Claude Subagents
Claude Subagents は、1 回の Claude Code セッション内の専用アシスタントです。公式ドキュメントは、副作用タスクが検索ヒット、ログ、二度と見ないファイルダンプで本編を埋めるときに使えと書きます。サブエージェントは独自のコンテキスト窓、カスタムシステムプロンプト、ツール、権限で動き、要約だけ返します。同じ種類のワーカーを何度も出すなら、カスタムサブエージェントを定義します。
ドキュメントはより大きな並列と区別します。多数の独立セッションは background agents / agent view、セッション間メッセージ、agent teams。古い「256K 窓と 90%+ 向上」を現行の第一当事者仕様だと思わないでください。ライブのサブエージェントガイドを使います。
主な機能
- 隔離された文脈:調査は親スレッドに入らない。
- カスタムプロンプト、ツール、権限:MCP 範囲を含め、触れるものを制限。
- 組み込みタイプ:ドキュメントは組み込みとユーザー定義の両方を説明する。
- 永続メモリオプション:frontmatter で繰り返しワーカーにメモリを付けられる。
- 単一セッション範囲:1 画面に多数セッションなら agent view であり、サブエージェントを増やすことではない。
使いどころ
- 何百ファイルもチャットに捨てそうなコードベース探索。
- あるディレクトリだけ編集してよい制約付き実装者。
- 生の diff を親に残さず指摘だけ返すレビューワーカー。
料金
サブエージェントは同じ Claude Code セッションとモデル利用を消費します。ワーカーが増えればトークンも増えます。単独 SKU はありません。claude.com/pricing を再確認してください。
はじめ方
- Create custom subagents を読む。
- ドキュメントのスコープ(プロジェクトまたはユーザー)にサブエージェントファイルを足す。
- 編集を許す前にツール一覧を絞る。
- 多数の並列 checkout が要るなら worktree か agent view へ。
よくある質問
マルチエージェント製品ですか?
1 セッション内のワーカーです。teams と background agents は別の公式機能です。
サブエージェントごとにモデルを固定できますか?
できます。設定にモデル選択があります。
90% 速い?
旧項目のマーケティングです。公式はいま文脈の節約を話し、単一の百分率ではありません。
代替案
- Claude Skills:再利用手続き。サブエージェント内でも走らせられる。
- Claude Code:より大きな並列は agent view と teams。
- Codex CLI:OpenAI 側のサブエージェント/セッション模型。
ヒント
- 要約だけ返す。親がファイル本体を必要ならワーカーは失敗している。
- 小説をプロンプトに貼らず、スキルをサブエージェントにプリロードする。
- 組み込み名を見直す。Anthropic は explore/plan ワーカーの名前を変えている。
まとめ
サブエージェントは Claude Code の本編を読みやすくします。サブエージェントドキュメント から始め、調査を 1 件隔離してから権限を足してください。
使用シナリオ
- Claude Subagents が自分のワークフローをカバーするか先に確認したい場合。
コメント
まだコメントがありません。最初のコメントを投稿してください!
関連ツール
関連インサイト

Anthropic Subagent: マルチエージェント時代のアーキテクチャ革命
Anthropicのマルチエージェントアーキテクチャ設計を徹底解説。Subagentによるコンテキストウィンドウ制限の突破、90%のパフォーマンス向上、Claude Codeでの実際の応用について学びます。
Skills + Hooks + Plugins:AnthropicによるAIコーディングツールの拡張性の再定義
Claude CodeのSkills、Hooks、Pluginsという三位一体アーキテクチャを深く分析し、なぜこの設計がGitHub CopilotやCursorよりも先進的なのか、そしてオープンスタンダードを通じてAIコーディングツールの拡張性をどのように再定義しているかを探ります。
ローコードプラットフォームの黄昏:なぜClaude Agent SDKがDifyを歴史にするのか
大規模言語モデルの第一原理から、なぜClaude Agent SDKがDifyを置き換えるのかを深く分析。自然言語でプロセスを記述することが人間の原始的な行動パターンにより合致している理由、そしてなぜこれがAI時代の必然的な選択なのかを探る。