多くの開発者が、雰囲気に任せてエージェントチームを動かし、オーケストレーションしていますが、それは本当に効果的なのでしょうか?
この記事では、Antigravity や Claude Code など、あらゆるコーディングエージェントでエージェントチームを運用するための、研究に基づいた 5 つのパターンを紹介します。新しいアプリケーションの作成、レガシーコードベースの保守、リサーチの実行など、どんな場面でも、各パターンが単一エージェントより優れるタイミングを理解し、すぐに使えるプロンプトを使って自分で試せるようになります。
著者:YK Sugi(シニアデベロッパーリレーションズエンジニア、Google Cloud)
1. ビルダーと検証者を分ける。 1 つのエージェントにすべてを任せる代わりに、構築と検証を別々のスレッドに分割します。1 つ目のエージェントが構築を行い、2 つ目のエージェントが新しいスレッドで、成果物が要求通りに動作しているかを確認します。同じスレッド内でモデルが自分の成果物をレビューすると、直前の出力にバイアスがかかるリスクがあります。
実際、研究によれば、モデルは自身の成果物を評価するのが苦手です。外部からのフィードバックなしでは自らの推論を修正するのに苦労し、他者の出力よりも自分の出力を好む傾向があります。
このパターンは、重要な変更に対して使いましょう。小さな変更や、テストからフィードバックを得られる場合は、自己レビューでも問題ありません。
プロンプト:読み取り専用の検証者として、新しいサブエージェントを 1 つ起動してください。この差分が私の要求通りに動作しているか確認させてください。

2. 作業をレーンに分割する。 タスクをきれいに分割できる場合は、フロントエンド、バックエンド、ドキュメントのように、各パートに担当者を割り当てます。同じファイルを編集しないようにして、並列で作業させます。
652 のコーディングタスクを対象とした 2026 年の調査では、重複するコードを 2 つのエージェントが処理した場合、1 つのエージェントが両方のタスクを行った場合と比べて成功率が約 30% 低下しました。
Google と MIT の研究では、独立した部分からなる金融ベンチマークにおいて、エージェントチームは単一エージェントより最大 80.8% 高いスコアを出しましたが、各ステップが前のステップに依存する計画立案ベンチマークでは 39% から 70% 低いスコアとなりました。

フロントエンドとバックエンドのように、きれいな分割が難しい作業では、1 つのスレッドの方が良い結果になることがよくあります。小規模なバグ修正も同様で、別の研究では並列サブエージェントは役に立ちませんでした。
プロンプト:3 つのサブエージェントを並列で起動してください。1 つ目は web/ のフロントエンド用、2 つ目は api/ のバックエンド用、3 つ目は docs/ のドキュメント用です。それぞれが自分のフォルダ内のファイルのみを編集するようにします。3 つとも完了したら、各部分が連携して動作することを確認してください。

3. Best of N。 同じタスクを複数回並列で実行し、テストスイートや評価基準で勝者を選びます。DeepMind のコーディングシステム AlphaCode はこの方式でした。多数の候補プログラムを生成し、実際に実行して絞り込みました。この手法はプログラミングコンテストで競争力のある成績を残しました。
この Best of N アプローチに関する 2024 年の研究では、自動チェックがあるタスクにおいて、数千回の試行を重ねるほど合格率が上がり続けました。実際の GitHub Issue では、あるモデルが 1 回試行時の解決率 15.9% から、250 回試行で 56% まで向上しました。自動チェックがない場合、多数決やスコアリングモデルで勝者を選ぶ方法は、100 回程度の試行で頭打ちになりました。

プロンプト:Gemini 4 Hydrogen で 5 つのサブエージェントを並列で実行し、それぞれが独自の worktree でこれを最適化するようにしてください。各試行を評価基準でスコアリングし、最良のものを選んで結果を教えてください。
4. モデル評議会。 複数のモデルに独立した提案を求め、モデル名を隠した状態で審査員に投票させ、最も優れたアイデアを統合します。アーキテクチャやビジュアルデザインのように、明確なテストや自動チェックが存在しない場面で使います。
ある研究では、複数のモデルの回答を組み合わせることで、単一の最先端モデルを上回るスコアを記録しました。別の研究では、異なるモデルによるパネルが、単一の大型審査員よりも人間の判断に近い結果を出しました。

例えば、私はこの船のロゴをモデル評議会でデザインしました。2 ラウンドの議論を経て、平凡だった最初の試作から最終的なアイコンへと仕上がりました。

プロンプト:Gemini 4 Carbon、Gemini 4 Neon、Claude Opus 5.5 に、それぞれ独立したデザイン案を 1 つずつ求めてください。次に、Gemini 4 Carbon、Gemini 4 Neon、Claude Opus 5.5 で新しいエージェントを 3 つ起動し、モデル名を隠した状態でデザインを採点させてください。最良のアイデアを統合して勝者案を作成してください。
5. レビュアーチーム。 読み取り専用のレビュアーを複数並列で起動し、UX やセキュリティなど、それぞれに 1 つの役割を与えます。
人間のレビュアーを対象とした 1995 年の古典的研究では、メンバーがそれぞれ異なる種類のミスを探索するチームは、全員が共通の一般的なミスチェックリストを使うチームよりも、約 35% 多くミスを発見しました。
実は、AI レビュアーでも同様の傾向が成り立ちます。LLM 審査員に関する研究では、異なる役割を持つチームが単一の審査員よりも人間の判断に近く、全員が同じ役割を共有すると精度が落ちることが示されました。

プロンプト:UX、コードの簡潔さ、エッジケース、セキュリティを担当する読み取り専用レビュアーを 4 つ並列で起動してください。報告された点を修正し、新しいレビュアーで 4 つすべてが承認するまで繰り返してください。
これらのパターンは厳密なルールというより、構成要素です。自分に合うように自由に組み合わせて構いませんが、どの場面でどれを使うべきかの目安となるシンプルなフローチャートを紹介します。






