Claude SubagentsはClaude Codeのマルチエージェントアーキテクチャ機能で、分離されたコンテキストウィンドウで並列動作する専門ワーカーエージェントに複雑なタスクを委任することで分散AI処理を可能にします。このオーケストレーター・ワーカーパターンは単一エージェントのコンテキストウィンドウ制約という根本的な制限を克服し、複雑なタスクで90%以上のパフォーマンス向上を実現します。

大規模な問題を複数のサブエージェントが同時に処理する離散的なサブタスクに分解することで、Claude Codeは従来の単一スレッドアプローチでは不可能だった包括的なコードレビュー、深い調査、多次元分析を実行できます。

主な機能

1. オーケストレーター・ワーカーアーキテクチャ

リードエージェント(オーケストレーター)が戦略的計画とタスク分解を実行し、独立した256Kコンテキストウィンドウで並列実行される複数のサブエージェント(ワーカー)を生成します。結果は圧縮・集約され、コンテキスト汚染を防ぎながら大規模な並列処理容量を実現します。

2. 専門化されたサブエージェントタイプ

異なるサブエージェントタイプが特定のタスクに最適化:Exploreはコードベース調査用、Planは戦略設計用、general-purposeは柔軟な操作用、claude-code-guideはドキュメントクエリ用。各タイプには最大効率のためにカスタマイズされた機能とツールアクセスがあります。

3. バックグラウンド実行

サブエージェントはrun_in_backgroundパラメータでバックグラウンドで非ブロッキング実行され、サブエージェントが処理中でもリードエージェントが作業を続けられます。複数のサブエージェントが同時実行され、複雑な操作の総完了時間を劇的に削減します。

4. コンテキスト分離

各サブエージェントは分離された256Kコンテキストウィンドウで動作し、リードエージェントのコンテキストを汚染することなく詳細情報を処理します。サブエージェントは完全なトランスクリプト(数千トークン)ではなく圧縮サマリー(数百トークン)を返し、合成のためのクリーンなコンテキストを維持します。

5. 結果集約

TaskOutputツールが完了したサブエージェントの結果を取得、SubagentStopフックが完了時に検証のためにトリガー、リードエージェントが発見を一貫した最終出力に合成 - 分散処理と統一されたユーザーエクスペリエンスを組み合わせます。

6. 並列処理能力

独立したサブタスク用に複数のサブエージェントを同時起動:セキュリティスキャン+パフォーマンス監査+テストカバレッジ+スタイルチェックが順次ではなく並列実行。水平スケーリングにより、単一エージェント制約下では以前不可能だった問題の処理が可能になります。

使用シナリオ

このツールを使用すべき人は？

エンタープライズ開発チーム:単一コンテキストウィンドウを超える大規模コードベース全体の包括的なコードレビュー
セキュリティ監査人:並列脆弱性スキャン、依存関係チェック、コンプライアンス検証を必要とする多次元セキュリティ分析
ML/AIエンジニア:複数の設定順列を同時テストする複雑な実験パイプライン
DevOpsプロフェッショナル:数十のサービス、設定、デプロイメントパイプラインを並列分析するインフラストラクチャ監査
技術研究者:複数のコードベース、ドキュメントソース、リポジトリからの合成を必要とする深い調査

解決する問題

コンテキストウィンドウの制限:単一エージェントアプローチは大規模タスクで256Kトークン制限に達する - サブエージェントは並列コンテキストウィンドウを通じて事実上無制限の容量を提供
順次ボトルネック:従来のワークフローはファイルを1つずつ処理 - 並列サブエージェントは完了時間を分から秒に削減
コンテキスト汚染:中間作業の詳細がメイン会話を乱雑にする - サブエージェントは重要な発見のみを返し、クリーンな合成コンテキストを維持
包括的分析:単一スレッドでは50以上のファイルを徹底的にレビュー不可能 - 複数のサブエージェントが各部分を分析し完全なカバレッジを集約
時間重視の操作:デプロイメント前のコードレビューは順次処理を待てない - 並列実行が即座の包括的結果を提供

サブエージェントタイプと機能

Exploreサブエージェント

目的:深いコードベース探索とアーキテクチャ研究

機能:

大規模コードベース全体の体系的なファイル読み取り
関係と依存関係のマッピング
アーキテクチャの理解
圧縮サマリー生成

使用例: ユーザー:「認証実装を調査して」 Exploreサブエージェント:20以上のファイルを読み、フローをトレース返却:「JWT + OAuth2を使用、コアロジックはauth/service.ts:120、245行目にトークンリフレッシュ問題、892行目にセッション検証脆弱性」リードエージェントコンテキスト:~500トークン vs 50K以上の生データ

Planサブエージェント

目的:戦略的計画と多段階ワークフロー設計

機能:

