Anthropicは2026年10月22日付で、Claude Platformでエージェントを作る企業向けの技術ガイド「Building agents: When to fold subagents into your main agent loop」を公式サイト(claude.com)に公開しました。
専門のサブエージェントをたくさん並べるより、1つのエージェントが「スキル」と「ツール」を必要なときだけ読み込む形に寄せたほうが、品質が上がり、費用と待ち時間も下がることが多い、という内容です。
社内でAIエージェントの導入や設計に関わるWeb担当役員・マーケティング責任者にとっては、「AIを役割ごとに分けるべきか」を測って決めるための判断基準になるニュースといえます。
この記事のポイント
- 2026年10月22日付で、サブエージェントを減らす設計のガイドを公開
- スキルとツールを必要なときだけ読み込む「段階的開示」が中心
- 「約2倍速い」は社名非公表の顧客1社の実行時間の比較
- サブエージェントを残す条件は3つ。測って決めるのが前提
- 移行キット(参照実装)も公開。Claude APIのスキル4つを使う手順も案内
本記事は、Anthropicのガイド本文(2026年10月22日付、著者Diane Sarkis氏)と、GitHubの移行キット、関連する公式ドキュメント・過去の公式記事を一次情報とし、The Decoder(2026年10月25日)の報道と照らし合わせています。
日本の主要な報道機関の記事は見つかっていません。情報は2026年10月26日時点のものです。
Anthropicのガイドで何が勧められたのか

AIエージェントの話になると、「調査役」「執筆役」「校正役」と役割ごとにAIを分ける図をよく見かけますよね。今回のガイドは、その分け方そのものを見直そうという提案です。
10月22日付で公開された技術ガイド
ガイドはclaude.comの「Resources」に、Claude Platform向けのベストプラクティス記事として載っています。
著者はDiane Sarkis氏で、本文によるとAnthropicのApplied AIチームの知見をまとめたもの。
副題の趣旨は、サブエージェントを減らし、段階的に開示する文脈とツールに寄せると、品質を上げながら費用と待ち時間を下げられる場合があるというもの。
いつ、どう移行するかまで手順として書いてあるのが特徴だと思います。なお、Anthropic公式Xでの告知は確認できませんでした。
話題が広がったのは10月24日〜25日ごろで、The Decoderも10月25日に報じています。
中心にあるのは「段階的開示」という考え方
ガイドが勧めるのは、スキル(手順やノウハウをまとめたもの)で文脈を、tool search(ツール検索)でツールを、段階的に開示するやり方です。
エージェントは最初、スキルとツールの短い説明だけを見ており、中身の全文は必要になったときにだけ読み込まれます。
全部の手順書を最初から机に広げるのではなく、目次だけ置いておき、使うページだけ開くイメージでしょう。
ガイドはこの形を勧める理由を3つ挙げています。
- 共有された文脈のほうが良い答えになる(前の手順の結果を踏まえてつなげられる)
- 段階的開示が、文脈のふくらみすぎを防ぐ
- モデルの能力が上がった(Opus 4.5以降、1つのループで想定以上を管理できるようになった、と書く)
同じ日のAgent Skills寄贈とは別の発表
同じ10月22日、Anthropicは別件で、スキルの標準規格「Agent Skills」をLinux Foundation傘下のAgentic AI Foundationに寄贈すると発表しました(Agent Skillsの寄贈を紹介した記事)。
こちらは規格の管理を中立の財団に移す話で、今回のガイドはそのスキルを使ってエージェントの構成をどう減らすかという設計の話です。
URLも中身も別で、2つを結びつけたAnthropicの公式の文は見当たりません。ただ、スキルを社内の資産として整える価値は、どちらの発表からも読み取れると感じます。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
「約2倍速い」はどんな比較なのか

「約2倍速い」という数字はThe Decoder(2026年10月25日)も記事の冒頭で紹介していますが、元の数字の条件はかなり限られています。数字ごとに出どころを分けて見ていこう。
顧客1社の実行時間の比較で、社名は非公表
ガイドによると、自社のマルチエージェント構成と単一エージェントのループを比べた顧客1社で、後者の実行時間(runtime)がおよそ2倍速かったそうです。
社名・業種・どんな作業で測ったかは書かれておらず、品質や費用の数値もありません。「どの会社でも2倍速くなる」という意味ではないと押さえておきたいところ。
別の例として、顧客向けエージェントに1ダースほどの専門サブエージェントを抱えた企業が、ブランドに沿った一貫した対応を保ちにくく、待ち時間が利用者の体験を損ねたという話も載っています。
この企業と「約2倍」の顧客が同じ会社かどうかは分かりません。
数字ごとに出どころと条件が違う


