Anthropicは、Claude Codeに最近導入されたダイナミック･ワークフローの背後にあるオーケストレーションシステムについて追加の詳細情報を公開、この機能が複雑なタスクに対してAIエージェントのチームをコーディネートするよう設計されたカスタム実行ハーネスをどのように生成するかをハイライトした。
最初の発表では大規模なソフトウェアエンジニアリングプロジェクト向けのダイナミック･ワークフローが強調されていたが、新たな概要ではClaudeがこれらのワークフローをどのように作成し管理するかがハイライトされている。AnthropicはClaudeがタスクの委任、エージェントのアサイン、結果の検証、ワークフロー期間の決定を行うためのJavaScriptハーネスを動的に生成できると述べている。
同社はこのアプローチが長時間実行AIタスクに関連する複数の課題への対処に役立つと主張している。AnthropicはAIシステムがタスクを完全に完了する前に停止してしまう「エージェント的怠慢」、モデルが評価時に自らの結論を優先する「自己選好バイアス」、長期にわたるやり取りの中で目的が希薄化する「目標ドリフト」といった問題を特定している。
ダイナミック・ワークフローは単一コンテキスト・ウィンドウではなく、それぞれが特定の役割を持つ複数の独立したエージェントを利用する。AnthropicはClaude向けの戦略として、タスクを並列のサブタスクに分割してから統合する「fan-out-and-synthesize」や、レビュアーエージェントが他のエージェントの発見内容に異議を唱える「敵対的検証」などを概説している。
同社は複数のエージェントが異なるアプローチで同じ問題に取り組み、相互評価するトーナメント形式ワークフローや、複雑さや要件に基づいてタスクを異なるエージェントへルーティングする分類システムもハイライトした。
このシステムの注目すべき側面はモデルルーティングである。ワークフローがタスクの異なる段階に異なるモデルを割り当てることができ、より低コストのモデルに単純な作業を処理させる一方、より深い推論を必要とするタスクにはより高性能なモデルを確保できるとAnthropicは述べている。
この機能は開発者間で賛否の分かれる反応を生んでいる。一部のユーザーがダイナミック・ワークフローをより自律的なAIシステムに向けた潜在的に重要な一歩と見ている一方、費用対効果のトレードオフに疑問を呈するユーザーもいる。Redditディスカッションであるユーザーが書いた：
いつかは良いものになるでしょうが、現時点ではトークンに火をつけるだけの、とてもクールな方法にすぎません。
他のユーザーは、モデル選択がもたらす柔軟性を指摘した：
Claude CodeのDynamic Workflowsでは、各段階で使用する特定のサブエージェントを精密に制御できます。複雑さのレベルに応じて異なるタスクに異なるモデルを利用できます。
たとえば高度な推論を必要としないワークフローにはより手頃なモデルを使用できます。こうすることで各ワークフロー実行における全体的な運用コストを効果的に最適化し、削減できます。
このディスカッションは、モデル単体の能力を超えてパフォーマンス向上させる方法として、企業がオーケストレーションフレームワーク、検証システム、マルチエージェント連携にさらにフォーカスしつつある、AI開発のより広範なトレンドを反映している。