
エージェントは、分けるほど賢くなるわけではないのか~Anthropicの一次資料で読む、サブエージェントを畳む判断~
【発端】 同じ一次資料、強さの違う二つの記事

記事の見出しの強さを、一次資料で測り直す試みです。
最近、cxuan(@criscxuan)さんのX記事「别学 subagent 了,现在都玩单 Agent + Main Loop 了。」を読みました。直訳すると「サブエージェントはもう学ぶな、いまは単一エージェント+メインループだ」です。原文はこちら(中国語)。
元になっているのは、Anthropicが10月22日に公開した「Building agents: When to fold subagents into your main agent loop」です。同じ29日の夕方には、mylifcc(@mylifcc)さんも同じ記事を精読していました。自作のRust製オーケストレーションの経験を足した記事です。
この記事では、三つの記事を見比べます。どこまでが一次資料の主張で、どこからが書き手の解釈や経験なのか。
そこを分けると、題の問いに答えやすくなります。
先に結論を書くと、分けるほど賢くなるとは限りません。ただしAnthropic
は、分けてよい場面を三つ明記しています。
【基礎】 分かれ目は役割名ではなくコンテキスト

軸は「コンテキストを共有するかどうか」です。
サブエージェントは、独自のコンテキストウィンドウ、ツール、指示を持つエージェントで、コーディネーターが指揮します。コンテキストウィンドウは、モデルが一度に見られる入力の範囲です。
Anthropicは、検証、並列作業、権限の分離に向くものとして位置づけています。自社の複数エージェント型リサーチ機能でも、サブエージェントが並列に調べて要点だけを返す設計を使っています。
メインループは逆の設計です。一つのモデルが、一つのコンテキストの中でツール呼び出しを繰り返します。
毎ターン、モデルがツール呼び出しをまとめて出します。ハーネス(モデルを動かす外側のプログラム)がそれを並列に実行し、生の結果を同じモデルに返します。
止まるのは、モデルが答えたときか、ターン数や費用の上限に達したときです。
計画もコンテキストの中に書かれ、結果が届くたびに書き換えられます。計画を立てるモデルと実行するモデルが同じなので、途中で方針を変えられます。
Anthropicが、サブエージェントを残してよいとする場面は次の三つです。
コンテキストの肥大:単一ループで、測定できる性能低下が出ている
使い捨ての並列作業:新しいコンテキストで並行して進め、終われば捨てられる
ツール選択と指示の衝突:ツールを選べない、またはシステムプロンプトに矛盾した指示がある
【違い】 継ぎ目の数が、欠落の数になる

従来型の弱点は賢さそのものではありません。継ぎ目で起きる欠落と重複です。
これまでよく使われてきたのは、チームごとに専門のサブエージェントを作り、上にオーケストレーター(振り分け役)を載せる形です。Anthropicは、大きな組織で起きる問題を五つ挙げています。
文脈の欠落
起きること:やり取りのたびに詳細が落ちる
サブエージェントの乱立
起きること:重複する数百のエージェントに、決まった持ち主がいない
継ぎはぎプロンプト
起きること:各チームが一文ずつ足し、規則が衝突する
局所的な評価
起きること:サブタスク向けに偏った点数だけが集まる
遅延
起きること:構成が複雑になるほど遅くなる
乱立の背景として、Anthropicはコンウェイの法則に触れています。チームごとにエージェントを作ると、組織図がそのまま設計になるという指摘です。
ここで、五つの言葉や数字を一次資料に照らします。
「サブエージェントはもう学ぶな」(cxuanさんの見出し)
一次資料での扱い:一次資料は不要とは言わず、残す三場面を明記しています。cxuanさんの本文にも三場面の紹介はあり、見出しだけが強い形です
「約2倍速」
一次資料での扱い:顧客1社が単一ループと比べた結果で、Anthropic自身の報告です。独立した検証ではありません
「システムプロンプトを80%超削減」
一次資料での扱い:Claude CodeについてのAnthropic自身の報告です
「3〜10倍のトークン」(mylifccさん)
一次資料での扱い:一次資料の本文には見当たらず、出所は未確認です。この記事では事実として扱いません
「認知は合わせ、物理環境は分ける」(mylifccさん。原文は中国語で「认知逻辑要“合”,物理环境必须“拆”」。ここは要約です)
一次資料での扱い:Rust実装に基づく書き手の意見です。一次資料の主張ではありません
【仕組み】 置き場所を決めて、文脈を後から呼ぶ

