市場に販売されている対話エージェント（CAs）の増加により、ユーザーは複数のエージェントを学習し、採用してタスクを達成する負担が増しています。これまでの研究では、単一のエージェント設計内で多様なドメインをサポートすることを検討してきましたが、望ましい機能の大規模なアクション空間により、相互作用体験が損なわれています。これらの問題に対処するために、私たちは新しい課題BBAI（Black-Box Agent Integration: 黒箱エージェント統合）を導入します。この課題は、大規模に複数の黒箱CAの機能を組み合わせることに焦点を当てています。私たちは、この課題解決のために2つの手法を探求します：質問エージェントペアリングと質問応答ペアリングです。これらの手法を利用し、One For All（OFA）というスケーラブルなシステムを設計しました。OFAは、複数のCAと相互作用するための一元化されたインターフェースを提供します。さらに、MARS（Multi-Agent Response Selection: 多重エージェント応答選択）という新しいエンコーダモデルを導入しました。MARSは、質問応答ペアリングにおいてユーザの質問とエージェントの応答ペアを共同でエンコードします。実験結果から、OFAが自動的にかつ正確に異なるドメインにわたる商用CA群を統合できることが示されました。特に、MARSエンコーダを使用することで、私たちのBBAI課題において最高精度を達成し、強力なベースラインを超えることができました。