4体のAIエージェントがリアルタイム連携でClaude Opus 4.8を上回る

AgentRadioの概要

研究チームが発表したAgentRadioは、複数のAIエージェントがタスク実行中に互いにメッセージをやり取りできるようにする非同期型の通信層です。各エージェントはメインの作業を中断せずに、実行ステップの合間で発見事項を共有できます。これにより、途中で方針を修正しながら探索を進められるようになります。

従来のマルチエージェントシステムでは、エージェント同士が通信できるタイミングが制限されたり、そもそも通信ができなかったりするケースが一般的でした。AgentRadioはそうした制約を取り払い、リアルタイムでの協調を可能にします。特に、サブタスク同士の依存関係が強い実務のコードベースでは、行き詰まりを検知して途中修正できることが重要になります。

単一エージェントの限界

大規模なコードベースの理解は、AIエージェントにとって特に難しいタスクです。ソフトウェアをビルドし、実行し、複数ファイルにまたがる実行経路を追跡し、長時間にわたって証拠を積み上げる必要があります。こうした長期的なタスクでは、単一エージェントのコンテキストが肥大化しやすくなります。

研究チームは、単一のエージェントがリポジトリを一つの直列的な経路でしか探索できない「カバレッジ問題」を指摘しています。コンテキストが長くなるほど初期プランを修正しにくくなり、調査の後半で発見した事実が全体に反映されにくくなります。モデルが個々のステップを実行できても、長い調査全体で義務や依存関係を管理し続けることが難しいとしています。

実験では、単一のClaude CodeがOpus 4.6で実行した場合のSWE-Atlas QnA成功率は32.3%でした。より高性能なClaude Opus 4.8に変えても57.2%にとどまります。モデルの性能向上だけでは限界があることを示しています。

既存手法の問題点

複数エージェントにタスクを分割する方法は、タスクがきれいに分解できる場合には効果的です。しかしコードベース理解は、サブタスク同士が強く依存し合っています。あるエージェントが見つけた重要な設定ファイルやバグが、別のエージェントの探索経路を大きく変えることがあるため、リアルタイムな調整が必要です。

既存のマルチエージェントシステムには、「並列だが孤立」（同時に動くが一切通信しない）や「並列だがラウンド同期」（通信できるが固定されたラウンド境界まで待たされる）といった問題のあるパターンがあると研究チームは指摘します。後者は、重要な発見が次の通信フェーズまで待たされる前提に立っており、依存関係の強いタスクでは非効率になります。

実験結果の詳細

SWE-Atlas QnAは、実稼働中のリポジトリに対する長期的な自然言語の質問で構成されたベンチマークです。コードを読むだけでなく、ソフトウェアを実行し複数のコマンドを操作して答えを見つける必要があります。単純なコード検索では解けないタスクが含まれています。

研究チームの実験によると、AgentRadioを搭載した4体のClaude Codeエージェントは、独立して動く4体のClaude Codeエージェントと比較してタスク精度が約2倍に向上しました。さらに、より高度なモデルであるClaude Opus 4.8を搭載した単一エージェントも上回ったとされています。協調の仕組みが、モデルの規模や計算資源よりも大きな差を生む可能性を示唆しています。

今後の課題

今回の結果は、マルチエージェントの調整設計が実務上の成果に直結することを示す一方で、課題も残っています。AgentRadioのような非同期通信を本番システムに組み込むには、エージェント間でやり取りされるメッセージの一貫性や、競合する発見をどう扱うかを設計する必要があります。

研究はまだ初期段階であり、特定のベンチマークでの結果をそのまま一般化することはできません。実際の導入にあたっては、通信のオーバーヘッドや、コードベースの規模・タスクの性質による効果の差を、各社の環境で検証することが望まれます。