50体の LLM を25日間稼働させて分かったこと：モデルの行動は「見せ方」で決まる

OpenAI・Anthropic の公開情報をもとに、複数エージェントの並列化が処理速度に与える影響を分析。Anthropic Research では調査時間を最大 90% 短縮した事例がある一方、token 消費が 15 倍に増える、依存関係の強い作業には向かない、別のボトルネックが生じるなどの課題がある。エージェント数より「仕事をどこまで独立した単位に分割できるか」が重要。

AIエージェントの回答が浅い原因がモデルの性能にあるのか文脈設計にあるのかを切り分ける統制実験を設計・実行。正解基準と審判AIを固定し取得AIのモデルのみを Claude Sonnet から GPT 系に交換したところ、recall は同じ 2.3/10 のままで見落とし箇所も一致。モデル非依存で構造起因の問題であることを実証。

知識のインプット・アウトプット・つながりを担当する3つのエージェント（インボックス・アドバイザー・オントロジー）を Solar Pro4 と Claude で構築。散らばった点を線につなぎ、次に埋めるべき空白を可視化するシステムにより、積み上がった知識が互いに引き寄せ合い始める。

Claude等のAIを単なるチャット相手から自律的なプロジェクトパートナーへ引き上げるには、GitHubとMarkdownで状態管理する仕組みが必要。AGENTS.md、CURRENT_STATE.md、NEXT_ACTIONS.md等の役割別ファイルを配置し、AIが文脈を保持したまま判断・実行できる環境を構築する実践的なアーキテクチャを解説。