複数AIエージェントの連携で単体モデルを超える精度を達成

Coral AI Labsと複数の大学の研究者らが、「AgentRadio」と呼ぶ新しいマルチエージェント連携の仕組みを発表した。この技術を使って4つのAIエージェントを協調させたところ、単体の高性能モデルを上回るコーディング性能を示した。実験では、AgentRadioを導入したエージェントチームが、独立して動く単体の上位モデルよりも高い正解率を記録している。

今回の研究が取り組んだのは、AIエージェントが大規模なコードベース（企業が実際に運用しているソフトウェアの集合体）を理解・分析する際に生じる「カバレッジ問題」だ。コードベースの解析には、ソフトウェアのビルド、実行、複数ファイルにまたがる処理の追跡など、長い作業の連鎖が求められる。単一のエージェントがこれを担うと、調査が進むにつれてコンテキスト（記憶できる情報の範囲）が膨らみ、最初の計画を修正しにくくなる。後半に発見した重要な情報が、前半の判断にさかのぼって反映されないという構造的な限界がある。

複数のエージェントに作業を分担させる「マルチエージェント」方式は従来から存在するが、多くの実装では各エージェントが孤立して動き、互いにリアルタイムで情報をやり取りできない設計になっている。AgentRadioはこの課題を、「非同期メッセージパッシング層」という仕組みで解決する。平たく言えば、各エージェントが自分の作業を止めることなく、ほかのエージェントにメッセージを送ったり受け取ったりできる通信の仕組みだ。これにより、あるエージェントが途中で重要な発見をした際、ほかのエージェントがその情報をリアルタイムで受け取り、作業の方向性を修正できる。

性能を測る指標として、研究チームは「SWE-Atlas QnA」というベンチマーク（評価基準）を使用した。これは実際に運用されているソフトウェアリポジトリに対して、自然な言葉で質問を投げかけ、AIが正しく答えられるかを測るものだ。コードを読むだけでは解けず、実際にソフトウェアを動かしながら複数のコマンドを実行する必要がある、難易度の高いテストとなっている。

実験結果によると、単体のClaudeエージェント（Claude Code、Opus 4.6）はこのベンチマークで32.3%の正解率にとどまった。より新しいモデルであるOpus 4.8でも57.2%に改善するにとどまり、単純にモデルを高性能化するだけでは限界があることが示された。一方、AgentRadioを使って4つのエージェントを協調させたシステムは、4つのエージェントが独立して動く場合と比べて正解率をほぼ2倍に引き上げ、Opus 4.8の単体動作をも上回る結果を出した。

この結果が示すのは、AIの性能向上において「より大きなモデルを使う」という方向性だけが正解ではない、という点だ。エージェント同士の連携設計という「構造」の工夫によって、スケールアップと同等かそれ以上の効果が得られる可能性がある。企業の現場では大規模なコードベースを扱う場面が増えており、AgentRadioのようなアプローチは、コスト効率の面でも実用的な選択肢になり得ると位置づけられる。今後は、こうした連携アーキテクチャがソフトウェア開発以外の複雑な業務タスクにどこまで応用できるか、という点が注目点になるという見方ができる。