AnthropicがClaudeをClaudeで開発する秘訣：「脳」と「手」の分離戦略

Anthropicの驚異的な成長とClaude Opus 5.5の舞台裏

Anthropicは、S-1提出書類で明らかになったように、過去1年間で-126%の損失から19%のGAAP利益へと転換し、歴史上でも有数の収益と研究効率を誇る企業です。この成功は、「改善」と「投資」という2つのコアなループによるものとされています。特に、Opus 5.5のリリースは、AnthropicがClaudeをClaudeで開発する内部プロセスを垣間見せる機会となりました。

Anthropicのエンジニアリング責任者Katelyn Lesse氏とプロダクト責任者Angela Jiang氏によると、彼らは2種類のプレッシャーの中で作業を進めています。モデルの能力向上に伴い、安全なデプロイメントとアクセス決定がより困難になる一方で、利用者の急速な増加により、APIが消費するCPU量のようなインフラの選択が戦略的な意味を持つようになっています。

モデルローンチとAPIの進化

Opus 5.5のローンチは、モデルの品質とコストの両方に重点を置いています。以前のOpus世代が冗長すぎるとのフィードバックを受け、Anthropicはより高い知能をより低コストで提供することを目指しました。新しいモデルは以前のモデルよりも実行コストが低いとされており、具体的な削減率はワークロードやキャッシュされたコンテキストの使用状況によって異なります。

目に見えにくいローンチ作業には、APIの統合方法の変更も含まれます。例えば、モデルの推論が蒸留のために抽出されるのを防ぐための保護策が挙げられます。思考ブロックをターン間で保持することはこれに対処するのに役立ちますが、新しい要件が顧客の既存のハーネスを壊す可能性もあります。

早期アクセスプログラムでは、顧客が自身のハーネスで評価を実行し、予期せぬ動作を報告したり、非公式な感想を伝えたりします。単なるベンチマークスコアだけでなく、Anthropic自身の製品ではカバーされない環境やタスクでモデルがどのように動作するかを見ることが重要だとされています。

「脳」と「手」の分離：エージェント設計の鍵

Anthropicのエージェント設計における重要な概念は、「エージェントの脳と手」の分離です。Managed Agentsでは、セッションログとハーネスが、コードを実行するサンドボックスから分離されています。ハーネスは永続化できる一方で、実行環境は必要に応じて作成されます。これにより、サンドボックスが失敗してもエージェントセッション全体が影響を受けることはありません。

この分離はセキュリティ面でも有用です。生成されたコードがサービス認証情報を受け取らないサンドボックスで実行される場合、そのサンドボックスにはコードが読み取れる認証情報が存在しません。認証情報は別途保持され、プロキシを介してアタッチされます。これにより、サンドボックスのトラフィックがどこに向かうかを制御できます。

パフォーマンスの観点からも、この分離は重要です。以前のアプローチでは、コーディングエージェント全体がAPIの背後にあるサンドボックスに配置されていました。環境とエージェントの起動に時間がかかり、サンドボックスが消滅すると実行中のエージェントも失われました。コンポーネントを分離することで、実行の分離を保ちつつ、低レイテンシと高い信頼性を実現できるようになりました。

この「脳」と「手」の分離は、エージェントランタイムを設計する上で非常に役立つ考え方です。どの部分が永続する必要があるか、どの部分が信頼できない作業を実行するか、どの秘密が実際にコードが実行される場所に存在する必要があるかを問いかけることで、製品ごとに異なる実装が可能になります。

記憶とマルチエージェントワークフロー

Managed Agentsは、記憶やマルチエージェントワークフローにおける実験の基盤も提供します。「夢を見る」機能は、あるエージェントが別のエージェントの過去の作業を検査し、記憶を書き戻すことでシンプルに実装されています。これは、同じ基盤となるManaged Agentのプリミティブから、より高レベルの振る舞いを構築する例と言えます。

ロードマップは単なる機能リストではなく、よりニュアンスに富んでいます。記憶と学習は依然として重要ですが、モデルのローンチがより困難になるにつれて、チームの当面の注意は安全性に移っています。また、ベースとなるハーネスを比較的シンプルに保ちつつ、開発者が検証器、並列エージェント、その他の戦略をその上に実験できるようにすることも議論されています。

評価に関する議論も自然な流れで進みます。ハーネスはアプリケーションですが、その改善は研究に似ています。目標を設定し、振る舞いを測定し、失敗を検査し、反復します。ゲストとホストは、モデルを使用して評価の構築と分析を支援しつつ、実際のユーザーの仕事を評価が反映しているかどうかを判断するのに十分な判断力を維持することについて議論しています。