複数のエージェントを使うとはどういうことか？ Python学習チームを3人召喚して検証する

AIエージェントを「複数動かす」という言葉をよく耳にする。
だが、実際に何が起きるのかは分かりにくい。
1人のAIに尋ねるのと、何がどう違うのか。その疑問を確かめるため、Claude Code の Agent Teams で「Python学習チーム」を3人分立ち上げ、
動作を検証した。
結果として、3体のAIが役割を分担し、
人間を介さずに連携し始める様子が確認できた。

なお、このPython学習チームはあくまで仕組みを確かめるための実験検証である。実際の主戦場はコーディングをはじめとする実務だ。
そこから想定される使いどころは記事の後半でまとめる。

「複数エージェント」とは何か

1人のAIは、出題も解説もミスの指摘も、すべてを1体でこなす。
器用だが、視点は1つに限られる。

これに対し複数エージェントは、役割ごとに別々のAIを立て、そのAI同士が直接やり取りする仕組みだ。今回編成したのは、次の3体である。

• 出題者（questioner） … 学習者のレベルに合わせてPython問題を作成

• 解説者（explainer） … 模範解答と考え方を丁寧に説明する

• 間違い指摘係（error-checker） … 回答の誤りを建設的に指摘する

特徴は、この3体が人間を介さず横同士で会話する点にある。
出題者が出した問題を、解説者と指摘係がそれぞれ受け取り、
独立して動く。まさに「チーム」として機能する構成だ。

召喚の手順

操作は、チャット欄に自然言語で指示するだけだった。

create an agent team with 3 teammates

Python学習チームを作って。出題者、解説者、間違い指摘係の3人で

この二文で、`.claude/agents/` に3体ぶんの定義ファイル（`questioner.md` / `explainer.md` / `error-checker.md`）が自動生成され、そのまま起動した。

3 background agents launched (↓ to manage)
├ @questioner
├ @explainer
└ @error-checker

3体が同時に立ち上がった格好だ。
定義ファイルは保存されるため、次回以降は `/agent questioner` のように呼び出して再利用できる。一度きりで消えない点も実用面での利点といえる。

検証：3体が連携する瞬間

ここからが本番だ。まず出題者が、あいさつとともに1問を出題した。

【初級問題 No.1】 ★☆☆
整数のリスト numbers = [4, 7, 2, 9, 5] の中から
最大の値を求めて出力するプログラムを書いてください。
期待される出力：9

途中で「4択形式に変えてほしい」と依頼したところ、出題者はその場で問題を作り直した。

numbers = [4, 7, 2, 9, 5]
print(max(numbers))

- A. 5
- B. 9
- C. 27
- D. [4, 7, 2, 9, 5]

ここで `B` と回答すると、残る2体が同時に動き出した。まず間違い指摘係が、正誤を判定する。

続いて解説者が、表を添えて解説した。

さらに「ひとことメモ」として、`min()` や `max(4, 7, 2)` の使い方まで補足している。

注目すべきは、役割が異なることで視点が一気に増えた点だ。
1体に尋ねていれば「正解は9です」で終わっていたはずの問題が、
なぜ他の選択肢が誤りなのかまで立体的に見えてくる。
これこそが、複数エージェントを動かして初めて体感できる違いだった。

起動のコツ：モードは英語、詳細は日本語

検証を通じて、一つのコツが見えてきた。
Agent Teams を確実に起動させるには、
最初に次の英語コマンドを打つのが安定するという点だ。

create an agent team with 3 teammates

これが「これは Agent Teams の話である」というトリガーとして働き、
その後はチームの中身を日本語で自由に指示できる。
モードの切り替えは英語のキーワードで、詳細な指示は日本語で——。
この2段階の使い分けが、最も安定する印象を受けた。

想定されるユースケース

今回のPython学習チームは、あくまで仕組みを確かめるための実験だった。では、この役割分担と横連携が実務のどこで効くのか。
もっとも確実なのはコーディングだが、それ以外はまだ「こう使えるはずだ」という想定の段階にある。
あくまで筆者の想像として、いくつか挙げておく。

コーディング
もっともメジャーな使い道だ。
フロントエンド・バックエンド・テストの3体を並行して走らせれば、それぞれの担当が同時に手を動かす。
あるいは「実装役・レビュー役・セキュリティ点検役」という体制を組めば、書いたそばから別の視点で点検が入る仕組みになる。
1体では見落としがちな観点を、役割で補い合えるのが強みだ。

以下は、まだ試してはいないが応用できそうな想定である。

リサーチ・多角検証
「調査係・要約係・反論係」を立てる構成だ。
調査係が集めた情報を要約係が整理し、反論係（devil's advocate）があえて穴を突く。
1つの結論に飛びつかず、多角的に裏取りしたいときに向くはずだ。

文章制作
「ライター・編集者・校閲／ファクトチェック係」の3役で原稿を仕上げる。書き手と直し手を分けることで、勢いで書いた文章に対し、構成や事実確認のチェックが自動的に入る——という使い方が考えられる。

ディベート型の意思決定
「賛成派・反対派・仲裁役」に議論させる使い方だ。一つのテーマについて、あえて立場の異なるAIをぶつけ、最後に仲裁役が論点を整理する。
決めきれない判断について、材料を出し尽くしたいときに役立ちそうだ。

いずれも共通するのは、**「役割を分けると視点が増え、その視点同士が勝手にぶつかり合う」**という今回の検証で見た構造そのものだ。
学習チームで確かめた仕組みが、そのまま実務の形へ置き換わる。

検証を終えて

ソロで小さなタスクを回すだけであれば、1体のAIで十分だ。
複数エージェントは役割のぶんだけ動くため、トークンの消費も相応に増える。用途によっては過剰な構成になりかねない。

それでも、「複数エージェントとは結局何なのか」という問いに対しては、今回の検証が最も明快な答えになった。役割を分ければ視点が増え、その役割同士が自律的に連携する——。一度は目にしておく価値のある仕組みだといえる。

なお現状は、コマンドライン（CLI）上でしか動かせない。GUIで手軽に設定できるようになると、もっと広く使われるはずだ。