

1. **人物像を自然な言葉で説明する**。できるだけ詳しく：
   * 役職 / レベル
   * 必須条件（譲れない要件）
   * あると望ましい条件
   * 勤務地、業界、企業規模などの制約
2. **Mira が検索するのを待つ** ― 作業ステップがリアルタイムで表示されます。
3. **リストと各候補者のマッチ理由を確認する**。必要に応じて連絡先を開示します。
4. **方向性がずれている？** フォローアップするか条件を修正して、さらに絞り込みます。

<Callout>
  **プロンプト例：**「フィンテック企業でリアルタイムのリスク制御を構築した経験を持つシニアバックエンドエンジニアを 3 名探してください。Go と Kafka の経験があり、上海在住が望ましいです。」
</Callout>

Mira は条件に合う人材をソースをまたいで検索し、プロジェクトや経歴を深掘りしてクロスチェックし、マッチ理由を添えた Shortlist を返します――その後「チームマネジメント経験のある人をもう少し」と追加するだけで絞り込めます。

より良い結果を得るコツ [#より良い結果を得るコツ]

* **必須条件とあると望ましい条件を分ける。** 何が必要で何がボーナスかを Mira に伝えると、マッチングの精度が上がります。
* **背景情報を提供する。** 「これは独立して動ける人が必要なアーリーステージのスタートアップです」という一文が、適合度の判断を助けます。
* **フォローアップを活用する。** 方向性がずれていたら、最初からやり直すのではなく条件を追加・修正しましょう。
* **複雑な役職は Agent Team に任せる。** 部門横断的な役割や制約が多い役職は、[Agent Team](./agent-teams) に並行して取り組ませましょう。
* **得意なパターンを保存する。** 繰り返し使う検索ワークフローは [Skill](./skills) にして、チームで再利用できるようにしましょう。

技術的な仕組み [#技術的な仕組み]

Agentic Search を支える仕組みを平易な言葉で説明します：

* **マルチソース検索 + 融合ランキング。** Mira は複数のデータソースを同時に照会し、結果を統合・重複排除して逆数順位融合（RRF）で再ランキングします。これにより、特定のソースの偏りが支配的にならないようにしています。
* **反復推論ループ。** 1 回のクエリではなく、「推論 → 検索 → 結果を読む → 再推論」を繰り返し、直前の発見から次のステップを選びます。
* **レイヤード・パイプライン。** 候補者の発見、連絡先エンリッチメント、プロフィールエンリッチメントを別々のレイヤーとして実行し、必要な深さにだけ掘り下げます。
* **説明付きマッチング。** [MRE](./understanding-ai-matching) が各候補者をあなたの要件と照らして評価し、表示される理由を生成します。

> 学術的な言葉で言えば、異質な多くのソースを組み合わせてドメインをまたいでステップごとに解くアプローチは、**マルチソース検索**と**マルチホップ推論**に相当します。

関連ページ [#関連ページ]

* [Shortlist を確認する](./review-your-shortlist) ― 返ってきた候補者を読んでエクスポートする。
* [AI 候補者マッチング](./understanding-ai-matching) ― MRE が適合度をどう評価するか。
* [Agent Teams](./agent-teams) ― 複雑な検索に複数の専門 Agent を投入する。

Mira を試してみませんか？アーリーアクセスは[ウェイトリスト](https://www.mira.day/join-waitlist)から申し込めます。