アリババ、AIエージェントのトークン消費を99%削減する技術を開発

中国テック大手アリババの研究チームが、AIエージェントの作業効率を大幅に改善するフレームワーク「SkillWeaver」を開発した。同フレームワークは、複雑なタスクを段階的に分解して必要なツールだけを選び取る仕組みを採用しており、ツールライブラリ全体をAIに読み込ませる従来の方法と比べ、トークン消費量（AIが処理する文字・単語の単位）を99%以上削減しながら精度も向上したと研究チームは報告している。

この研究が生まれた背景には、企業向けAIシステムの拡大に伴う「ツール爆発」という課題がある。近年、AIエージェントは数百種類のツールや機能（スキル）を持つ大規模なシステムと連携して動くことが増えており、「どのステップでどのツールを使うか」の判断が極めて難しくなっている。現状の多くのフレームワークは、ライブラリ全体をモデルに一度に渡して選ばせる「一発選択」方式を採るが、これではコンテキスト（処理可能な情報量）の上限をすぐに超えてしまい、コストも膨らむ。SkillWeaverはこの問題を正面から解決しようとする試みだ。

SkillWeaverの核心は、与えられたタスク全体を「実行グラフ」と呼ぶ構造に落とし込み、各ステップに最適なスキルを割り当てるアプローチにある。さらに、「Skill-Aware Decomposition（SAD）」という手法を組み合わせることで、エージェントが候補ツールを繰り返し取得・検証しながら絞り込むフィードバックループを実現している。たとえば「データセットをダウンロードし、加工して、グラフレポートを作れ」という指示に対しては、APIクライアント・データ処理・可視化ツールをそれぞれ別の工程に割り振り、順番に実行する計画を自動で組み立てる。

実験では、このフレームワークを用いることで、ツール全体を無差別に読み込ませた場合と比べてトークン消費が99%超削減され、かつ精度も向上する結果が得られた。研究チームはまた、精度のボトルネックとなるのはモデルの性能ではなく「タスク分解の細かさ」にあると指摘している。つまり、どれだけ適切にタスクを小さな単位に切り分けられるかが、正しいツール選択の鍵を握るという知見だ。

SkillWeaverはMCP（Model Context Protocol）のような複数ツールの統合基盤とも親和性が高く、データの取得・変換・レポート生成といった一連のビジネスオペレーションを自律的に処理する場面への応用が想定されている。MCPはAIエージェントが外部ツールやサービスを標準的な方法で呼び出すための仕組みで、近年急速に普及しつつある。

AIエージェントを実用レベルに引き上げる上で、ツール選択の効率化はコスト面でも性能面でも重要な課題だ。トークン消費の削減は直接的に運用コストの低減につながるため、大規模なエージェントシステムを扱う企業にとっては無視できない進展と言える。SkillWeaverのように「必要なものだけを都度取り出す」設計思想は、今後のエージェント開発のあり方に影響を与える可能性がある。研究の実用化や外部への公開の動向が、引き続き注目点となる。