複雑な問題を実装ステップに分解
アーキテクチャ決定分析
ロードマップ作成
トレードオフ評価

使用例: ユーザー:「RESTからGraphQLへの移行を計画して」 Planサブエージェント:既存のAPIを分析、移行戦略を設計、リスクを特定返却:具体的なステップを含む段階的実装計画

General-Purposeサブエージェント

目的:専門化が不要な場合の柔軟なタスク委任

機能:

フルツールアクセス(Read、Write、Edit、Bashなど)
汎用問題解決
多様なタスクへの適応
デフォルトのフォールバックオプション

使用例: 専門知識を必要としない独立した研究、テスト、自動化タスクを委任。

claude-code-guideサブエージェント

目的:ドキュメントとベストプラクティスの相談

機能:

公式Claude Codeドキュメントへのアクセス
Skills、Hooks、Pluginsのガイダンス
Claude Agent SDKの専門知識
Claude API使用パターン

使用例: ユーザー:「カスタムSkillsの作成方法は？」 claude-code-guide:公式ドキュメントを取得、例付きの段階的ガイダンスを提供。

ライフサイクルと管理

サブエージェントの起動

Taskツール経由:

Task(
    description="セキュリティ脆弱性を分析",
    prompt="すべての認証関連ファイルをセキュリティ問題についてスキャン",
    subagent_type="Explore",
    run_in_background=True  # 非ブロッキング実行
)

自動生成: リードエージェントがタスクの複雑さ、コンテキスト制限、並列処理の利点に基づいて委任の必要性を判断。

監視と制御

TaskOutputツール:完了したバックグラウンドサブエージェントから結果を取得 SubagentStopフック:サブエージェント終了時に検証スクリプトを実行 リアルタイムステータス:会話更新がサブエージェントの進捗を表示 エラー処理:失敗したサブエージェントがリードエージェントに問題を報告して回復

ライフサイクルイベント

UserPromptSubmit:ユーザーがリクエストを開始
リードエージェント決定:委任の必要性を判断
PreToolUse:サブエージェント生成前
サブエージェント実行:独立したコンテキストでの分離された作業
SubagentStop:完了通知(フックがトリガー)
PostToolUse:結果統合後
Stop:全体的なセッション完了

パフォーマンスとコストの考慮事項

パフォーマンス向上

単一エージェントベースライン:

順次処理:ファイルA → B → C → ... → コンテキストオーバーフロー
時間:大規模タスクに数分
完全性:制限により多くの場合不完全

マルチエージェントパフォーマンス:

並列処理:サブエージェント1-Nが同時実行
時間:複雑なタスクが数秒(90%以上の向上)
完全性:水平スケーリングによる包括的カバレッジ

コスト分析

トークン消費:単一エージェントアプローチと比較して15倍

単一エージェントタスク:1xベースライン
マルチエージェント同等:15xトークン
しかし90%以上のパフォーマンス向上を実現

コストが正当化される場合:

✅ 高価値エンタープライズ決定
✅ 重要なセキュリティ監査
✅ 深い技術研究
✅ 時間に敏感な包括的レビュー
✅ 単一スレッドでは不可能な問題

避けるべき場合:

❌ シンプルなファイル編集
❌ コード補完
❌ 日常会話
❌ 予算制約のある操作
❌ 順次依存ワークフロー

効果的なコンテキスト容量

単一エージェント:256K理論値、<256K実際値(コンテキスト劣化) マルチエージェント:256K × Nサブエージェント効果的に リードエージェント:圧縮サマリーを通じてクリーンなコンテキストを維持

Claude Codeエコシステムとの統合

Skills統合:

Skillsがリードエージェントとサブエージェントの両方に知識を提供
サブエージェントがSkillsの専門知識を使用して実行
組み合わせ:インテリジェントな分散処理

Hooks統合:

SubagentStopフックがサブエージェント完了を検証
PreToolUse/PostToolUseフックが委任を監視
実施がリードエージェントとサブエージェントの両方に適用

Plugins統合:

プラグインがサブエージェントが使用するSkillsをバンドル
MCPサーバーが外部ツールアクセスを提供
完全なワークフローがマルチエージェントアーキテクチャを活用

MCPプロトコル:

各サブエージェントが独立してMCPサーバーにアクセス可能
並列外部ツールクエリ(GitHub + JIRA + Slackを同時に)
将来:オープンスタンダードを通じたクロスツールサブエージェント共有

実際の成功事例

Sionic AI - MLトレーニングパイプライン

GPUクラスター全体で毎日1000以上の実験を実行するSionic AIは、サブエージェントを使用して:

ハードウェア設定を選択(NVIDIA A100 x8クラスター)
フレームワークパラメータを設定(ms-swift + vLLM + DeepSpeed)
20以上の文書化された失敗パスを自動回避

