用語比較
単一エージェントとマルチエージェントの違い｜向く仕事とトークン消費（生成AIパスポート）
単一エージェントとマルチエージェントの違いは、仕事を1つのエージェントでこなすか、複数のエージェントで分担するかです。分担すると並列に調べられる一方、トークンの消費が大きく増えます。
この記事は、Anthropic Engineeringが公開した複数エージェントの調査システムの記事で整理します。数値はこの1社の社内評価と計測で、すべての製品に当てはまるとは限りません。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。
単一エージェントとマルチエージェントの要点
単一エージェント
1つのエージェントが、ツールを繰り返し使って仕事を最後まで進める。公式記事は、全エージェントが同じ文脈を共有する仕事や依存の多い仕事は、マルチエージェントに現時点で向かないと述べる。
マルチエージェント
複数のエージェントが協力して働く。リード役が計画し、サブエージェントが並列に調べて要点だけを返す。広く調べる仕事に向くが、トークンを多く使う。
違いを表で確認
| 比較軸 | 単一エージェント | マルチエージェント |
|---|---|---|
| 仕事の進め方 | 1つのエージェントが順に進める | リード役が計画を立て、複数のサブエージェントが並列に調べる（orchestrator-workerパターン） |
| コンテキスト | 1つのコンテキストウィンドウに、仕事の経過をすべて持つ | サブエージェントがそれぞれ自分のコンテキストウィンドウで調べ、重要な部分だけをリード役へ返す |
| トークンの消費 | 公式記事の計測では、エージェント全般で通常のチャットの約4倍（単一エージェントだけの値ではない） | 同じ計測で、通常のチャットの約15倍 |
| 向く仕事 | 公式記事は単一エージェント側の向き不向きを述べていない。マルチエージェントに現時点で向かない仕事（同じ文脈を共有する仕事、依存の多い仕事。例: コーディングの多くの作業）が、こちらの検討対象になる | 価値が高く、並列化できる部分が多く、1つの文脈に収まらない情報や多くの複雑なツールを扱う仕事 |
| 公式記事の評価結果 | リード役と同じClaude Opus 4の単独構成が比較の基準 | 社内の調査評価で、リード役Claude Opus 4とサブエージェントClaude Sonnet 4の構成が、単独のClaude Opus 4を90.2%上回った |
生成AIパスポートの学習に使う書籍（Amazon）
PR
どこで迷っているかを切り分ける
広い範囲を調べて一覧にしたい人
独立した複数の方向を同時に調べる仕事は、マルチエージェントが得意とされています。公式記事は、広く調べる問いで効果が大きいと述べます。
コードの修正のように手順が連なる仕事をしたい人
公式記事は、コーディングの多くの作業は調査ほど並列化できる部分が多くないとし、エージェント同士の依存が多い仕事は現時点で向かないと述べます。この種の仕事は、マルチエージェントの得意な領域ではありません。
費用を抑えて使い始めたい人
マルチエージェントは通常のチャットの約15倍のトークンを使います。仕事の価値が増える費用に見合うかを先に考えます。
具体例で使い分ける
例 1
上場企業の役員を広く調べる
ある株価指数に入る情報技術企業すべての取締役を調べる仕事です。企業ごとに調べる作業は互いに独立しています。
- Anthropic Engineeringの記事は、この問いを例に挙げています。マルチエージェントのシステムは、仕事を分けてサブエージェントに割り当てることで正しい答えを見つけました。
- 単一エージェントのシステムは、同じ問いで答えを見つけられなかったと同じ記事は述べます。企業ごとの調査が独立していて並列化しやすいことが、分担の利点を生んだ場面です。
結論: 独立した調査が多い広い問いは、マルチエージェントが向きます。
例 2
既存のプログラムを順に直していく
1つのプログラムの複数の箇所を、前の修正の結果を見ながら順に直していく仕事です。後の修正が前の修正に依存します。
- 全エージェントが同じ文脈を共有する仕事や、エージェント同士の依存が多い仕事は、公式記事が現時点で向かないとする領域です。
- 同じ記事は、マルチエージェントが通常のチャットの約15倍のトークンを使うとも述べます。並列化の利点が小さい仕事では、費用に見合いにくくなります。
結論: 依存の多い連なった作業は、公式記事ではマルチエージェントに現時点で向かない領域です。
問題文から答えを選ぶ手順
- 1
仕事が分けられるかを見る
互いに独立した調べものや作業に分けられるかを確認します。順に結果を受け渡す仕事は分けにくくなります。
- 2
1つの文脈に収まるかを見る
公式記事は、1つの文脈に収まらない情報や多くの複雑なツールを扱う仕事を分担の向く条件の1つに挙げています。収まるかどうかを先に確かめます。
- 3
費用に見合うかを見る
