Anthropic、サブエージェント統合の指針を公開

Applied AIチームは、企業向けエージェントでルーター、プランナー、ドメイン別サブエージェントをメインループに統合して成果が出た例を挙げている。ある企業では十数個の専門サブエージェントがブランドに沿った一貫した体験の維持を難しくし、レイテンシも増やしていた。別の顧客は、マルチエージェント構成を単一ループと比べたところ、後者の実行時間が約2倍速かったと報告している。一方でサブエージェントを残す条件として、コンテキスト肥大による性能低下、破棄できる新しいコンテキストでの並列作業、ツール選択の困難や指示の競合の3点を挙げている。 大組織で起きやすい失敗として、エージェント間のコンテキスト受け渡しでの欠落、チームごとにサブエージェントが乱立するサブエージェントの氾濫、各チームがシステムプロンプトに一文ずつ足して矛盾が生じるFrankenprompt、局所的すぎる評価、レイテンシの増加を挙げる。対策として、スキルによるコンテキストの段階的開示とツール検索によるツールの段階的開示を勧めている。共有コンテキストのほうが要約の受け渡しより豊かな出力になり、Claude Codeのシステムプロンプトも80%以上削減したという。モデルの能力向上で、ハーネス側の要素が不要になる場面も増えたとしている。 移行は段階的に進める。まず、中央チームが持つエンドツーエンドの評価セットと、各スキルを持つチームが付ける小さな評価セットを用意する。10件程度のゴールデン例でも開始できる。その後、結合の強い専門エージェントを統合するか、サブエージェントをツールとして呼び出すか、プロンプトをスキルに、API呼び出しをMCPツールに置き換えて、統合した版と残した版の評価を比較する。サポートエージェントでの検証では、統合でレイテンシは下がったが、それまで通っていた処理が壊れた。この問題は2回の実行のうち1回でしか現れなかったため、各タスクを複数回実行することを勧めている。 複数チームの関わり方としては、各チームの担当をエージェントからスキルとツールへ移し、小さな中央チームがシステムプロンプトと全体品質を管理する形を示している。ツールはAPIごとではなくユーザーの意図ごとにまとめ、定義が30〜50を超えると選択精度が落ちやすいとする。ツール側で前提条件や権限を確認し、拒否もモデルが読める形で返す。ツール群は/skill-creatorと/skill-doctorで整理できる。移行を支援するものとして、/claude-api build-eval、prompt-audit、hillclimb、cost-optimizeの各スキルをつなぐ移行キットとデモも用意されている。

Claude Blogより

推移を表示するための継続的な観測データがまだ足りません。