複数のAIを組み合わせると、性能が上がる場面と、費用が15倍になる場面がある：公式資料で確かめる

3行でいうと

Anthropicの調査機能では、リーダー役と部下役の構成が、単独のOpus 4を内部評価で90.2%上回った。向くのは、並行して調べられる広い課題。
同社の数字で、エージェントはチャットの約4倍、複数エージェントは約15倍のトークンを使う。Claude Codeのエージェントチームは約7倍。
Cognitionは、部下が互いの行動を見えないと判断が食い違うとして、複数エージェントの構成は壊れやすいと主張している。

この記事は、実際に使って確かめた記録ではありません。この記事は公式の記事や文書を読んでまとめたものです。数字は各資料のもので、価格は2026年10月22日にClaudeの料金ページで読み直しました。

先に結論

複数のAIを組み合わせる利点は、(1)並行して進められる、(2)それぞれが別の文脈（読む範囲）で動くので、1つの文脈に収まらない量を扱える、の2点です。
代償は、費用と調整の難しさです。Anthropicは、価値の高い仕事でなければ採算が合わないと書いています。
向くのは「独立した調べものを並べられる」仕事、向かないのは「全員が同じ文脈を共有する」「互いに強く依存する」仕事です。Anthropicは、多くのコーディングは、調査より並列にできる部分が少ないとしています。
まず1つのAIで作り、足りない所だけ増やすのが安全、というのが、読んだ資料からの僕らの見立てです。

前提：言葉の整理

エージェントは、道具を繰り返し使いながら、自分で段取りを決めて進めるAIの使い方です。
マルチエージェントは、そのエージェントを複数動かす構成です。
オーケストレーター（リーダー）は、仕事を分け、部下に割り振り、結果をまとめる役です。サブエージェント（部下）は、割り振られた一部を担当します。
ハンドオフは、会話の担当を別のエージェントに渡すことです。
文脈の分離は、各部下が自分の読む範囲を持ち、途中の作業が親の文脈に溜まらないことです。親には最終の報告だけ戻ります（Claude Agent SDKの文書）。

代表的な型

1. リーダーと部下（オーケストレーター・ワーカー）

Anthropicの「Building effective agents」は、リーダーのAIが仕事を動的に分けて部下に任せ、結果をまとめる型を、「何を分けるか事前にわからない複雑な仕事（複数ファイルにわたる変更、複数の情報源にまたがる検索）」に合うと説明しています。分け方があらかじめ決まっている並列実行との違いは、柔軟さです。

2. 並列実行

同じ記事は、独立した部分を同時に走らせる型を2種類挙げています。仕事を独立した小さな仕事に分ける方法と、同じ仕事を何度もやらせて結果を比べる方法（投票）です。OpenAIのAgents SDKの文書は、コードで制御する型として、複数のエージェントを並行して走らせる方法（asyncio.gatherなど）を挙げ、互いに依存しない仕事に速度の点で役立つとしています。

3. 管理役が呼ぶ型と、担当を渡す型

OpenAIのAgents SDKの文書は、2つの型を区別しています。

型	仕組み	向く場面
ツールとしてのエージェント	管理役が会話の主導権を持ち、専門のエージェントを道具として呼ぶ	最終の答えを1つのエージェントに持たせたい、複数の結果をまとめたい
ハンドオフ	受付役が専門のエージェントに会話を渡し、その専門が以後の応答を持つ	専門が直接答えたい、指示を切り替えたい

文書は、両者を組み合わせてもよいとしています。また、LLMに任せる方法はオープンな仕事に向き、コードで流れを決める方法は速度・費用・性能が予測しやすい、と説明しています。

実例：Anthropicの調査機能

Anthropicの記事（2025年6月13日）は、自社の調査機能の作り方を説明しています。

構成：リーダー役が方針を立て、3〜5の部下を並行して走らせる。部下は検索結果を整理し、リーダーに返す。最後に、引用の担当が出典を付ける。
性能：リーダーにClaude Opus 4、部下にClaude Sonnet 4を使う構成が、単独のOpus 4を、社内の調査評価で90.2%上回った。広く、独立した方向を同時に調べる質問で特に効いた、とあります。
理由の分析：BrowseComp（見つけにくい情報を探す評価）での成績のばらつきの95%を、3つの要因が説明した。トークン使用量だけで80%を説明し、残りがツールの呼び出し回数とモデルの選択。つまり、十分な量のトークンを使えることが効く、という見方です。
速度：リーダーが部下を並行に起動し、部下も複数の道具を並行に使うようにして、複雑な質問の調査時間を最大で90%短縮した。

費用はどれだけ増えるか

同じ記事の数字です。エージェントはチャットのおよそ4倍、複数エージェントのシステムはおよそ15倍のトークンを使います。Anthropicは、採算が合うのは、仕事の価値が増えた費用を払えるほど高い場合だけ、としています。

Claude Codeの文書にも数字があります。エージェントチーム（各メンバーが別のClaudeとして動く機能。実験的で初期設定では無効）は、メンバーが計画モードのとき、通常のセッションの約7倍のトークンを使うとされます。費用はメンバー数にほぼ比例し、メンバーにはSonnetを使う、チームを小さく保つ、仕事が済んだメンバーは止める、が勧められています。

費用の計算例（仮の数字です）

トークン数は僕らが置いた仮の数字です。単価はClaudeの料金ページ（2026年10月22日確認。10月8日にはモデル一覧のページとも一致を見ましたが、10月22日に読み直したのは料金ページだけです）の、100万トークンあたりの値です。Opus 5.5は入力4ドル・出力20ドル、Sonnet 5.5は入力2ドル・出力10ドル、Haiku 5.5は入力0.10ドル・出力0.50ドル（入力10万トークン以下の場合）です。キャッシュや割増は入れていません。変わることがあります。

