Anthropicは、エージェントのスケーリング方法（レイヤー、トークン、信頼性のある実行）に関するマニュアルを公開

二人のAnthropicのエンジニアが現場の教訓を発表：スケールが求められるエージェントにおいて、もはやモデルが制限要因ではなく、ハーネスが制限要因となる。三つの柱：レイヤー、予算、実行。

簡単に言えば

Anthropicのエンジニア2人、Angela JiangとKatelyn Lesseが、顧客企業におけるAIエージェントの産業化から得た教訓を公開。メッセージ：スケーリングの障壁はモデルではなく、その周辺のアーキテクチャにある。3つの柱：スタックを層に分割、厳格なトークン予算を維持、確実な実行を保証。

背景

2025年の主流な見解は「モデルが解決する」だった。Anthropicの実体験が2026年に再評価を促す：長時間のエージェントワークフローでは、信頼性はモデルではなくハーネスに依存する。これは我々が追う流れと一致：トークン当たりのコストはopexに移行し、Adam Mosseriはエンジニアごとのトークン上限をMetaで導入、UberやMicrosoftでは予算超過でAIライセンスが削減される。

データ

• 一次ソース：Angela JiangとKatelyn Lesse（Anthropic）による公開、Tech in Asiaが2026年7月15日報道
• 伝えられた主要メッセージ：企業におけるAIスケーリングは、優れたモデルだけでなく、層化アーキテクチャ、トークン戦略、信頼できる実行に依存する

内部構造

「層化アーキテクチャ」パターンは、実務上3つの責任を分離する：

1. オーケストレーション - どのエージェントを実行するか、どのトークン予算とどの期限で実行するかを決定。予算が膨れ上がれば実行を拒否する層。
2. 実行 - 各ツールコールをリトライ、タイムアウト、出力検証、冪等性で実行。これにより、デモで「動く」エージェントが本番でインシデントにならない。
3. 状態 - ターン間で生存させる必要があるものを永続化：会話コンテキストではなく、成果物と意思決定。コンテキストはコストがかかるため、節約される。

トークン予算は構造的制約：エージェントが1回の実行で50万トークンを消費し、1日1000回実行されれば、コストはすぐにジュニアエンジニアの給与を超える。そのため予算はアーキテクチャレベルで管理される — プロンプトレベルではない。

シナリオとリスク

• 短期：トークン上限なしでエージェントを構築したチームはCFOに追いつかれる（token-budget-capsスレッドにUber、Microsoft、Mosseriの事例を既に記録）
• 製品リスク：信頼できる実行に移行するには計装（トレース、リプレイ、実行当たりコスト）が必須だが、ほとんどのエージェントデモはこれを無視。多くのPOCはこの計装コストに耐えられない

結論

2026年にエージェントプロジェクトを率いるリードエンジニアにとって：第1フェーズはプロンプトエンジニアリングではなく、予算とトレース。機能を追加する前に実行当たりコストを計測せよ。そうしないと、エージェントがようやく動き始めたまさにその時に、財務との会話が最悪のタイミングで訪れる