サブエージェントに詰めていたものを、モデル・Skills・ツール・コードに配り直します。
それを支えるのが、段階的開示(progressive disclosure)です。エージェントは最初、Skillsやツールの短い説明だけを見ます。
全文が読み込まれるのは、必要になったときです。
ツール側の仕組みはツール検索と呼ばれます。全ツールの定義を渡したうえで、一部にdefer_loadingを指定すると、モデルが検索して必要な定義だけを展開します。
これが役立つ理由は、因果で説明できます。長いシステムプロンプトが、サブエージェントに分けたくなる主な原因でした。
後から読み込めば、その原因が薄れます。
置き場所は、次の四つに分かれます。
モデル:計画と次の一手。結果を見て書き換えます
Skills:領域ごとの手順と判断基準。サブエージェントのプロンプトにあった中身です
ツール:検証、承認、ユーザーごとの権限。条件を満たさなければ、モデルが読める拒否文を返します
コード:安く確実にできる前処理と、ペイロード作成のような機械的な処理です
ツール定義が30〜50個を超えると、ツール選択が悪くなりやすいとも書かれています。APIごとではなく、ユーザーの意図ごとにまとめる方針です。
【具体例】 畳んだら、通っていた流れが壊れた

畳む判断は最終スコアだけでは決められません。
Anthropicが挙げる例は、サポートエージェントです。専門のサブエージェントを別のサブエージェントに畳んだところ、遅延は下がりました。
しかし、通っていた処理がおかしくなりました。注文照会ツールを持つ主エージェントが、配送担当に聞かず、自分で配送日を答えてしまったのです。
しかもこの崩れは、2回に1回しか出ませんでした。
この例から、確認の作法が二つ読み取れます。
最終スコアだけでなく、結果が反転したタスクを見ること。そして、各タスクを複数回走らせることです。
評価の出発点も具体的です。「10件の正解例」でも始められると書かれています。
畳む前に、本番で連なって動くエージェントの組み合わせごと、守るべき規則ごとにタスクを用意します。
Anthropicは移行用の参照実装 single-agent-loop-kitも公開しています。READMEには、保守せず貢献も受け付けない参考実装だと書かれています。
製品ではないので、手順の見本として読むのが安全です。
【関連概念】 分ける軸は、組織図から文脈と環境へ

分けるなら理由を「文脈」か「環境」で言える形にします。
コンウェイの法則:システムの構造は、作る組織の連絡経路のコピーになる、という観察です。部署ごとのエージェントが乱立するのは、この力が働くためと読めます
文脈で分ける:Anthropicは、独立した調査経路、きれいなインタフェースを持つ部品、ブラックボックスの検証を、分けてよい候補に挙げています。問題の種類で分けると、引き継ぐたびに情報が劣化します
物理環境の分離:mylifccさんは、複数の機能を並行して進めるとき、Git Worktreeで作業ディレクトリを分けると書いています。各ワークツリーの中は単一ループのままです。
Anthropicの「並列作業」の場面に近い話だと、私は読みました。ただし一次資料の記述ではありません
段階的開示の限界:長い文書の質問応答を調べた研究は、段階的開示が文脈を確保する手段であり、賢さそのものは増やさないと結論づけています。条件の違う実験なので、そのまま当てはめはしません
個人の開発例:DevelopersIOの記事は、工程ごとに分けたサブエージェントが引き継ぎの手間を増やしていたと振り返っています
参考情報・参考書籍(PR)
本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。
フレデリック・P・ブルックス Jr.『人月の神話【新装版】』は、ソフトウェア開発における人月を題にした本です。組織の連絡経路が設計に写る、というこの記事の話の隣に、書名と著者の範囲で並びます。サブエージェントを畳む判断を扱う本ではありません。
関連記事
【まとめ】 試すなら、評価10件と一体ずつの畳み込み

「畳むか残すか」は議論ではなく、自分のエージェントで測って決めます。
本番でよくある依頼を10件選び、正解の目安を書く。連鎖して動く組み合わせと、破ってはいけない規則を最低1件ずつ含める
サブエージェントを一つだけ、プロンプトをSkillsに、API呼び出しをツールに移して畳む。同じ評価を複数回走らせ、結果が反転したタスクを見る
畳んだ版が悪化したら残す。残す理由が、三つの場面のどれかで言えるか確かめる