AI エージェントを「行列」で作るのをやめる — チェーンではなくグラフとして設計する

Reddit ユーザーによる Claude Code のトークン消費分析の報告。サブエージェントによる親エージェントの文脈の再読み込み増加、完了までのステップ数が約 2 倍、タスクあたりのサブエージェント起動数の増加の 3 点を指摘。追記では、原因はサブエージェントではなく大規模・オープンエンドなタスクでのモデル性能低下と推測。サブエージェント使用停止と 300-400K コンテキストでのセッション切り替えを対策として提示。公式発表ではなく個人の検証結果。

Claude Agent SDK の停止ポイント設計、小型モデルの値下げとエージェント用途への適性、LLM wiki 構築における追跡可能性と信用性の重要性など、実運用で必要とされる Anthropic の最新情報を整理。説明文の質より検証可能な記録としての記述が LLM 活用の鍵となる点を強調。

Claude Code、Cursor などのAIコーディングエージェントがコード変更した際に、実行過程を記録・検証・比較・復旧できるランタイムツール「AX Code」を開発。作業履歴の可視化、複数AIモデルの実装結果比較、変更の影響範囲分析、ローカルモデル対応などの機能を提供し、Git だけでは把握できないAI の作業プロセスを追跡可能にする。

従来のSWE-benchはオープンソースコードのみを対象としているが、Real-SWEは実際の企業プライベートコードベースを使用してAIモデルを評価する新しいベンチマーク。ドメインロジック・レガシーコード混在・複雑な依存関係など実務特有の課題に対応したAIエージェントの真の能力を測定し、企業導入時の実用性判断に活用できる。