【第541回】 Agentforce ： サブエージェントごとの LLM モデルを簡単に設定
※ 2026 年 10 月に記事更新
Agentforce の 2026 年 5 月の新機能リリースでは、Agent Script を利用することで、サブエージェントごとに利用する LLM モデルをそれぞれ指定できるようになりました。
ただし、当時は Agent Script 内にモデルの API 名を直接記述する必要がありました。そのため、モデルを変更するたびに利用可能なモデルの API 名を調べ、スクリプトを編集する必要があり、手軽にモデルを比較・検証できるとは言えませんでした。
例えば、以下のように model_config へ直接モデルを指定していました。
例：model://sfdc_ai__DefaultBedrockAnthropicClaude46Sonnet
subagent GeneralWebSearch:
label: "General Web Search"
description: "Searches public information and provides concise answers."
model_config:
model: "model://sfdc_ai__DefaultBedrockAnthropicClaude46Sonnet"
reasoning:
instructions: ->そこで、2026 年 6 月の新機能リリースでは、この設定がさらに使いやすくなり、Agentforce Builder のキャンバス上から GUI で簡単にモデルを変更できるようになりました。YAML を直接編集することなく、用途に応じて LLM を簡単に切り替えられるようになっています。
今回は、Model Override の設定方法に加えて、現在利用できる主なモデルの特徴や、用途に応じた選び方についても紹介します。
Model Override の設定方法
設定方法は非常に簡単です。
1. サブエージェントを選択し、表示される ＋ ボタンをクリックします。
2. Model Override をクリックします。
3. 右上のプルダウンから利用したいモデルを選択します。
※ 一部のモデルが表示されない場合があります。その場合は、スクリプトモードに切り替えて API 名 を直接記述してみてください。
利用できるモデル（2026 年 10 月現在）
Salesforce では、OpenAI、Anthropic、Google、Amazon、NVIDIA など、数多くの生成 AI モデルを利用できます。
現在利用可能なモデルの最新版については、以下の公式ドキュメントをご確認ください。
利用可能なモデル一覧： Supported Models for Agentforce
以下では、各モデルの特徴と、どのような用途に向いているかを簡単に整理しました。
なお、用途の説明はモデルを選ぶ際の参考情報です。Salesforce が各用途での動作や性能を保証しているわけではありません。 実際の応答速度やコスト、Action の実行精度などは、環境や処理内容によって異なります。
OpenAI
GPT-4o：文章生成や質問応答など、幅広い用途に対応する汎用モデル。従来のチャット対応や FAQ に利用されてきました。※ 2027 年 1 月 14 日に Reroute 予定。
GPT-4o Mini：GPT-4o の軽量モデル。簡単な質問応答や短い文章の生成、大量の問い合わせ処理などに向いています。※ 同じく 2027 年 1 月に Reroute 予定。
GPT-4.1：指示への追従やコード生成などを得意とするモデル。決められた手順に従うエージェントや、複数の指示を扱う用途に適しています。※ 2027 年 1 月 14 日に Reroute 予定。
GPT-4.1 Mini：GPT-4.1 の軽量モデル。FAQ、問い合わせの分類、ルーティングなど、比較的シンプルな処理に向いています。※ 同じく 2027 年 1 月に Reroute 予定。
GPT-5：複雑な質問や推論を必要とする業務に対応するモデル。情報を整理して判断するエージェントなどで利用できます。※ 2026 年 12 月 11 日に GPT-5.6 Sol へ Reroute 予定。
GPT-5 Mini：GPT-5 の軽量モデル。応答速度やコストを意識しながら、一般的な問い合わせ対応や要約を行う用途に向いています。※ 2026 年 12 月 11 日に GPT-5.6 Terra へ Reroute 予定。
