Anthropic、マルチエージェント群から単一エージェントアーキテクチャへの移行を提言

Anthropicは、ソフトウェアチームやエンタープライズ開発者に対し、複雑なマルチエージェントフレームワークの再検討を促している。同AI企業のApplied AIチームによると、特化したサブエージェントを、オンデマンドでコンテキストを取得する1つのメインエージェント（プライマリ・エージェント）に統合することで、出力品質、運用コスト、レイテンシの面でより優れた結果が得られるケースが多いという。

この変化の背景にあるのは、Opus 4.5、Opus 5.5、Fable 5.1といった最新モデルにおける推論能力の拡張である。これらのシステムは、単一のループ内で複雑な実行計画を実行・追跡できるため、硬直化した多層オーケストレーションパイプラインの必要性を排除できる。Anthropicが強調したベンチマークテストの1つでは、単一エージェント構成は同等のマルチエージェント構成と比較して約2倍の速度で動作した。

マルチエージェント間ハンドオフの代償

近年、多くの企業が自社の組織図を模したエージェントシステムを構築してきた。Anthropicはこの動向を、AIに適用された「コンウェイの法則（Conway's Law）」と表現している。こうした構成では、社内の異なる部門がそれぞれ専用のプロンプトと処理ブランチを持つサブエージェントを構築する。

しかし、実際の企業導入事例では、このアプローチにおける大きな摩擦が明らかになった。ある事例では、1つの顧客向けアシスタントの裏に12個のサブエージェントを配置した結果、高いレイテンシと不安定なブランドトーンが生じる事態となった。

Anthropicは、機能作成エージェントからテスト作成エージェントへ、さらにレビューエージェントへと指示を伝達する際など、エージェント間の引き渡しのたびにマルチエージェントパイプラインでコンテキストの劣化が頻繁に発生すると指摘する。対照的に、単一エージェントモデルは完全なコンテキストを保持しているため、機能とそれに対応する単体テストの双方を直接記述することができ、テストの実行と結果のログ記録には軽量な検証ツール（verifier）のみで済む。

さらに、マルチエージェントの乱立は、Anthropicが「Frankenprompts」と呼ぶ現象を引き起こしがちである。これは、部門ごとの矛盾するルールが大量に詰め込まれ肥大化したシステムプロンプトを指す。アーキテクチャを合理化し、スキルを動的にロードすることで、Anthropicは最新モデルにおいてClaude Codeのシステムプロンプトを80％以上削減した。

スキルとツールライブラリの管理

Anthropicは、個々のタスクに別々のエージェントを割り当てるのではなく、ワークフローを「スキル」としてモジュール化し、ツール検索メカニズムを通じてメインエージェントが必要に応じて読み込む方式を推奨している。

同社は、安定性を維持するためのベストプラクティスとして以下を挙げている。

• プロンプト所有権の一元化： 少数のコアチームが、システムプロンプト、出力ガードレール、および全体的な品質基準を管理すべきである。

• ツール数の制限： ツールの定義数がアクティブな状態で30〜50を超えると、モデルのツール選択精度が低下する傾向がある。指定されたチームリーダーがスキルライブラリをキュレーションし、肥大化を防ぐ必要がある。

• 動的な情報取得： 背景ドキュメント、製品仕様、内部メトリクスは、ハードコーディングしたりシステムプロンプトに直接注入したりするのではなく、必要に応じて検索されるナレッジベースに格納すべきである。

サブエージェントが引き続き必要なケース

Anthropicは、慎重な評価を行わずにアーキテクチャを統合することに対して警告を鳴らしている。あるカスタマーサポートのテストでは、サブエージェントをメインエージェントに統合したことで応答時間は短縮されたものの、指定の専門窓口にルーティングせず、問い合わせに直接回答してしまうという事象が発生した。

開発者が自社システムを評価できるよう、Anthropicは段階的な評価ワークフローをまとめた移行キットをGitHub上で公開した。同社によると、以下の特定の条件においては、現在もマルチエージェント構成が有効であるという。

• コンテキストウィンドウの過負荷により、単一エージェントのパフォーマンス低下が顕著に測定される場合。

• 独立したタスクを、分離されたコンテキストウィンドウ間で同時に並行実行する必要がある場合。

• 非常に大規模な操作セットの中から、エージェントが適切なツールを選択するのに苦労する場合。

Anthropicの結論は、エージェントのパフォーマンスに関する外部の研究結果とも一致している。評価プラットフォームValsによる最近の研究では、特定シナリオにおいてエージェントチームがスループットを向上させ得るものの、10個から30個、あるいは100個のエージェントへと拡張しても、出力品質が向上しないまま急激なコスト増加を招いたことが示された。OpenAIの開発者であるEric Provencher氏も、マルチエージェントスウォームに対して同様の懐疑的な見解を示しており、それを「ほぼ確実に」リソースの非効率な利用であると述べている。