マルチエージェントとは、役割の違う複数の AI エージェントが作業を分け合い、結果を受け渡しながら1つの目標に向けて協調して動く構成のことです。調べる役・まとめる役・確かめる役のように担当を分けるので、1つのエージェントにすべてを任せる構成とは、費用のかかり方や失敗の追い方が変わります。

単一のエージェントとの違いは、仕事を分けて受け渡すところにある

単一のエージェントが1つの文脈の中で計画から実行までを抱えるのに対し、マルチエージェントは仕事を複数のエージェントに分け、結果を受け渡しながら進めます。

Claude を開発する Anthropic の説明では、マルチエージェントのシステムとは「ツールを繰り返し使いながら自律的に動く LLM(大規模言語モデル)を、複数連携させて働かせるもの」です。同社の調査機能は、主担当のエージェントが全体を調整し、専門の下位エージェントに作業を割り振って並行で動かす「オーケストレーター・ワーカー型」で作られています(Anthropic「How we built our multi-agent research system」2025年6月13日)。

観点 単一のエージェント マルチエージェント
仕事の持ち方 1つのエージェントが計画から実行までを抱える 調整役が仕事を分け、担当のエージェントに割り振る
文脈 1つの文脈にすべての情報を載せる 担当ごとに文脈を分け、結果だけを受け渡す
費用 消費するトークン(AI が処理する文字の単位)が比較的少ない 担当の数と受け渡しの回数に応じて増える
失敗の追い方 1つの処理の記録を追えばよい どの担当の、どの受け渡しで誤ったかを切り分ける必要がある

単体の AI エージェントの定義は用語集の AI エージェント に、複数のエージェントを束ねて大きな目標に向かう仕組み全体は エージェンティック AI にまとめています。

変わるのは、役割分担・検証役の分離・失敗の切り分けの3つ

マルチエージェントにすると、作業を並行で進められる、作る役と確かめる役を分けられる、失敗の場所を担当単位で探せる、の3つが変わります。ただし3つ目は、失敗の起き方そのものが増えることの裏返しです。

役割分担は、並行で進む分だけトークンの消費が増える

Anthropic の社内の調査タスクの評価では、主担当に Claude Opus 4、下位エージェントに Claude Sonnet 4 を置いた構成が、Claude Opus 4 を単体で動かした場合を90.2%上回りました。一方で同社によると、エージェントは通常のチャットのおよそ4倍、マルチエージェントのシステムはおよそ15倍のトークンを使うとのことです。別の評価(BrowseComp)では、成績のばらつきの80%がトークンの使用量だけで説明できたとしています(Anthropic「How we built our multi-agent research system」2025年6月13日)。

これは1社が自社の評価で測った結果です。成績の伸びの多くが使った計算量と結びついている以上、分担で広く速く調べられる代わりに費用も増えると見ておくのが妥当でしょう。

検証役の分離は、作る役と評価する役を別のエージェントにする

Anthropic は2024年に公開したエージェント設計の指針で、1つの LLM が出力を作り、別の LLM が評価とフィードバックを返す処理を繰り返すパターンを「評価者・最適化型(evaluator-optimizer)」として挙げています。向くのは、評価の基準がはっきりしていて、手直しを重ねると目に見えて良くなる作業だという整理です。同じ指針は、中心の LLM が入力ごとに作業を分けて担当に任せ、結果をまとめるパターンを「オーケストレーター・ワーカー型」として紹介しました(Anthropic「Building effective agents」2024年12月19日)。

業務に当てはめれば、契約書の要約を作るエージェントと、要約が原文の条項と合っているかを確かめるエージェントを分ける使い方です。作った本人が自分の出力を確かめる形を避けられるので、確かめる基準を文章で決めておけば、人が見る前に誤りの一部を拾う設計にできます。

失敗の切り分けは、記録を残さないと成り立たない

Cemri らの研究チームは、5つのマルチエージェントの枠組みから集めた150件の実行記録を専門家が詳しく調べ、失敗の起き方を14種類にまとめました。分類は「システムの設計」「エージェント同士の食い違い」「作業結果の確認」の3つに分かれ、評価者の間の一致度を示すκ係数は0.88と高い値です(Cemri ほか「Why Do Multi-Agent LLM Systems Fail?」NeurIPS 2025・2025年)。

