AI エージェントスウォームの構築方法 （完全ガイド）

これは AI エージェントスウォームの完全な A-Z 解説です。その概要、使い方、そして AI との連携のあり方を根本から変える理由を説明します。

忘れる前にブックマークしてください。

Kimi K2.6（Moonshot AI が 2026 年 4 月に公開したオープンウェイトのフラッグシップモデル）は、このアイデアの最も本格的なオープンソース実装だと私は考えます。

実際のタスクには幅があります。50 社の調査、200 ファイルの分析、互いに依存せず待つ必要もない多数のサブタスク。エージェントスウォームはそのためのアーキテクチャです。

このガイドでは、トレーニングインフラから API までの仕組みを解説し、現時点で最も重要なパターン（Kimi による実行、Claude Opus 4.8 による計画と検証）を紹介します。

最終的なワークフローは以下のようになります。

セクション 1: エージェントスウォームとは何か

エージェントスウォームとは、分解されたサブタスクを複数のエージェントが同時に実行し、その結果をオーケストレーターが統合する仕組みです。

逐次的なチェーンとの違いが本質です。

• 逐次チェーン: エージェント A が実行し、B に引き継ぎ、B が C に引き継ぐ。合計時間 = A + B + C。
• スウォーム: オーケストレーターが目標を分割し、エージェント A、B、C が独立したサブタスクを同時に実行し、結果をマージ。合計時間 ≈ max(A, B, C)。

タスクに真の並列構造がある場合、これが数分と数時間の差になります。

また、スウォームはコンテキストオーバーフローも解決します。1 つのエージェントが長いタスクを処理するとトークンが蓄積され、コンテキストウィンドウが溢れます。スウォームでは各サブタスクにそれぞれ独立したコンテキストが与えられ、構造化された出力のみがオーケストレーターに戻ります。

6 つの構成要素

すべてのスウォームには同じ核となるコンポーネントがあります。

これら 6 つを正しく実装すればスウォームは完成です。1 つでも間違えると、高コストなデバッグセッションになります。

セクション 2: Kimi K2.6 の正体

スウォームの挙動に入る前に、その基盤を理解しておく価値があります。K2.6 は Moonshot AI が開発した 1 兆パラメータの Mixture-of-Experts モデルで、2026 年 4 月 20 日に Modified MIT License でオープンウェイト公開されました。月間収益 2000 万ドル未満または月間アクティブユーザー 1 億人未満であれば商用利用は無料。つまり、ほとんどの開発者にとって実質無料です。

0:29

アーキテクチャ仕様

INT4 QAT 版は 4 基の H100 80GB でネイティブ実行可能。FP16 版は 8 基の H100 80GB が必要。サポートされる 3 つの推論フレームワーク（vLLM、SGLang、KTransformers）はいずれも OpenAI 互換の API を公開しています。

セクション 3: MuonClip オプティマイザー、トレーニング安定化の仕組み

1 兆パラメータのスパース MoE を爆発させずにトレーニングするのは困難です。特に問題となるのは、シーケンス長が伸びるとアテンション層の QK ドット積が際限なく増大し、損失スパイクが発生すること。この規模では損失スパイクは回復不能になり得ます。

Kimi K2 の技術論文（arxiv: 2507.20534）では、これを解決するために MuonClip が導入されています。

Muon は AdamW よりもトークン効率の高い勾配オプティマイザーです。同じ品質でより少ないトレーニングステップで済みます。問題点は、Muon 単体では 1 兆パラメータ規模でアテンションが不安定になることです。

QK-Clip は、ソフトマックス前に QK 行列に対してトークン単位、ヘッド単位で直接クリッピングを行います。これによりアテンションスコアの大きさが制限され、発散が抑制されます。手動調整や学習率ハックは不要です。

論文の要約より：

「我々は MuonClip を提案する。これはトークン効率の高い Muon アルゴリズムと、QK-Clip と呼ばれる安定性向上メカニズムを統合した新しいオプティマイザーである。MuonClip を用いることで、Kimi K2 は AdamW ベースラインよりも大幅に少ないトレーニングトークンで同等の性能を達成する。」

