単一のエージェントはタスクを 1 ステップずつ進めます。マルチエージェントシステムはタスクを分割し、各部分を同時に実行します。
仕組み
Anthropic は自社の Research 機能を “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.”(訳:リードエージェントがプロセスを調整しつつ、専門のサブエージェントに作業を委任するオーケストレーター・ワーカー型パターン)と説明しています。リードは質問を読んで計画を立て、並列に検索する複数のサブエージェントを起動し、その要約をもとに最終回答を書きます。
ほかの設計もあります。AutoGen の論文(Wu ほか、2023)は、“customizable, conversable”(訳:カスタマイズ可能で会話可能な)エージェントがお互いに、また人間やツールと対話し、開発者が会話のパターンを自然言語やコードでプログラムするフレームワークを説明しています。
オーケストレーター・ワーカー型の実行例です。
Lead: plan -> start 3 workers
Worker 1: search docs for topic A -> 1,500-token summary
Worker 2: search docs for topic B -> 1,500-token summary
Worker 3: search docs for topic C -> 1,500-token summary
Lead: read 3 summaries -> final answer
各ワーカーは検索と読み込みに自分のトークンを使います。リードが見るのは要約だけです。
なぜ重要か
- 幅広いタスクでの品質。 Anthropic は、Claude Opus 4 をリード、Sonnet 4 をワーカーとするマルチエージェント構成が、社内の調査評価で “outperformed single-agent Claude Opus 4 by 90.2%“(訳:単一エージェントの Claude Opus 4 を 90.2% 上回った)と報告しています。
- トークンコスト。 同じ記事によると、エージェントはチャットの約 4 倍のトークンを使い、マルチエージェントシステムは “about 15× more tokens than chats”(訳:チャットの約 15 倍のトークン)を使います。また BrowseComp では、トークン使用量だけで性能のばらつきの 80% を説明できたとしています。エージェントが増えれば、通常は請求額も増えます。記事「マルチエージェントのコスト」で、トークン課金と定額課金を比較しています。
- 向き不向き。 Anthropic は、“most coding tasks involve fewer truly parallelizable tasks than research”(訳:ほとんどのコーディングタスクは、調査に比べて本当に並列化できるタスクが少ない)ため、コーディングはあまり向いていないと述べています。共有コンテキストが多いタスクや、エージェント間に依存関係があるタスクも向きません。
- 同時実行数。 並列のワーカーは並列のリクエストなので、同時実行数の上限が高速化の上限になります。
BroadNet Inference の場合
BroadNet はモデルを提供し、オーケストレーションは利用者のフレームワーク側で動きます。ガイドでは、BroadNet のベース URL を使った CrewAI と OpenAI Agents SDK の設定を説明しています。
従量課金のキーは毎分 30 リクエスト、同時に 4 リクエストまでです。DeepSeek V4.1 Flash の定額プランにはトークンのメーターがないため、請求額からトークンの倍増分がなくなりますが、各セッションは一度に 1 リクエストしか処理しません。同じ瞬間に進行しうるモデルリクエスト 1 つにつき 1 セッションを購入してください。3 つのワーカーが同時に動くなら 3 セッション、ワーカーの作業中にリードもモデルを呼び続けるなら 4 セッションです。記事「定額 API で並列コーディングエージェントを動かす」で、よくあるパターンを紹介しています。