一行要約
multi-agent が効くのは賢いからではなく、並列に大量のトークンを使えるからであり（BrowseComp の性能分散の 80% はトークン使用量で説明される）、実装の中心は orchestrator に「どう委譲するか」を教えることと、本番での耐障害性である。
要点
なぜ multi-agent なのか
Research demands the flexibility to pivot or explore tangential connections as the investigation unfolds. リサーチには、調査が進むにつれて方向を転換したり、周辺のつながりを探ったりする柔軟さが要る。
リサーチは事前に固定パイプラインを敷けない。調査が進むにつれて方向転換や横道の探索が必要になるため、動的に自分で経路を決められるエージェントが向いている。
性能: Claude Opus 4 をリードエージェント、Claude Sonnet 4 をサブエージェントとする multi-agent 構成は、単体の Claude Opus 4 を内部リサーチ評価で 90.2% 上回った。
なぜ効くのか（原典の説明が重要）:
Multi-agent systems work mainly because they help spend enough tokens to solve the problem. The essence of search is compression: distilling insights from a vast corpus. multi-agent システムが効くのは、主に問題を解くのに十分なトークンを費やせるようになるからである。検索の本質は圧縮であり、膨大なコーパスから洞察を抽出することである。
BrowseComp の評価では、性能分散の 80% がトークン使用量だけで説明され、ツール呼び出し回数とモデル選択を加えた3因子で 95% を説明した。つまり multi-agent の価値の大半は「並列化によって、より多くのトークンを問題に投じられること」にある。
Once intelligence reaches a threshold, multi-agent systems become a vital way to scale performance. 知能がある閾値に達すると、multi-agent システムは性能を拡張するうえで不可欠な手段になる。
コスト: この効果には対価がある。
| トークン消費 | |
|---|---|
| チャット対話 | 1× |
| エージェント | 約 4× |
| multi-agent システム | 約 15× |
→ 経済的に成立するのは、価値がこのコストを正当化できるタスクだけ。
アーキテクチャ
リードエージェントが3〜5個のサブエージェントを並列に spawn し、各サブエージェントが3個以上のツールを並列に呼ぶ orchestrator-workers 型。
プロンプト設計の8原則
1. エージェントになったつもりで考える（Think like your agents）
To iterate on prompts, you must understand their effects. プロンプトを改善するには、それが何を引き起こしているかを理解しなければならない。
2. orchestrator に委譲の仕方を教える
サブエージェントに渡すタスク記述には4点が必須。
- objective（目的）
- output format（出力形式）
- 使うべきツールと情報源のガイダンス
- 明確なタスク境界
research the semiconductor shortage のような曖昧な指示は避ける。
3. クエリの複雑さに労力を合わせる（Scale effort to query complexity）
この配分ルールが最も実用的な部分。
| クエリの種類 | 構成 |
|---|---|
| 単純な事実確認 | 1エージェント、ツール呼び出し 3〜10回 |
| 直接的な比較 | 2〜4サブエージェント、各 10〜15回 |
| 複雑なリサーチ | 10以上のサブエージェント、責務を明確に分割 |
4. ツールの設計と選択が決定的
Agent-tool interfaces are as critical as human-computer interfaces. エージェントとツールの間のインターフェースは、人間とコンピュータのインターフェースと同じくらい重要である。
エージェントに与える明示的なヒューリスティック:
- Examine all available tools first（まず使えるツールを全部確認する）
- Match tool usage to user intent（ユーザーの意図にツールを合わせる）
- Search the web for broad external exploration（広い外部探索には web 検索）
- Prefer specialized tools over generic ones（汎用より専用ツールを優先する）
5. エージェント自身に改善させる
We found that the Claude 4 models can be excellent prompt engineers. Claude 4 系のモデルは優れた prompt engineer になりうると分かった。
ツールの説明文を改善させる「ツールテストエージェント」を作った結果、以降のエージェントのタスク完了時間が 40% 短縮した。