僕らの計算です。次の4つの構成を比べます。

構成	内訳（仮）	合計トークン	費用
A. 単独のOpus 5.5	入力20万、出力2万	22万	1.20ドル
B1. リーダーOpus、部下5人がHaiku	リーダー入力3万・出力5千、部下は各入力6万・出力8千	37.5万	0.27ドル
B2. リーダーOpus、部下5人がSonnet	同じ	37.5万	1.22ドル
B3. リーダーOpus、部下5人もOpus	同じ	37.5万	2.22ドル

計算の例：B2の部下1人は、6万×2ドル÷100万＋8千×10ドル÷100万＝0.12＋0.08＝0.20ドル。5人で1.00ドル。リーダーは3万×4ドル÷100万＋5千×20ドル÷100万＝0.12＋0.10＝0.22ドルなので、合計は1.22ドルです。

読み取れることは次のとおりです。トークンの総量は、どの構成でもAの約1.7倍に増えます。しかし費用は、部下に使うモデルで0.27〜2.22ドルと大きく変わります。部下の仕事が単純なら、小さなモデルに任せると、費用を抑えられる可能性があります。ただし、品質が保てるかは別の確認が要ります。Claude Codeの文書も、単純な部下にはHaikuを指定する方法を案内しています。

反対の意見：複数エージェントは壊れやすい

Cognition（コーディングAIのDevinの開発元）の記事（2025年6月12日、「Don't Build Multi-Agents」）は、リーダーが仕事を分けて部下に任せる構成を、「魅力的だが脆い」と書いています。例は、ゲームの背景と鳥を別々の部下に作らせたところ、片方が仕事を取り違え、もう片方も見た目が合わず、最後にまとめる側が食い違いを抱える、というものです。原則として、「文脈を共有し、個々のメッセージだけでなく、エージェントの行動の全記録を共有する」ことと、「行動には暗黙の判断が含まれる」ことを挙げています。これは1社の主張で、Anthropicの調査機能のように並行して調べる用途とは、前提が違うと読めます。

Anthropicの記事も、部下の指示が短いと、似た検索を重ねたり、仕事を取り違えたりした、と書いています。対策として、各部下に、目的、出力の形式、使う道具と情報源、仕事の境界を渡すこと、仕事の難しさに応じて部下の数を決める規則（単純な事実確認は1つのエージェントで3〜10回の道具呼び出し、比較は2〜4の部下、複雑な調査は10を超える部下）をプロンプトに入れることが、挙げられています。

選び方の目安

見立てです。ここまでの資料から、僕らは次のように整理しました。

仕事の性質	向く構成
1つの流れで、前の結果が次の入力になる	単独のエージェント、または決まった順番の連鎖
独立した調べものが多い（比較、網羅的な調査）	リーダーと部下、並列実行
1つのコード全体にまたがる変更	単独、または部下は読み取りや確認の補助に限る
長い作業で、途中の資料が文脈を埋める	部下に任せて、要約だけ返させる（文脈の分離）

つまずきやすい点

部下に渡す指示が短すぎる。上のとおり、重複や取り違えの原因になります。
部下の数を決めない。Anthropicの初期版は、単純な質問に50の部下を起動する失敗があったと書いています。
評価の方法。同じ入力でも、エージェントは別の経路で同じ結論に着くため、手順の一致では評価しにくい、とAnthropicは書いています。結果が正しいか、過程が妥当かを見る方法が要ります。
途中で止まったときの再開。長く動くエージェントは状態を持ち、誤りが積み重なります。Anthropicは、最初からやり直さず、止まった所から再開できる仕組みと、チェックポイントを用意したと書いています。
全文を、リーダー経由で渡す。大きな成果物は、部下が外部に保存して、軽い参照だけをリーダーに返す方法が、伝言ゲームによる劣化を減らすと紹介されています。

気をつけること

この記事は、実際に使って確かめた記録ではありません。内容は公式の記事と文書、およびCognitionの記事に基づきます。
90.2%は、Anthropicの社内評価の結果です。評価の中身（問題の数、採点の基準）は、読んだ記事では詳しく確認できていません。
4倍・15倍・7倍は、それぞれの記事や文書に書かれた、各社の使い方での数字です。自分の仕事での倍率は、測るまでわかりません。倍率は、仕事、モデル、構成で大きく変わります。
Anthropicの記事は2025年6月、Cognitionの記事も2025年6月のもので、その後モデルや道具は変わっています。Claude Codeのエージェントチームは、実験的な機能と文書に明記されています。
Anthropicの「Building effective agents」には、2024年12月以降に状況が変わったとの注記があります。
他社との優劣は、この記事からは言えません。
価格表の値は変わることがあります。
10月22日に読み直したのは、Anthropicの調査機能の記事、Claude Codeの3つの文書（SDKのサブエージェント、エージェントチーム、費用）、料金ページ、OpenAIの文書です。「Building effective agents」、Cognitionの記事、「Run agents in parallel」、モデル一覧は10月8日に読んだ内容のままで、読み直していません。

出典

更新履歴

2026年10月25日 書き方を直しました。
- 前：運営者が使っていないと読める書き方 → いま：「この記事は、実際に使って確かめた記録ではありません」。公式の資料を読んでまとめた記事で、使い心地は書いていない、という意味に直した
2026年10月22日 公式の資料を読み直して、次の点を直しました。
- 前：複雑な調査は「10以上」の部下を使う規則 → いま：「10を超える」部下を使う規則
- 前：単価は料金ページとモデル一覧の2か所で一致を確認 → いま：読み直したのは料金ページだけで、モデル一覧は10月8日のまま