10月25日、The Decoderが「Anthropic says one AI agent beats many subagents now that models can handle complexity alone」と題した記事を公開した。Anthropicが複数のサブエージェントを使うマルチエージェント構成より単一エージェントの方が品質・コスト・レイテンシの面で優れるケースが多いと発表し、移行ガイドを公開したという内容だ。「エージェントを分割・増殖させるほどシステムは賢くなる」という設計思想への根本的な再考を促す内容であり、エンタープライズ導入事例に基づいた実践的な知見が示されている。
「エージェントを増やせば良い」という常識への疑問
AIエージェント設計の世界では長らく「複雑なタスクは専門エージェントに分割せよ」が定石とされてきた。Anthropicはその前提を覆す実践的な知見を公表した。
複数のエンタープライズ導入事例を通じて得た結論は明快だ。必要に応じてコンテキストをロードする単一エージェントが、専門エージェントの群れに対して品質・コスト・レイテンシのすべてで上回るケースが多い。元記事が引用する比較では、シングルエージェント構成がマルチエージェント構成の約2倍の速度で処理を完了した。
Anthropicはこの前提として、最新世代のモデルが複雑なプランを単一ループ内で直接処理できるようになった点を挙げている。元記事では具体的なモデル名としてOpus 4、Opus 4.5、Sonnet 4が参照されており、モデルの能力向上そのものがアーキテクチャ選択の見直しを促していると説明されている。
なぜマルチエージェントは肥大化するのか
Anthropicが指摘する構造的な問題が興味深い。エージェントのアーキテクチャは往々にして組織図のコピーになる——各チームが自分たちのサブエージェントをリリースし続け、共通標準のない数百のエージェントが積み重なる。Anthropicはこれを「エージェントのコンウェイの法則」と呼ぶ。
その末路が「Frankenprompt」だ。各チームがシステムプロンプトにルールを追加し続けた結果、ルール同士が矛盾し合う状態に陥る。あるクライアント向けエージェントでは、12個の専門サブエージェントが存在したことでブランド体験の一貫性が失われ、高レイテンシによってユーザビリティも低下した。
また、マルチエージェント構成ではエージェント間のハンドオフのたびにコンテキストが失われる。下図はその問題を端的に示している。
機能実装・テスト作成・コードレビューのハンドオフでコンテキストが消える（マルチエージェント）のに対し、単一エージェントはコンテキストを保持したまま機能とテストの両方を書き、別の検証エージェントがテストを実行して結果を報告する（シングルエージェント）。Image: Anthropic
Anthropicが実際に行った対処の一例として、Claude Codeのシステムプロンプトを新モデル向けに80%以上削減した事例がある。スキルとツールを必要時のみロードする設計に変更し、モデル自身が進捗をコメントしながら自己チェックするため、追加の制御レイヤーが不要になったという。
サブエージェントが有効な場面は残る
Anthropicは全面否定はしていない。以下のケースではサブエージェントが依然として有効だとしている。
- 単一エージェントのコンテキストウィンドウが限界に達し、パフォーマンスが低下している場合
- 複数タスクを独立したコンテキストウィンドウで並列処理する必要がある場合
- 単一エージェントがツール選択に苦慮している場合
移行の進め方と落とし穴
Anthropicは既存パターンの洗い出し、代替案の評価、最適手法の検証というステップからなる移行ガイドを公開している（元記事にGitHubリポジトリへの言及があるが、URLの確認が取れなかったため本記事ではリンクを省略する）。
ただし盲目的なマージには警告を発している。あるサポートエージェントのテストでは、サブエージェントを統合したことでレイテンシは改善したが、プライマリエージェントが専門エージェントに問い合わせるべき場面で自分自身が回答し始め、以前は機能していたプロセスが壊れた。
実務上の指針として、Anthropicはワークフローをスキルとしてパッケージ化することを推奨している。スキルとは、特定のタスクに対応するツール群と指示をひとまとめにした単位であり、エージェントが必要なときだけ動的にロードする設計を可能にするものだ。ロードの仕組みとしてはツール検索（Tool Search）が用いられる。これはエージェントが実行時に必要なツールを検索・取得できるAnthropicのAPIが提供する機能で、全ツールを事前に列挙する必要をなくす。
また、ツール定義が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ため、スキルライブラリの管理オーナーを各チームで明確にすることを求めている。
業界全体の潮流とも一致
この知見は他の研究とも整合する。Valsの研究では、エージェント数を10から30、100に増やしても品質向上はなくコストのみが増大した。OpenAIのデベロッパーEric Provencherも「エージェントスウォームはほぼ確実に無駄金」と公言している。「エージェントを増やせば賢くなる」という設計思想への再考が、業界横断的に進んでいる。
詳細はAnthropic says one AI agent beats many subagents now that models can handle complexity aloneを参照していただきたい。