開発者がトレーニングの詳細を気にする必要はあるのでしょうか？K2.6 が 12 時間以上にわたって 4,000 回のツール呼び出しを品質低下なく維持できる理由は、このトレーニングに遡ります。アテンションが不安定な状態でトレーニングされたモデルは、長いコンテキストで多くのステップを要する条件下で幻覚を起こしやすくなります。これはまさにエージェントスウォームが生きる領域です。

セクション 4: PARL、スウォームの背後にある研究

エージェントスウォームは K2.6 に後付けされたフレームワークではありません。その動作は Moonshot が PARL（Parallel-Agent Reinforcement Learning: 並列エージェント強化学習） と呼ぶパラダイムを通じてモデルに訓練されました。これは Kimi K2.5 の技術論文（arxiv: 2602.02276）で説明されています。

訓練可能なオーケストレーター、凍結されたサブエージェント

マルチエージェントシステムの一般的な構築方法は、アプリケーション層で複数のライブモデルインスタンスを連携させることです。するとクレジットアサインメント（どのエージェントが最終結果の良し悪しに貢献したか）の問題が発生し、そのグラフを通したエンドツーエンドの訓練は計算量的に非現実的です。

PARL はこれを回避します。

• オーケストレーター は訓練可能で、結果の報酬に基づいて RL で更新されます。
• サブエージェント は凍結され、固定された中間ポリシーチェックポイントとして扱われます。

サブエージェントの軌跡は、微分可能な決定点ではなく、環境の観測として扱われます。これにより 2 つの難しい問題が同時に切り離されます。クレジットはオーケストレーターの行動にのみ割り当てられ、300 ものサブエージェントには割り当てられません。また、更新されるモデルは 1 つだけなので訓練は安定します。

オーケストレーターは、いつ並列化するか、いくつのサブエージェントを起動するか、どのように作業を分割するかを学習します。これらの動作は人手で指定されるものではなく、報酬の最大化から出現します。

3 要素の報酬関数

オーケストレーターは 3 つのシグナルに対して訓練されます。

並列化報酬は、逐次実行ではなく同時サブエージェントを起動するよう促します。これがないと、モデルは安全で予測可能な 1 エージェントずつの処理に陥ります。

完了報酬は、サブエージェントが実際にタスクを完了することを保証します。これにより、オーケストレーターが並列化報酬を得るためだけに何もしないエージェントを大量に起動する「見せかけの並列化」を防ぎます。

パフォーマンス報酬は、タスク目標に対する最終出力の品質を評価します。これがすべての基盤となる真の評価指標です。

最も興味深い詳細は、最適化指標が クリティカルステップ数（クリティカルパス長） であって、総ステップ数ではないことです。モデルは生の並列度を最大化するのではなく、最も長い依存チェーンを短縮することで報酬を得ます。これこそが実際の経過時間を短縮する要素です。

PARL の成果

• BrowseComp: スウォームモードで K2.5 が 78.4% を達成。シングルエージェントの K2.5（60.6%）から 17.8 ポイントの絶対的な向上。当時 GPT-5.2 Pro（77.9%）を上回りました。K2.6 ではさらに 86.3% に向上。
• WideSearch: Item-F1 で 6.3 ポイントの絶対的な向上（72.7% → 79.0%）。
• 経過時間: 並列化可能なタスクでシングルエージェントベースライン比 3〜4.5 倍の短縮。
• 並列ツール呼び出し: K2.6 では最大 4,000 ステップの調整。

セクション 5: Mooncake、Kimi を支えるインフラ

Moonshot のサービングインフラは、K2.6 が 300 の並列エージェントを耐えながら処理できる理由を説明します。モデルウェイトは半分の話に過ぎず、それを支えるシステムが残りの半分です。

インフラは長いコンテキストタスクに対して適切に構造化されています

KVCache 中心の分離アーキテクチャ

Moonshot のサービングプラットフォームは Mooncake と呼ばれ、2024 年のインフラ論文（arxiv: 2407.00079）で説明されています。これは Kimi を大規模に稼働させるエンジンであり、その設計は異例です。