6. 広く始めて絞り込む（Start wide, then narrow down）
検索戦略は熟練した人間のリサーチを模すべき — 全体像を把握してから細部に降りる。
7. 思考プロセスを誘導する
extended thinking モードは制御可能なスクラッチパッドとして機能する。
8. 並列ツール呼び出しが速度と性能を一変させる
Our early agents executed sequential searches, which was painfully slow. 初期のエージェントは検索を逐次実行しており、耐えがたいほど遅かった。
並列化によって、複雑なクエリのリサーチ時間が最大 90% 短縮した。
熟練した人間のリサーチ手順をエンコードする
原典はエージェントに次の振る舞いを教えたと述べている。
- 難しい問いを小さなタスクに分解する
- 情報源の質を注意深く評価する
- 新しい情報に応じて検索アプローチを調整する
- 深さと広さのどちらに寄せるべきかを判断する
評価
エージェントの評価について、この記事が置いている前提は「小さいサンプルでも早く始めるべき」であり、demystifying-evals-for-ai-agents の Step 0 と同じ立場を取る。
本番運用の難しさ
In agentic systems, minor changes cascade into large behavioral changes. エージェント的なシステムでは、小さな変更が大きな挙動の変化へと連鎖する。
小さな変更が大きな振る舞いの変化に増幅されるため、通常のソフトウェアの直感が通用しない。
The last mile often becomes most of the journey. 最後の1マイルが、旅程の大半を占めることが多い。
プロトタイプから本番までの距離が、全行程の大半を占める。
We can’t just restart from the beginning: restarts are expensive and frustrating for users. 単に最初からやり直すわけにはいかない。やり直しは高くつき、ユーザーにとっても苛立たしい。
長時間走るエージェントでは途中で失敗しても最初からやり直せないため、再開可能性（resumability）が設計要件になる。デプロイには rainbow deployment（旧バージョンと新バージョンを併走させ、実行中のセッションを壊さずに移行する）が参照されている。
実際の使われ方
Clio による利用分析（上位カテゴリ）:
| 用途 | 割合 |
|---|---|
| ソフトウェアシステムの開発 | 10% |
| 専門的・技術的コンテンツの作成 | 8% |
| 事業成長戦略 | 8% |
| 学術研究・教育 | 7% |
| 情報の調査・検証 | 5% |
そのまま使える具体例
サブエージェントへのタスク記述に必ず含める4要素:
1. objective — 何を達成するのか
2. output format — どんな形式で返すのか
3. tools / sources — どのツールとどの情報源を使うのか
4. task boundaries — どこまでが担当範囲かエージェントに与えるツール選択ヒューリスティック:
- Examine all available tools first
- Match tool usage to user intent
- Search the web for broad external exploration
- Prefer specialized tools over generic ones労力のスケーリング規則（そのまま orchestrator のプロンプトに入れられる）:
Simple fact-finding requires just 1 agent with 3-10 tool calls.
Direct comparisons might need 2-4 subagents with 10-15 calls each.
Complex research might use more than 10 subagents with clearly divided responsibilities.原典で言及されている関連文書
- building-effective-agents — orchestrator-workers パターンの原型
- effective-context-engineering-for-ai-agents — sub-agent architecture の議論の接続先
- writing-tools-for-agents — 「エージェント自身にツール説明を改善させる」手法の詳細版
- demystifying-evals-for-ai-agents — エージェント評価の体系
- https://modelcontextprotocol.io/introduction — MCP
未取得の派生リンク
- https://openai.com/index/browsecomp/ — BrowseComp
- https://www.anthropic.com/research/clio — Clio（利用分析）
- https://platform.claude.com/cookbook/patterns-agents-basic-workflows — エージェントパターンの実装例
- https://brandon.dimcheff.com/2018/02/rainbow-deploys-with-kubernetes/ — rainbow deployment