この分類を使って、7つの代表的な枠組みから集めた1,600件を超える実行記録に印を付けたデータも、あわせて公開されています。同じ論文は、期待に比べて、よく使われるベンチマークでの性能の伸びは小さいことが多いと指摘しています。

Anthropic も、エージェントは状態を持つので誤りが積み重なり、同じ指示でも実行のたびに判断が変わるため、原因を探しにくいと書いています。同社が失敗の原因を突き止められるようになったのは、本番環境の処理の流れを最初から最後まで記録する仕組み(トレーシング)を入れてからでした(Anthropic「How we built our multi-agent research system」2025年6月13日)。

複数に分けるのは、並行で進められる作業に向く

マルチエージェントが向くのは、担当ごとに独立して進められる作業です。Anthropic は、すべてのエージェントが同じ文脈を共有しなければならない作業や、エージェント同士の依存が多い作業は、現時点ではマルチエージェントに向かないとしています。例に挙げたのはコーディングで、調査に比べて並行で進められる作業が少ないためです(Anthropic「How we built our multi-agent research system」2025年6月13日)。

エージェント設計の指針でも同社は、できるだけ単純な仕組みから始め、必要になったときだけ複雑にするよう勧めています(Anthropic「Building effective agents」2024年12月19日)。

最初から複数のエージェントを組むより、単体のエージェントで1つの業務の効果を確かめ、文脈が大きくなりすぎた、並行で進めたい作業がある、作る役と確かめる役を分けたい、といった理由がはっきりしてから分けるほうが、費用と失敗の追い方を見積もりやすくなります。

企業が導入するときは、分け方・受け渡し・確かめ方・費用の上限を先に決める

マルチエージェントを業務に入れるときは、作り始める前に、仕事の分け方、受け渡す情報、確かめ方、費用の上限と記録の4つを決めておくと、後から原因をたどれない事態を避けやすくなります。担当が増えるほど、1つの判断の誤りが次の担当へそのまま流れていくためです。

決めること 中身 決めないと起きること
仕事の分け方 どの担当が何を受け持ち、何を受け持たないか 担当が重なって同じ作業を二重に行う、または抜けが出る
受け渡す情報 担当から担当へ渡す項目と形式 前の担当の前提が次へ伝わらず、食い違ったまま進む
確かめ方 確かめる役を置く場所、判定の基準、人が承認する場面 誤りが次の担当に流れ、最後の出力でしか気づけない
費用の上限と記録 1回の処理で使うトークンの上限、処理の記録の残し方 費用が読めず、失敗の原因もたどれない

Offers AX(株式会社overflow の AX 支援)の進め方は、業務に特化したエージェントを設計し、数週間で動くプロトタイプを作って実業務で検証してから本実装に進む形です。要件定義書ではなく動くもので合意するので、担当をいくつに分けるか、どこに確かめる役を置くかを、実業務で動かしながら決められます。構築は GCP・Azure・AWS のお客様の既存環境で行い、当社環境に顧客データを抱えない方針です。

支援の内容は Offers AX のサービスページ で紹介しています。単体のエージェントで足りるのか、分けるならどこで分けるかの整理からでも相談できるので、無料相談を申し込む からご連絡ください。

関連する用語は、部品・仕組み全体・作り方のパターンに分かれる

マルチエージェントの話題では、部品となる AI エージェント、仕組み全体を指すエージェンティック AI、作り方のパターンであるオーケストレーター・ワーカー型と評価者・最適化型がよく並びます。

  • AI エージェント: 目標に向けて自律的に動く AI システム。マルチエージェントを構成する1つひとつの担当になる
  • エージェンティック AI: 複数の AI エージェントを組み合わせ、大きな目標を計画から実行まで進める仕組み全体
  • オーケストレーター・ワーカー型: 調整役のエージェントが作業を分けて担当に任せ、結果をまとめる構成
  • 評価者・最適化型: 作る役と評価する役を分け、評価と手直しを繰り返す構成
  • ヒューマン・イン・ザ・ループ: 処理の途中に人の確認や判断を組み込む設計。確かめる役を人が担う場面を決めるときの考え方
  • AX(AI トランスフォーメーション): AI の活用を前提に、業務や組織のあり方を作り替えていく取り組み

AI エージェントの開発と導入に関する記事は AI エージェントのカテゴリ に、開発の進め方は AI エージェント開発の記事 にまとめています。検証で止めない進め方は AI の PoC の記事で扱っています。