表で詳しく見る
| 数字 | 何の数字か | 出どころ | 日付 |
|---|---|---|---|
| 約2倍 | 顧客1社の実行時間(単一ループが速い) | 今回のガイド | 2026年10月22日 |
| 30〜50個 | システムプロンプト内のツール定義がこれを超えると、ツール選びが落ちやすい | 今回のガイド(tool searchの公式ドキュメントにも同じ記述) | 2026年10月22日 |
| 80%以上 | Claude Codeのシステムプロンプトを、より高性能なモデル向けに削った割合 | 今回のガイド(元はclaude.devブログ) | 2026年7月24日(ブログ) |
| 85%以上 | tool searchで、ツール定義に使うトークン(一般的な例で約55k)が減る割合 | tool searchの公式ドキュメント | 確認時点 2026年10月26日 |
| 3〜10倍 | 同等の作業で、マルチエージェントが単一エージェントより多く使うトークン | claude.comの記事「Building multi-agent systems」 | 2026年1月23日 |
| 約15倍 | マルチエージェントが通常のチャットより多く使うトークン | Anthropic Engineering「multi-agent research system」 | 2025年6月13日 |
今回のガイドで新しく出た数字は「約2倍」だけで、「30〜50個」はtool searchの公式ドキュメントにも同じ目安が載っています。
費用については「下がることが多い」と書くだけで、費用の削減率は示されていません。社内で説明するときは、数字ごとに「何の・いつの」を添えておくと誤解されにくいでしょう。
マルチエージェントを否定したわけではない
Anthropicは2025年6月13日の記事で、指揮役のClaude Opus 4がClaude Sonnet 4のサブエージェントを使う調査システムが、単独のClaude Opus 4を社内の調査評価で90.2%上回ったと書いていました。
今回のガイドもこの記事を、Anthropic自身がサブエージェントを使っている例として挙げています。サブエージェントは検証・並列作業・権限の分離では有効という明記もあります。
つまり「全部畳め」ではなく、「多すぎる分けすぎを、測りながら減らそう」という提案と読むのが自然だと思います。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
サブエージェントを残す3つの条件

では、どんなときに分けたままでよいのでしょうか。ガイドは条件をはっきり書いています。
ガイドが挙げた3つの条件
- 単一のループで、文脈のふくらみすぎによる性能の低下が、測定できるほど出ている
- 複数の作業を並列で進めたく、終わったら捨てられる新しい文脈が必要
- 単一エージェントが適切なツールを選べない、またはシステムプロンプトの指示が矛盾している
どれも「なんとなく複雑だから」ではなく、測れる問題が起きているかどうかで決める書き方です。ガイドの結びも「測る、一度に1つだけ変える、持ちこたえたものを残す」で、畳んだ版のほうが点数が悪いときだけサブエージェントとして残すよう勧めています。
分けるなら「文脈」で、問題の種類では分けない
分けるなら文脈で分ける、というのがガイドの立場です。ほかの部分をあまり必要としない仕事を渡し、短い結果だけを返させる形です。
候補は、独立した調査、境目のはっきりした別の部品、結果のブラックボックス検証。
反対に、問題の種類で分けると、エージェント同士が受け渡しのたびに情報が劣化する「伝言ゲーム」になると指摘しています。社内の伝言で話が少しずつずれていく感覚に近いかもしれませんね。
大きな組織で起きがちな5つの失敗
ガイドは大企業でよくある失敗として、受け渡しで詳細が落ちる文脈管理、重複して持ち主のいないサブエージェントの乱立、各チームが1文ずつ足して矛盾だらけになった「フランケンプロンプト」、部分ごとにしか確かめていない評価、待ち時間の5つを挙げます。
組織図がそのままエージェントの構造になる様子を、ガイドは「コンウェイの法則」と表現しました。
部署ごとにAIを作ると、部署の壁までAIに写ってしまうという指摘は、日本の会社にもそのまま当てはまりそうです。
\ AI活用、何から始めればいいか迷ったら /
初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ
畳み方の手順と、同時に出た移行キット

