brain と hands を切り離す — エージェントの「手」はどこまで抽象化できるか

RAG を実運用する際の単一エージェントの限界（精度低下、コンテキスト逼迫、ハルシネーションリスク）に対し、マルチエージェント化による解決策を提示。機能軸・データソース軸・ドメイン軸・ロール軸の 4 つの分割パターンと、Orchestrator-Worker パターンを中心とした実装設計を、Tool Use / MCP / Managed Agents の観点から体系的に解説。

Claude を中核とするエージェントシステムの理想設計として、10層のコンポーネントモデルを提示。各層を標準プロトコル（OpenAI 互換 API・MCP・OTel GenAI semconv）で疎結合に接続し、モデル能力向上に伴う定期的な剪定と新サービスの標準準拠置き換えを前提とした運用アーキテクチャを解説。

Agent API で委譲実行したサブエージェントの動作を 389 ファイル・138 件から分析。サブエージェントは 1 委譲あたり中央値 20 回ツール呼び出し・3,093 件の結果を読むが、親に届くのは 1,151 字の文章のみで一次データはゼロ。検証不能な報告を信頼しないため、サブエージェントには文章要約ではなく「どこを見たか」の証拠（ファイルパス・行番号・コマンド出力）を返させるべき。

Agent が数千行の PR を生成する時代、人間レビューの効率化が課題となっている。DX 社と Thoughtworks 社の2つの観点から、機械判定→LLM判定→人間判定の順序付けと、設計段階での協働による早期フィードバック を組み合わせ、人間の注意を最も価値あるコード判定に集中させる方法論が提案されている。