結果:並列設定検証により実験効率が倍増。

エンタープライズコードレビュー

マイクロサービスコードベース(50以上のサービス)をレビューするFortune 500企業:

セキュリティサブエージェント:脆弱性スキャン → 12の重大な発見
パフォーマンスサブエージェント:ボトルネック分析 → 8の最適化機会
テストサブエージェント:カバレッジレポート → 平均78%
スタイルサブエージェント:コンプライアンスチェック → 45の違反

順次10分以上に対して30秒で完了。

Deep Research(Anthropic製品)

ClaudeのDeep Research機能はサブエージェントを使用して:

複数のドキュメントソースを同時クエリ
異なるコードベースからの発見を集約
包括的な技術レポートを合成
数千のトークンを実用的なサマリーに圧縮

ベストプラクティス

タスク分解戦略

明確な境界:重複しないサブエージェントの責任を定義
並列思考:独立したサブタスクを明示的に特定
成功基準:期待される出力を事前に指定
ツール権限:サブエージェントごとに最小権限の原則を適用
エラー回復:サブエージェントの失敗と再試行戦略を計画

コンテキスト管理

リードエージェントの責任:

高レベルの戦略と合成
最小限のトークン消費
サブエージェント出力の品質管理
ユーザーコミュニケーション

サブエージェントの責任:

戦術的実行と詳細作業
分離されたコンテキストでの包括的分析
重要な発見のみを返す(圧縮)
ツール集約型操作

コスト最適化

マルチエージェントを有効にするとき:

結果の価値 >> 15xコスト
時間節約が費用を正当化
単一スレッドでは不可能な複雑な分析
並列実行が重要な利点を提供

最適化を通じて:

正確なサブエージェントスコーピング(重複を避ける)
結果の圧縮(必須事項のみを返す)
選択的委任(すべてのタスクがサブエージェントを必要とするわけではない)
並列設計(並行実行を最大化)

よくある質問

サブエージェント vs 直接ツール呼び出しをいつ使用すべきですか？

単一コンテキストウィンドウを超える複雑なタスク、並列処理の利点、中間詳細がメイン会話を乱雑にする場合はサブエージェントを使用します。シンプルな操作、順次ワークフロー、コストに敏感なタスクには直接ツール呼び出しを使用します。

サブエージェントはリードエージェントとコンテキストを共有しますか？

いいえ、各サブエージェントは分離されたコンテキストを持ちます。これにより汚染は防がれますが、明示的な情報伝達が必要です。リードエージェントが指示を提供し、サブエージェントが圧縮された発見を返します。

サブエージェントは独自のサブエージェントを生成できますか？

現在のアーキテクチャに基づくと、サブエージェントはタスクを実行するワーカーです。階層的生成は複雑性を導入しますが、標準パターンではありません。オーケストレーター・ワーカーが主要なモデルのままです。

並列実行できるサブエージェントの数は？

文書化されたハード制限はありませんが、実際の制約にはコスト(サブエージェントあたり15x)、タスク分解の粒度、収穫逓減が含まれます。典型的:包括的タスクには3-6のサブエージェント。

サブエージェントはすべてのツールにアクセスできますか？

サブエージェントタイプに依存します。Exploreは読み取り/検索に焦点、general-purposeは完全なツールセットを持ちます。セキュリティと効率のためにアクセスを設定できます。

失敗したサブエージェントをデバッグするには？

SubagentStopフックが完了イベントをキャプチャ、TaskOutputが結果/エラーを表示、リードエージェントがサブエージェントの失敗を報告。ログがトラブルシューティングのための実行詳細を提供します。

代替案

マルチエージェントアーキテクチャが適していない場合:

単一エージェント順次処理:シンプルなタスク用の従来のアプローチ、低コスト
外部オーケストレーション:カスタムマルチエージェントパターン用のLangChain、AutoGPTなどのツール
手動分解:タスクを自分で分解、Claudeに個別送信
競合他社マルチエージェントツール:AI開発分野の新興代替案

まとめ

Claude Subagentsは、分散システムの原則を適用して単一エージェントの制限を克服する、AI支援開発における根本的なアーキテクチャの進歩を表しています。オーケストレーター・ワーカーパターンは、インテリジェントな分解、並列実行、結果圧縮を通じて、以前は不可能だったタスクの処理を可能にします。

15倍のトークンコストは重要ですが、90%以上のパフォーマンス向上と並列コンテキストウィンドウを通じて事実上無制限の情報を処理する能力により、サブエージェントは高価値で複雑な操作に不可欠です。Skills、Hooks、MCPとの統合により、制御、スケール、インテリジェンスが組み合わされた完全なプログラマブルマルチエージェントプラットフォームが作成され、単一スレッドアプローチが単純に処理できない問題を解決します。

Claude Subagents