従来の LLM 推論では、プリフィル（入力プロンプトの処理）とデコード（トークン生成）を同じ GPU インスタンスで実行します。Mooncake はこれらを別々のクラスタに分離します。

• プリフィルクラスタ: 初期プロンプト処理を担当。長いコンテキスト入力に対して独立してスケール。
• デコードクラスタ: トークン生成を担当。スループットとレイテンシに最適化。

自己回帰生成を効率的にする中間アテンション状態である KV キャッシュは、第一級のシステムリソースとして管理されます。Mooncake は GPU VRAM、CPU DRAM、SSD にまたがる分散 KV キャッシュを構築し、カスタム転送エンジンでノード間のキャッシュを移動します。

これが Agent Swarm にとって重要な理由

300 のサブエージェントが同時に実行されると、それぞれが独自の KV キャッシュを生成します。従来のアーキテクチャでは GPU メモリに大きな負荷がかかり、スケジューリングの競合も発生します。Mooncake の分離キャッシュでは：

• 完了したサブエージェントの KV キャッシュは DRAM または SSD に退避され、必要に応じて呼び戻せます。
• プリフィルクラスタは各サブエージェントの（多くの場合長い）システムプロンプトを独立して処理します。
• スケジューラーは各エージェントのレイテンシ SLO を維持しながら全体のスループットを最大化します。

Mooncake 論文より：「ベースライン方式と比較して、Mooncake は特定のシミュレーションシナリオで SLO を順守しながら最大 525% のスループット向上を達成できる。実際のワークロードでは、Mooncake の革新的なアーキテクチャにより Kimi は 75% 多くのリクエストを処理できる。」

最新の論文では、Mooncake は 「数千ノードにわたって運用され、1 日あたり 1,000 億トークン以上を処理し」、A800 クラスタで 115%、H800 クラスタで 107% 多くのリクエストを従来システムより処理できると報告されています。

大規模 PD 分離：128 GPU の K2 デプロイメント

LMSYS は、SGLang Router を使用して 128 基の H200 GPU 上で Kimi K2 を Prefill-Decode（PD）分離でデプロイしたケーススタディを公開しています。そのアーキテクチャ：

• SGLang Router: ラベルセレクタを介したプリフィルノードとデコードノードの動的サービスディスカバリを提供する軽量サービス。
• エキスパート並列化: K2 の 384 エキスパートがノード全体に分散され、ネットワークレベルでルーティング。
• OME（Open Model Engine）: サービングレイヤーの Kubernetes ネイティブオーケストレーション。

これが K2 ファミリーを本番規模で稼働させるスタックです。K2.6 をセルフホストする場合、これがテンプレートになります。

セクション 6: Agent Swarm のステップバイステップの動作

K2.6 がスウォームモードでタスクを実行する際の機械的な流れです。

ステップ 1: タスク分解

オーケストレーターがタスクを分析し、依存関係グラフを構築します。どのサブタスクが独立していて並列実行可能か、どのサブタスクが先行する出力に依存するかを判断します。

「100 の YC 企業を調査し、セクター分析を作成する」 というタスクの場合、オーケストレーターは 100 の独立した調査タスク、次に 1 つの集約タスク、さらに 1 つの統合タスクを特定します。最初のレイヤーは完全に並列化可能です。

ステップ 2: 専門エージェントの起動

オーケストレーターはサブタスクの種類に基づいてドメイン特化型のサブエージェントを起動します。K2.6 は役割別の指示と対象ツールへのアクセス権を持つエージェントを動的にインスタンス化します。

• ウェブ調査エージェント: 検索 + ブラウザツール
• データ分析エージェント: Python 実行 + スプレッドシートツール
• ライティングエージェント: 統合と文書生成
• ファクトチェックエージェント: 相互参照と検証

各サブエージェントは自身の独立したローカルコンテキスト内で動作し、1 つのスコープ化されたタスクを処理して構造化出力を生成し、終了します。ローカルコンテキストはオーケストレーターが知るすべてを保持するのではなく、そのサブエージェントに必要なものだけを保持します。これが K2.6 が、1 つのエージェントのコンテキストを数分で埋め尽くすようなタスクでもオーバーフローを回避する仕組みです。

