2026-11-17 · ← ニュース
Anthropicがsubagentの大群に見直しを迫る。組織図はアーキテクチャではない
Anthropicは、一部の専門subagentをskillsとtoolsを備えた単一のagent loopへ統合するよう企業に勧めている。同社の導入事例では品質向上とコスト、遅延の削減が多く見られたというが、示されているのは一般的なbenchmarkではなく顧客事例だ。
画像を読み込めませんでした。
Anthropicは、多くの企業向けagentではsubagentを減らし、必要に応じてskillsとtoolsを読み込む単一のmain loopにした方がよいと主張している。Ethan Mollickは、各チームが専門agentを持ち、その上に別のorchestratorを置く企業のharnessを批判する材料として、この主張を改めて取り上げた。
要約を受け渡す専門agentは1つのloopに統合できる
AnthropicのApplied AIチームによると、複数の企業導入でskillsを持つ単一agentが、万能promptとsubagent構成の両方を品質面で上回った。約12の専門subagentを持つ顧客対応agentでは、一貫した語調を保ちにくく、遅延も増えたという。別の顧客は、単一loopがmulti-agent harnessより約2倍速いと測定した。
推奨構成では、計画、toolの結果、その後の判断を1つのcontextに保持する。手順はskillsとして読み込み、最新データと操作はtoolsに任せる。Anthropicは、明確なsystem prompt、4から5個の用途を絞ったdata tools、強い出力guardrailsで、多くの用途を処理できるとしている。
チーム単位の設計は組織の境界を情報が欠けるhandoffへ変える
各部門が独自のsubagentを作ると、システムは組織図を写し始める。専門agentごとにprompt、evals、contextが分かれ、中央のorchestratorは圧縮された要約から全体を再構成する。前後関係のあるタスクや同じデータを扱うタスクでは、この受け渡しがコストと情報損失を生む。
progressive disclosureは別の妥協点を示す。main agentにはskillsとtoolsの短い説明だけを見せ、必要な時に完全な内容を読み込む。Anthropicは、この方法をClaude Codeのsystem promptを80 %以上削減した取り組みにも結び付けている。自社製品についての主張だが、初期contextへ詰め込む規則を減らし、知識を必要時に取得する方向性は明確だ。
並列作業と独立contextにはsubagentが引き続き役立つ
記事はすべてのmulti-agent構成を否定していない。単一contextが測定可能なほど肥大化して性能が落ちる場合、独立タスクを並列実行する場合、指示やtool選択が衝突する場合には、subagentを残すよう勧めている。分離した調査経路やblack-box検証も、分割する理由になり得る。
数字はAnthropicが関与した導入と移行から得られたものだ。同社は一般的な比較に使える共通dataset、全モデル、完全な手法を公開していない。ある顧客の約2倍という結果は普遍的な法則ではない。自分たちのシステムを測るべき理由だ。
小さなend-to-end evalが図を巡る議論より明確な答えを出す
Anthropicは共有のend-to-end evalから始めるよう勧め、最初の比較なら10件のgolden exampleでも足りるとしている。subagentを1つずつ統合し、品質、コスト、遅延を比べ、結果が変わった個別タスクも調べる。紹介されたテストの1つでは、回帰は2回中1回だけ現れた。
見るべき指標はagent図の箱の数ではない。変更前後のタスク完了率、再現性、コスト、応答時間だ。subagentは測定結果で居場所を勝ち取るべきであり、あるチームが資料上の箱を所有しているだけでは足りない。
Lilithの判定
各チームが会議に専用subagentを送り込めば、増えるのは良い判断より次の会議だ。追加の椅子はevalで正当化すべきだ。