「減らしたほうがいい」と言われても、動いている仕組みをいきなり作り直すのは怖いですよね。ガイドは移行の段取りまで書いています。
最初に小さな評価(eval)を作る
ガイドの最初の手順は、統合を始める前に、端から端までを確かめる小さな評価を作ることです。10個の模範例(ゴールデン例)でも始めるには十分と書かれています。
次に、連鎖して呼ばれるもの、同じデータに触れるもの、よく一緒に呼ばれるものから、共有する文脈ごとにまとめていきます。
残すサブエージェントは、会話をメインが持ったまま「ツールとして呼ぶ」形にして、比較の基準を取るよう勧めています。
1つずつ畳み、前後で結果を比べる
サブエージェントは1つずつ、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畳みます。
畳む前後で評価を比べ、点数の合計だけでなく、どの作業の結果が入れ替わったかを見るのがポイントです。
ガイドには、見本のサポート用エージェントで1つを畳んだら待ち時間は減ったのに、それまで通っていた処理が壊れた例が紹介されていました。
しかもその不具合は2回に1回しか出なかったそうで、同じ作業を複数回走らせて確かめるよう勧めています。
移行キットは参照実装で、保守はされない
ガイドと同時に、GitHubに移行キット「anthropics/single-agent-loop-kit」(Apache-2.0)が公開されました。
READMEには参照実装であり、保守はされず、外部からの貢献も受け付けないと書かれています。キット自身も「単一ループが常に勝つとは仮定しない。測る」と明記しています。
あわせて、Claude Code上で使うClaude APIのスキル4つ(build-eval、prompt-audit、hillclimb、cost-optimize)も案内されました。
本番の道具というより、考え方と手順の見本として読むのがよさそうです。
このニュースで誰の何が変わるのか

このガイドは、Claude Platformでエージェントを自作する開発者・企業向けです。
ChatGPTやClaudeの画面を使うだけの方には間接的な話ですが、AIの仕組みを社内で組もうとしている部署には、判断の物差しが1本増えたといえます。
Web担当役員・マーケ部長:「AIを何体作るか」より「何で測るか」
ベンダーから「専門エージェントを10体連携させます」と提案され、多いほど高性能そうに見えて判断に迷う。そんな場面はありませんか。
今回、AIを作る側の会社が、分けすぎは品質・費用・待ち時間のどれにも響きうると公式に書きました。
明日からは、提案を受けたら「なぜ分けるのか」「分けた場合と分けない場合を何で比べたか」の2問を聞くところから始めてみよう。
社内ルールの項目づくりには、デジタル庁の源内基準を紹介した記事も手がかりになります。
今後は、エージェントの数より評価の仕組みを持っているかで、提案が比べられるようになると考えられます。
オウンドメディア編集者:役割ごとに分けたAIの受け渡しを見直す
記事制作をAIで分業し、「調査役の出力を構成役に渡し、さらに執筆役に渡す」形にしていると、途中で読者像やブランドの言い回しが抜け落ちることがありますよね。
ガイドが言う「伝言ゲーム」は、まさにその受け渡しの劣化です(制作の分業への当てはめは本記事の見立てです)。
明日からは、代表的な記事10本を模範例にして、分業版と1つのAIにまとめた版を同じ条件で比べるのが現実的でしょう。
ブランドの決まりや表記ルールは、毎回貼り付けるより、スキルのように必要なときに読ませる形が合いそうです。
数か月後には、制作の手順書そのものをAIが読む前提で書く編集部が増える可能性があります。
社内でエージェントを作る担当者:ツールは意図ごとにまとめる
APIを1つつなぐたびにツールを1つ足し、気づけばツールが数十個になっていた、という方もいるかもしれませんね。
ガイドは、ツールを「API1つにツール1つ」ではなく利用者の意図ごとにまとめ、30〜50個を超えるならtool searchと遅延読み込みを使うよう勧めています。
権限も、段階ごとに別のエージェントを作らず、各ツールが確かめて、モデルが読める平易な拒否を返す形です。
明日からは、いまのツールとサブエージェントの一覧を作り、よく一緒に呼ばれるものに印を付けることから手を付けたいところ。
エージェントの見張り方は、OpenAIのエージェント監視の報告を紹介した記事も参考になります。
今後は、システムプロンプトの持ち主を小さな中央チームに置き、各部門はスキルとツール(とそれに付ける評価)を持つ、というガイドの体制が一つの型になっていくと考えられます。