マルチエージェントは約15倍のトークンを使います。仕事の価値が、増える費用を上回るかを確かめます。
試験での見分け方
- 1独立した方向を同時に調べる広い仕事は、マルチエージェントが向く。
- 2全エージェントが同じ文脈を共有する仕事や、依存の多い仕事は、公式記事ではマルチエージェントに現時点で向かないとされる。
- 3公式記事の計測では、エージェントは通常のチャットの約4倍、マルチエージェントは約15倍のトークンを使う。
- 4マルチエージェントでは、サブエージェントがそれぞれのコンテキストウィンドウで調べ、重要な部分だけをリード役へ返す。
- 5数値はAnthropicの社内評価と計測で、他の製品や仕事に同じ結果が出るとは限らない。
誤答しやすい選択肢
エージェントを増やせば、どんな仕事でも成績が上がると考える
修正: 公式記事の効果は、広く調べる仕事での結果です。同じ文脈を共有する仕事や依存の多い仕事は、現時点で向かないと同じ記事が述べます。
マルチエージェントは費用がエージェント1つの構成と同じ程度だと考える
修正: 公式記事の計測では、マルチエージェントは通常のチャットの約15倍、エージェントは約4倍のトークンを使います。価値が高い仕事でなければ見合いません。
サブエージェントは全員で同じ文脈を持つと考える
修正: サブエージェントはそれぞれ自分のコンテキストウィンドウで調べ、重要な部分だけをリード役に返します。文脈を分けて持てることが、1つの窓に収まらない情報を扱える理由です。
確認問題
Q1リード役が調べ方を計画し、複数のサブエージェントを並列に動かす構成は、単一エージェントとマルチエージェントのどちらか？
答え: マルチエージェント
公式記事は、この構成をorchestrator-workerパターンと説明しています。
Q2公式記事の計測で、通常のチャットに比べてトークンを約15倍使うのは、エージェント単体とマルチエージェントのどちらか？
答え: マルチエージェント
同じ記事は、エージェントは通常のチャットの約4倍、マルチエージェントは約15倍のトークンを使うと述べています。
Q3全エージェントが同じ文脈を共有する仕事や、エージェント同士の依存が多い仕事は、公式記事ではマルチエージェントに向くとされているか？
答え: 向かないとされている（現時点）
公式記事は、こうした仕事は現時点でマルチエージェントに向かず、コーディングの多くの作業は調査ほど並列化できる部分が多くないと述べています。
到達チェック
- 単一エージェントとマルチエージェントの仕事の進め方の違いを説明できる
- サブエージェントがそれぞれ自分のコンテキストウィンドウで調べる利点を説明できる
- マルチエージェントがトークンを多く使うことと、向く仕事・向かない仕事を説明できる
関連ページで確認する
同じ資格で次に知りたいこと
- 自動評価（Eval）と本番モニタリングの違い｜AIエージェントの確かめ方（生成AIパスポート）
AIエージェントの自動評価（Eval）と本番モニタリングの違いを、使う場面・利点・弱点で整理します。Anthropic Engineeringの公開記事にもとづく解説と確認問題つき。
- 入力ガードレールと出力ガードレールの違い｜AIエージェントで確認する場面（生成AIパスポート）
AIエージェントの入力ガードレールと出力ガードレールの違いを、確認する対象・動く場面・止めたときの副作用で整理します。OpenAI Agents SDK公式文書の記述にもとづく解説と確認問題つき。
- Zero-shot CoTとFew-shot CoTの違い｜思考の連鎖を例なしで引き出すか、例で示すか（生成AIパスポート）
Zero-shot CoTとFew-shot CoTの違いを、例を示すかどうか・使う一言・元の論文の結果で整理します。Wei氏らとKojima氏らの論文要旨にもとづく解説と確認問題つき。
よくある質問
Q単一エージェントとマルチエージェントの違いは何ですか？
仕事を1つのエージェントでこなすか、複数のエージェントで分担するかです。マルチエージェントではリード役が計画し、サブエージェントが並列に調べます。Anthropic Engineeringの公開記事にもとづきます。
Qマルチエージェントは単一エージェントより必ず優れていますか？
いいえ。公式記事の社内評価では、広く調べる仕事で単独構成を90.2%上回りましたが、同じ文脈を共有する仕事や依存の多い仕事は現時点で向かないと述べられています。
Qマルチエージェントはなぜ費用が増えますか？
公式記事の計測では、マルチエージェントは通常のチャットの約15倍のトークンを使います。複数のエージェントがそれぞれ調べるためです。
Q生成AIパスポートでこの違いは問われますか？
公式シラバス（2027年2月試験より適用の版）のAIエージェントの章に関わる内容です。数値は特定の1社の記事によるもので、出題の形式は受験前に公式の案内で確認してください。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: AI資格ドリル編集部（運営者情報を見る）