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：スケールす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、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、その周囲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、実行を保証。

背景

2025年の主流の議論は「モデルが解決する」だった。Anthropicの実体験が2026年に再評価：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（実行基盤）に依存。これは我々が追う流れと一致：トークン当たりのコストが運用コストに転嫁され、Adam MosseriはMetaでエンジニアごとのトークン上限を示唆、UberやMicrosoftでは予算超過でAIライセンスが停止される。

データ

• 一次ソース：Angela Jiang & Katelyn Lesse（Anthropic）の公開資料、Tech in Asia（2026/07/15）が報告
• 主要メッセージ：企業のAIスケーリングは、優れたモデルよりも、層化アーキテクチャ、トークン戦略、信頼性の高い実行に依存

中身

層化アーキテクチャのパターンは、実務で3つの責任を分離：

1. オーケストレーション - どのエージェントを、どのトークン予算で、いつ実行するかを決定。予算超過時は実行を拒否する層。
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。デモでは動くエージェントが、本番ではインシデントになる原因。
3. 状態 - ターン間で生存させるべきものを永続化：成果物と意思決定のみ。会話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、コストは新人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。

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に追及される（token-budget-capsの流れはUber、Microsoft、Mosseriの事例を既に文書化）。
• 製品リスク：信頼性の高い実行には計装（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リードするエンジニアリーダーへ：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、実行当たりのコストを計測せよ。さもなければ、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。