GPT-5.1：GPT-5 シリーズの後続モデル。文章作成や指示に沿った回答、業務情報の整理など、幅広い用途で比較候補になります。
GPT-5.2：複数の情報を比較する分析や、段階的な判断が必要な業務に向いています。複雑な問い合わせを扱う場合の比較候補です。
GPT-5.4：高度な文章生成や分析、コーディングなどに利用できる高性能モデル。複雑な Instructions を扱うエージェントでも検証候補になります。
GPT-5.4 Mini：GPT-5.4 の軽量モデル。FAQ、要約、情報抽出など、処理量の多い業務でコストを抑えたい場合の候補です。
GPT-5.5：複雑な業務処理や Tool を多用するエージェント、長い文書の分析などに向いています。回答内容の品質や処理の正確性を重視する用途に適しています。
GPT-5.6 Luna：処理速度とコスト効率を重視したモデル。問い合わせの分類、簡単な FAQ、データ抽出、大量の定型処理などに向いています。
GPT-5.6 Terra：性能とコストのバランスを重視したモデル。一般的な問い合わせ対応、文章作成、レポート生成など、日常業務に幅広く利用できます。
GPT-5.6 Sol：高度な推論や複雑な問題の解決に向いたモデル。複数の条件を考慮する業務や、複雑な Agent Action を伴う処理の検証候補です。
GPT-6 Luna：GPT-6 シリーズの中でも効率性を重視したモデル。問い合わせの分類、データ抽出、定型的な回答生成など、大量の処理を効率よく実行したい場合に向いています。
GPT-6 Sol：複雑なコーディングや、複数の Tool を組み合わせるエージェント処理に向いたモデル。一般的な FAQ よりも、複数ステップの業務処理などに適しています。
GPT-6 Astra：GPT-6 シリーズの高性能モデル。高度な推論、複雑な問題解決、詳細な分析、複数ステップの業務処理など、回答品質を特に重視する用途に向いています。
GPT-6.1 Sol：高度な性能とコストのバランスを重視したモデル。複雑な推論や業務処理に対応しながら、GPT-6 Astra よりコストを抑えたい場合の有力な候補です。
O3：推論を重視したモデル。複数の条件を比較する分析や、論理的な判断を必要とする業務に向いています。※ 対象モデルは 2026 年 11 月または 12 月に Reroute 予定。
O4 Mini：軽量な推論モデル。比較的シンプルな分析や、推論性能と処理効率のバランスを重視する用途に向いています。※ Azure OpenAI の対象モデルは 2026 年 11 月 11 日に Reroute 予定。
特に注目したいのは、2026 年 10 月に GPT-6 Luna、Sol、Astra、GPT-6.1 Sol が GA となったことです。
大まかに言えば、Luna は速度とコスト効率、Sol は性能とコストのバランス、Astra は高度な推論や複雑な業務という観点で選ぶと、用途をイメージしやすいと思います。
Anthropic Claude
Claude Haiku 4.5：高速な応答とコスト効率を重視したモデル。FAQ、分類、情報抽出、エージェントのルーティングなどに向いています。
Claude Haiku 5.5：Haiku シリーズの新しいモデル。大量の問い合わせ処理や、応答速度が求められる業務、定型的なデータ処理などに向いています。
Claude Sonnet 4.5：文章生成や情報整理、問い合わせ対応など、一般的な業務に幅広く利用できるバランス型モデルです。
Claude Sonnet 4.6：複雑な Instructions を含む問い合わせ対応や、情報分析、複数の Tool を使用するエージェントなどで比較したいモデルです。
Claude Sonnet 5：Sonnet シリーズの後続モデル。文章作成、データ分析、業務の自動化など、品質と処理効率の両方を重視する用途に向いています。
Claude Sonnet 5.5：速度と高度な処理能力のバランスに優れたモデル。文章生成、データ分析、複数の Action を組み合わせるエージェントなど、幅広い業務に向いています。
Claude Opus 4.5：高度な推論や複雑な文章生成などに向いた高性能モデル。難しい問い合わせや詳細な分析を行う用途で検証候補になります。
Claude Opus 4.6：高度な推論や複雑な Instructions の処理に利用できるモデル。複数の情報を整理して回答する業務に向いています。