ステップ 3: 並列実行の波

エージェントは波状に実行されます。最初の波は完全に独立したタスクを処理します。

1. 結果が到着するにつれて、オーケストレーターは最初の波の出力に依存するタスクのための 2 番目の波を起動し、依存関係グラフが解決されるまで続けます。
2. K2.6 は 1 セッションあたり最大 300 のサブエージェントと 4,000 の調整済みステップをサポートします。オーケストレーターは実行をリアルタイムで監視し、失敗または停止したエージェントを検出してタスクを自動的に再割り当てします。
3. このフォールトトレランスにより、人間の監視なしで 12 時間以上の自律実行が可能になります。

ステップ 4: 集約と出力

すべてのサブエージェントが完了すると、オーケストレーターは結果を最終成果物（ドキュメント、スプレッドシート、ウェブサイト、スライドデッキ）に統合します。

• エージェントの出力を単に連結するのではなく、構造的にまとまるように統合します。
• もう 1 つ注目すべき点は、スウォーム構造が Kimi のコンテキストウィンドウ問題への答えでもあることです。
• K2.6 の明示的なポリシー：「コンテキストウィンドウがしきい値を超えた場合、最も最近のツール関連メッセージのラウンドのみ保持する。」 スウォームはこのポリシーを非常に長いタスク期間にわたって持続可能にします。

セクション 7: Kimi × Claude Opus 4.8 アーキテクチャ

スウォームのすべてのレイヤーに最適な単一モデルはありません。Kimi K2.6 は水平スケール（数百エージェントの並列実行、長時間の自律実行、コスト効率の高いバッチ処理）のために作られています。

Claude Opus 4.8 は判断力（計画、ニュアンスのある推論、自身のミスの発見）のために作られています。両者は構造的に補完し合い、一方の弱点が他方の強みに近い形で埋められます。

パターン：

1[ユーザーの目標]
2     |
3[Claude Opus 4.8 - プランナー]
4  目標を構造化されたタスク仕様に分解
5  並列サブタスクと逐次サブタスクを特定
6  各サブタスクの成功基準を定義
7     |
8[Kimi K2.6 Agent Swarm - 実行者]
9  構造化タスク仕様を受け取る
10  最大 300 の専門サブエージェントを起動
11  ツール呼び出しを並列実行
12  構造化結果を返す
13     |
14[Claude Opus 4.8 - 検証者]
15  Kimi の出力を成功基準に照らしてレビュー
16  失敗、ギャップ、矛盾を指摘
17  最終成果物を統合

なぜ Claude が計画と検証に適しているのか？

Opus 4.8 で最も過小評価されている変更点は、正直さの向上です。「Opus 4.8 は、自身が書いたコードの欠陥を指摘せずに素通りする可能性が、前世代と比べて約 4 分の 1 に減少した。」 エージェントシステムにおいて、誤った自信は致命的な障害モードです。

• 「完了した」と宣言しながら実際は完了していないオーケストレーターは、300 の下流エージェントにエラーを連鎖させます。Claude が不確実性を指摘し、タスク途中で自身のミスを検出する傾向は、間違いのコストが高いレイヤーにとって適切なアンカーとなります。
• Opus 4.8 は 100 万トークンのコンテキストウィンドウもサポートしており、50 以上の並列研究エージェントからの出力を 1 つのレビューコンテキストに取り込む検証パスで重要です。

なぜ Kimi が実行に適しているのか？

K2.6 の Agent Swarm は、1 セッションあたり最大 300 の並列サブエージェントと 4,000 の調整済みツールステップをサポートします。これは訓練された動作であり、アプリケーションレイヤーのラッパーではありません。

• Claude にも Claude Code の Dynamic Workflows 機能がありますが、現在は研究プレビュー段階で、Enterprise/Max プラン限定です。
• Kimi のスウォーム機能は API を通じて誰でも今すぐ利用可能です。トークンの経済性も大規模になれば重要です。K2.6 は入力トークン 100 万あたり $0.95、出力トークン 100 万あたり $4.00 で動作します。大量の並列実行では無視できません。

