パイプライン、ファンアウト、オーケストレーター、批評パネル: タスクに合うマルチエージェントパターンの選び方

概要

Anthropicのエージェント構築に関するエンジニアリングガイドは、コードがモデル呼び出しの順序を固定する「ワークフロー」と、モデルが自分自身の手順を決める「エージェント」を区別しており、5つのワークフローパターンを挙げている(5つ目のルーティングは入力を1つの専門化された経路に振り分けるだけで、残る4つは複数の呼び出しを組み合わせる)。プロンプトチェイニング: 各呼び出しが直前の出力を処理するパイプラインで、ステップの間にプログラムによるチェックが入る。並列化には2つの型がある。セクショニングでは独立したサブタスクが同時に走り、投票では同じタスクを複数回走らせて多様な出力を得る。オーケストレーター・ワーカー: 中心となるモデルが実行時にタスクを分解し、委譲し、結果を統合する。評価器・最適化器: 一方の呼び出しが生成し、もう一方がループの中で評価する。Anthropicのリサーチシステムに関する別のエンジニアリング記事では、リードエージェントが独自のコンテキストウィンドウを持つサブエージェントを並列に調整するオーケストレーター・ワーカーパターンが説明されており、こうした仕組みは複数の独立した方向を同時に追う幅優先のクエリで優れた成果を上げるとされている。Managed Agentsのドキュメントは、うまく機能する3つのパターンとして、並列化、専門化(ドメインに特化したプロンプトとツールを持つエージェントへのルーティング)、エスカレーション(難しいサブタスクをより高性能なモデルに相談する)を挙げている。

重要な理由

どのパターンも呼び出し数とトークン数を増やし、単体のワーカーにはあり得ない誤り方をしうるレイヤー(オーケストレーター、集約器、パネルの議長役)を追加する。タスクの構造に合わせて形を選ぶことで、その増加分を確実に見合うものにできる。

適用方法

• パイプライン: ステップがあらかじめ分かっていて、それぞれに検証可能な中間出力がある場合(抽出、検証、翻訳)。チェックはステップの間にコードとして組み込む。
• セクショニングによるファンアウト: サブ質問が互いに独立していて、その答えを連結するか単純なルールで統合できる場合(ワーカーごとに1つのファイルや1つのソースを担当させる)。マージが機械的な作業になるよう、まず出力フォーマットを固定する。
• 投票によるファンアウト: 正しさの検証は難しいが比較は容易な場合(分類、フラグ付け)。奇数個を使い、意見の不一致はノイズではなくシグナルとして記録する。
• オーケストレーター・ワーカー: 分解の仕方が見つかったものに左右される場合(リサーチや、未知のコードベースでのデバッグ)。委譲用のブリーフに投資すること。引用したリサーチ記事は、作業の重複や抜け漏れを薄いタスク記述のせいだとしている。
• 批評パネル: 出力がいくつもの異なる基準(セキュリティ、スタイル、正しさ)を満たす必要がある場合。各批評役には1つの基準と固定のルーブリックを与え、集約はコードに任せる。
• まずは1体のエージェントと良いプロンプトから始め、測定された失敗(コンテキストのオーバーフロー、カバレッジの見落とし、一方的なレビュー)がパターンの必要性を示したときにだけ追加する。

落とし穴

コンテキストを共有し、それゆえに誤りも共有してしまうワーカー。ワーカーの結果をひそかに取りこぼすモデル呼び出しによる集約。ワーカーの作業をやり直してしまうオーケストレーター。最終呼び出しだけを数えるコスト計算。