Claude Opus 4.7：複雑な調査や分析、コーディングなど、精度を重視する業務で比較候補になるモデルです。
Claude Opus 4.8：高度な分析や複数段階の業務処理など、複雑なタスクへの対応を重視する場合に検証したいモデルです。
Claude Opus 5：Opus シリーズの高性能モデル。高度な推論や、複雑な手順を伴うエージェントの処理などに向いています。
Claude Opus 5.5：長時間にわたる複雑な業務や、複数ステップのエージェント処理、詳細な分析やコーディングなどに向いています。
Claude シリーズも、用途に応じて選びやすい構成になっています。
大まかには、Haiku は速度とコスト効率、Sonnet は性能と速度のバランス、Opus は複雑な業務や高度な推論を重視するモデルです。
例えば、一般的な FAQ の回答には Haiku、幅広い問い合わせ対応には Sonnet、複雑な業務処理には Opus といった使い分けが考えられます。
Google Gemini
Gemini 3 Flash：応答速度と処理性能のバランスを重視したモデル。一般的なチャットや情報整理、要約などに向いています。
Gemini 3.1 Flash Lite：軽量でコスト効率を重視したモデル。問い合わせの分類、短い文章の生成、大量のデータ処理などに向いています。
Gemini 3.1 Pro（Beta）：高度な推論や複雑な情報分析を行う用途向け。精度を重視する処理で検証したいモデルです。
Gemini 3.5 Flash：性能と処理速度のバランスに優れたモデル。一般的な問い合わせ対応から、文章作成、データ分析、Tool を使用するエージェントまで幅広く利用できます。
Gemini 3.6 Flash：複数ステップの業務処理やコード生成、複雑な情報分析などに向いたモデルです。
Gemini 3.7 Flash：エージェントのワークフローや複数段階の処理、コーディングなどに向いています。
Gemini 3.8 Flash：複雑なエージェント処理やコーディング、複数ステップの推論などを重視したモデル。速度と高度な処理能力を両立したい場合の有力な比較候補です。
Google Gemini は、Flash シリーズを中心に、応答速度や処理効率を重視しながら、比較的複雑な業務にも対応できるモデルが提供されています。
また、Salesforce の Agent Script の公式ドキュメントでは、Gemini 3.5 Flash が Agentforce で十分にテストされた推奨モデルの 1 つとして紹介されています。
なお、以前利用できた Gemini 2.5 シリーズについては、後継モデルへの Reroute が行われています。
Amazon Nova
Amazon Nova Lite：コスト効率を重視した軽量モデル。FAQ、簡単な文書の分析、情報抽出などに向いています。
Amazon Nova Pro：性能とコストのバランスを重視したモデル。複雑な文書の分析や、幅広い問い合わせ対応などに向いています。
Amazon Nova 2 Lite：効率性を重視しながら推論にも対応するモデル。文書処理、カスタマーサポート、定型的な業務の自動化などに向いています。
NVIDIA Nemotron
Nemotron 3 Nano 30B（Beta）：効率性を重視した軽量モデル。要約、分類、情報検索など、比較的シンプルな業務に向いています。
Nemotron 3 Super 120B（Beta）：高度な推論や複数のエージェントを組み合わせる処理など、複雑な業務に向いています。
なお、これらは Salesforce では Beta として提供されています。
Salesforce は、Beta モデルについて Sandbox や開発環境での評価を推奨しています。
また、OpenAI Ada 002 や Azure OpenAI Ada 002 などの Embedding モデルも提供されていますが、こちらは主に検索などで利用するためのベクトル生成モデルです。通常のエージェントの回答生成とは用途が異なります。
モデルによって回答は大きく変わる
正直、「どのモデルを選んでも大きな違いはないのでは？」と思われるかもしれません。
しかし、実際には、回答の内容や文章の構成、提案の仕方には想像以上の違いがあります。
例えば、サービスエージェントに対して次のように質問してみます。