セクション 8: スウォームが必要なケース（と不要なケース）

マルチエージェント設計で最も一般的な間違いは、シングルエージェントの限界に達する前にスウォームの複雑さを導入することです。

シングルエージェントのままで良いケース：

• タスクが 1 つのコンテキストウィンドウに収まる（実際の作業で約 50K トークン未満）。
• タスクが本質的に逐次的で、各ステップが前のステップに依存する。
• まだプロトタイピング段階である（シングルエージェントの障害モードはデバッグがはるかに容易）。
• タスクが 10 分以内に完了する。

Agent Swarm を検討すべきケース：

• タスクに n 個の独立した並列サブタスクがあり、n > 5。
• コンテキストオーバーフローが現実的な問題である（深い調査、大規模コードベース、バッチ処理）。
• ドメイン特化型エージェントが同時に作業する必要がある。
• タスクが長すぎて 1 回の逐次セッションで品質を維持できない。
• 別のエージェントの作業をチェックする批評家または検証エージェントが必要。

Kimi + Claude Opus 4.8 ハイブリッドを検討すべきケース：

• 計画の品質が重要で、計画が間違っている場合に反論するモデルが必要。
• 出力が人間のレビューなしで出荷されるため、検証が組み込まれている必要がある。
• トークンコストが急速に累積する大量実行を行っている。
• 意思決定レイヤーには Claude の判断力を、作業レイヤーには Kimi のスケールを活用したい。

セクション 10: 4 つのスウォームアーキテクチャパターン

パターン 1: オーケストレーター・ワーカー（最も一般的）

中央のオーケストレーターがワーカーにサブタスクを割り当て、ワーカーは並列実行し、結果が統合されます。

1[ユーザーの目標]
2     |
3[オーケストレーター - Claude Opus 4.8]
4    +-- [ワーカー: Kimi 研究エージェント x N]
5    +-- [ワーカー: Kimi データエージェント x N]
6    +-- [ワーカー: Kimi コードエージェント x N]
7     |
8[統合 - Claude Opus 4.8]
9     |
10[最終出力]

最適な用途: 明確に分離可能なサブタスクと可変数のワーカーがあるタスク。

パターン 2: 批評家・リファイナーループ

1 つのエージェントが生成し、別のエージェントが批評し、品質しきい値に達するまで繰り返します。

1[Kimi K2.6 ビルダー] -> ドラフト -> [Claude Opus 4.8 批評家] -> フィードバック -> [Kimi K2.6 ビルダー]
2                                         |
3                                    (承認)
4                                [最終出力]

最適な用途: コード生成、テクニカルライティング、コンプライアンス重視の出力。常に最大反復回数を設定すること。

パターン 3: 階層型

戦略的オーケストレーターがドメインオーケストレーターを管理し、ドメインオーケストレーターがワーカーを管理します。

1[Claude Opus 4.8 - 戦略的オーケストレーター]
2    +-- [Kimi K2.6 Swarm - 研究チーム (50 エージェント)]
3    +-- [Kimi K2.6 Swarm - 構築チーム (50 エージェント)]

最適な用途: 異なるドメインを持つ大規模エンタープライズワークフロー。

パターン 4: Claw Groups（Kimi ネイティブの異種スウォーム）

K2.6 は、ローカルモデル、Claude、GPT など任意のモデルを実行するエージェントを、人間のワーカーと共有の運用空間で調整します。現在は研究プレビュー段階です。

1[Kimi K2.6 コーディネーター]
2    +-- [Claude Opus 4.8 - 推論スペシャリスト]
3    +-- [Llama 3.3 ローカル - コスト重視の大量タスク]
4    +-- [Kimi K2.6 エージェント x N - 実行レイヤー]
5    +-- [人間のレビューア - 承認チェックポイント]