AIを何体並べるかを競う前に、10個の模範例で比べられる状態を作るほうが、ずっと後悔が少ないと感じます
よくある質問

- Anthropicは何を発表したのですか?
-
2026年10月22日付で、サブエージェントを減らし、1つのエージェントがスキルとツールを必要なときに読み込む設計を勧める技術ガイドをclaude.comに公開しました。移行の手順と、GitHubの移行キットも示しています。
- サブエージェントとは何ですか?
-
メインのエージェントから仕事を任される、別の文脈で動くエージェントです。調査や検証などを分担させ、結果だけをメインに返す使い方が一般的です。
- 単一エージェントにすると必ず2倍速くなりますか?
-
いいえ。「約2倍」は、社名非公表の顧客1社が実行時間を比べた結果です。作業の内容や品質・費用の数値は示されておらず、自社で同じ結果になるとは限りません。
- サブエージェントはもう使わないほうがよいのですか?
-
いいえ。ガイドは、文脈のふくらみすぎで性能が落ちるとき、並列で新しい文脈が要るとき、ツール選びに失敗するときや指示が矛盾するときの3つで使うよう書いています。検証や権限の分離にも向くとされます。
- Anthropicのガイドが言う「段階的開示」とは何ですか?
-
エージェントに最初はスキルやツールの短い説明だけを見せ、必要になったときに中身の全文を読み込ませる仕組みです。スキルとtool searchの2つで行います。
- 単一エージェントにすると費用はどれくらい下がりますか?
-
今回のガイドは「費用と待ち時間も低いことが多い」と書くだけで、削減率の新しい数字は出していません。過去の公式記事には、マルチエージェントが単一エージェントの3〜10倍のトークンを使うのが一般的という記述があります(2026年1月23日)。
- Anthropicの移行キットはそのまま本番で使えますか?
-
READMEによると参照実装で、保守はされず、外部からの貢献も受け付けません。考え方と手順の見本として使い、本番の仕組みは自社で評価しながら作るのが前提です。
まとめ

Anthropicは2026年10月22日付のガイドで、専門のサブエージェントを並べるより、1つのエージェントがスキルとツールを必要なときに読み込む形を勧めました。
「約2倍速い」は顧客1社の実行時間の比較で、サブエージェントは3つの条件と検証・並列作業・権限の分離では残すよう書かれています。
- エージェントの提案には「なぜ分けるのか」「何で比べたか」を聞く
- 10個の模範例で、分けた版とまとめた版を同じ条件で比べる
- ツールとサブエージェントの一覧を作り、よく一緒に呼ばれるものから見直す
AIを役割ごとに分けるのは分かりやすい反面、受け渡しのたびに大事な文脈が抜けていきます。何体のAIを並べるかではなく、比べて確かめる仕組みを先に持つこと。それがこのガイドのいちばんの教えだと思います。



参考・出典
- Anthropic(claude.com)「Building agents: When to fold subagents into your main agent loop」(2026年10月22日):https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop
- GitHub「anthropics/single-agent-loop-kit」:https://github.com/anthropics/single-agent-loop-kit
- Claude Platform公式ドキュメント「Tool search tool」:https://platform.claude.com/docs/en/agents-and-tools/tool-use/tool-search-tool
- claude.dev「The new rules of context engineering for Claude 5 generation models」(2026年7月24日):https://claude.dev/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models/
- Anthropic(claude.com)「Building multi-agent systems: When and how to use them」(2026年1月23日):https://claude.com/resources/articles/building-multi-agent-systems-when-and-how-to-use-them
- Anthropic Engineering「How we built our multi-agent research system」(2025年6月13日):https://www.anthropic.com/engineering/multi-agent-research-system
- Anthropic「Donating Agent Skills to the Agentic AI Foundation」(2026年10月22日):https://www.anthropic.com/news/donating-agent-skills-to-the-agentic-ai-foundation
- The Decoder(2026年10月25日):https://the-decoder.com/anthropic-says-one-ai-agent-beats-many-subagents-now-that-models-can-handle-complexity-alone/
関連する最新ニュース