箱根のスポットを教えてください。
⭐ GPT-5.4
⭐ Claude Sonnet 4.6
⭐ Gemini 3.5 Flash
このように比較してみると、別人のような回答であることは明らかです。
同じ質問であっても、紹介するスポット、説明の詳しさ、文章のトーンや雰囲気などはモデルごとに異なっていますね。
そのため、最終的には担当者の好みになるかもしれませんが、「どのモデルが自社のサービスエージェントに最も適しているか」を実際に比較・検証することが非常に重要になります。
例えば、FAQ に回答するだけのエージェントであれば、必ずしも最高性能のモデルを利用する必要はありません。
一方で、複数の Action を実行したり、複雑な条件を判断したりするエージェントでは、より高度な推論が可能なモデルを選んだ方がよい場合もあります。
今回の Model Override を利用すれば、こうした比較を Agentforce Builder 上から簡単に実施できます。
注意：モデルによって、回答品質や得意分野、コスト、応答速度（レイテンシー）は異なり、同じ Prompt であっても生成結果や Action の実行方法が変わる場合があります。そのため、本番環境へ適用する前に、自社のユースケースに合わせて十分な比較・検証を行うことをおすすめします。
デフォルトではどのモデルが使われるの？
「Model Override を設定しない場合は、どのモデルが使われるの？」と思う方もいるかもしれません。
デフォルトのモデルは、設定 ＞ Einstein Audit, Analytics, and Monitoring Setup から確認できます。
モデルプロバイダーの設定として、Salesforce Default、AWS-Hosted、Google Gemini などの選択肢があります。
Salesforce Default は、Salesforce が管理する複数の信頼されたモデルを組み合わせ、精度やパフォーマンスなどを考慮して最適化する設定です。
AWS-Hosted は Amazon Bedrock 上の Anthropic モデルを利用する設定で、Google Gemini では Vertex AI 上のモデルを利用します。
ただし、デフォルトで使用される具体的なモデルは、今後も変更される可能性があります。
実際に、2026 年 10 月には、Legacy Agentforce Builder の Reasoning Engine について GPT-4o から GPT-5.6 Luna への変更が発表されました。
また、新しい Agentforce Builder では、エージェント作成時のモデル選択方法も改善されています。
そのため、以前に確認したモデルが現在も使用されているとは限りません。
最新の設定については、公式ドキュメント をご確認ください。
なお、Model Override によってサブエージェントでモデルを指定した場合は、その設定がエージェントや組織全体のモデル設定よりも優先されます。
いかがでしたでしょうか。
これまでリリースノートで「新しい LLM モデルが追加されました」と紹介されても、「実際にはどこで使うのだろう？」と感じていた方も多かったのではないでしょうか。
しかし、今回の Model Override により、サブエージェントごとに最適なモデルを簡単に切り替えられるようになり、用途に応じたモデル選択や比較・検証がこれまで以上に手軽になりました。
さらに、2026 年 10 月には GPT-6 シリーズや Claude 5 シリーズなど、新しいモデルが次々と GA となっています。
一方で、古いモデルから新しいモデルへの Reroute も進められており、これまでと同じモデル名を指定していても、将来的には別のモデルで処理される可能性があります。
そのため、新しいモデルを試すだけでなく、既存のエージェントで利用しているモデルについても、定期的に見直しておくことが重要です。
これからも新しい LLM モデルは継続的に追加されていくと思われます。
そのたびに Agent Script を編集することなく、Agentforce Builder 上で簡単にモデルを切り替えながら検証できるようになったことは、エージェント開発の効率を大きく向上させるアップデートと言えるでしょう。
これからは、新しいモデルがリリースされた際には、ぜひ自社のユースケースで試しながら、それぞれの特徴や違いを比較してみてください。
今回は以上です。