最適な用途: モデルの多様性、ローカル＋クラウドハイブリッド、または人間介入が必要なワークフロー。

セクション 12: スウォームタスクのプロンプト設計

分解プロンプト（オーケストレーター用）

1あなたはタスクアーキテクトです。以下の目標を独立した並列化可能なサブタスクに分解してください。
2
3ルール:
4- 各サブタスクは 1 つの専門エージェントが単独で完了可能であること
5- 依存関係があるサブタスクはその依存チェーンを明記すること
6- JSON で出力: {task_id, description, agent_type, depends_on, success_criteria}
7
8目標: {user_goal}
9利用可能なエージェントタイプ: researcher, analyst, coder, writer, verifier

専門エージェントのシステムプロンプト（サブエージェント用）

1あなたは {ROLE} エージェントで、{DOMAIN} を専門とします。
2
3タスク: {subtask_description}
4
5制約:
6- {output_schema} に一致する有効な JSON のみを返すこと
7- タスクの範囲を超えないこと
8- タスクを完了できない場合: {"error": "reason", "partial_results": [...]}
9- 最大ツール呼び出し回数: {max_tool_calls}
10
11コンテキスト: {context_from_orchestrator}

集約プロンプト（統合用）

1{n} 人の専門エージェントからの調査結果を統合し、一貫性のある出力にまとめてください。
2
31. 提供されたすべてのエージェント出力を読む
42. 一致点、相違点、ギャップを特定する
53. {output_type} を生成し、すべての調査結果を統合する
64. 矛盾点は黙って解決せず、明示的に指摘する
7
8エージェント出力: {agent_outputs_as_json}
9出力形式: {final_output_spec}

セクション 13: 譲れない 7 つのガードレール

1. エージェントあたりの最大反復回数。 ループの上限を設定し、上限到達時はオーケストレーターに通知。

2. セッションタイムアウト。 スウォームが N 分以内に完了しない場合、終了して部分的な結果を返す。

3. 構造化出力の強制。 エージェントに JSON を返させる。中間エージェントからの散文は下流でパースエラーを引き起こす。

4. 障害の分離。 障害が発生したサブエージェントがオーケストレーターをクラッシュさせないようにする。

1async def run_subagent_safely(kimi_client, task, agent_id):
2    try:
3        result = kimi_client.chat.completions.create(
4            model="kimi-k2.6",
5            messages=[{"role": "user", "content": task}],
6            max_tokens=4096
7        )
8        return {"agent_id": agent_id, "status": "success",
9                "output": result.choices[0].message.content}
10    except Exception as e:
11        return {"agent_id": agent_id, "status": "failed", "error": str(e)}

5. 指数バックオフ付きリトライ。 429 エラーや一時的な障害を恒久的な失敗として表面化させずに処理。

6. ヒューマンインザループチェックポイント。 書き込みアクセス（コードデプロイ、メール送信、API 変更）を持つスウォームには、必須の承認ポーズを挿入。

7. コスト監視。 実行ごとのトークン予算を設定。暴走ループは、品質低下として現れる前に必ずコスト異常として現れます。

最初に何を構築すべきか

セクション 9 の 3 エージェントパイプラインから始めてください。半日でデバッグできるほど小さく、計画、並列実行、検証を練習でき、1 時間以内のセットアップで実際のタスクに対して実行できます。

それが壊れたとき（必ず壊れます）、その障害モードは、もう 1 時間読み物を読むよりもスウォーム設計について多くを教えてくれます。

構築してください。意図的に壊してください。そして、具体的なリファレンスポイントを持ってセクション 11 のパターンに戻ってきてください。

難しいのはアーキテクチャではありません。難しいのは「テスト環境で動く」と「誰も見ていない午前 3 時でも動く」の間のギャップです。そのギャップはすべてガードレール、観測可能性、メモリ設計にあります。

結論

Kimi 2.6 は、強化学習がどのようにエージェントスウォームを確立できるかを示すエージェントの革命です。

また、長いコンテキストの地平線が、そのようなオーケストレーターベースのインフラを活用し、複数のサブエージェントを起動して複雑なシステムを構築できることも示しています。すべては 1 つの

免責事項

本記事は、著者による Kimi 2.6 の技術文書と研究論文をノートとして使用し、AI（Opus 4.7）で編集されています。