新しい IEEE の調査論文は、従来のマルチエージェントシステムから LLM ベースのマルチエージェントシステムへの進化を体系的に整理し、重要な構造上の現実を突きつけました。論文で提示された 3 層の最適化アーキテクチャを分析すると、システムの性能向上における約 3 分の 2 の寄与がモデルそのものではなく、それを支える「ハネス（ハネリング）」に起因することが明らかになりました。これは、モデルが推論を行う能力と、その推論を有効な形にするためのシステム層や知識層という外部の仕組みを区別した framework です。 これまでの研究では、モデル単体の失敗要因として、プロンプトの漸減、コンテキストオーバーフロー、デスループ、誤って早期に完了してしまう現象、エラー回復の失敗などが指摘されてきましたが、これらの問題の根本的な解決策はモデルの改良ではなく、ハネスの設計にあります。マルチエージェントシステムに進むほど、この比率はさらに大きくなります。したがって、システム構築者にとっては、モデルの微調整やプロンプト最適化だけに集中するのではなく、メモリ構造、コンテキスト管理、デプロイメントトポロジ、ルーティングロジックといった知識層とシステム層にリソースを配分することが極めて重要です。 特に注目すべきは、エージェント間の通信層がボトルネックになりやすいという点です。MCP、A2A、ANP といった新しいプロトコルの採用や、通信コストを削減するためのプルーニング戦略など、通信を主要なエンジニアリング課題として扱う必要があります。また、デバイス、エッジ、クラウドの異なるレイテンシとスケーラビリティに対応するために、異種混合モデルをインテリジェントに統合するシステム設計が求められます。例えば、エッジでの推論精度が低い場合にクラウドリソースへ委譲する自信に基づく昇進パターンは、モデルのトレーニング技術ではなく、ハネスの設計パターンです。 さらに、LLM ベースのプランナーと従来の制御器が協調するようになるとき、そのインターフェース設計が最も困難な部分となるため、共進化を見据えた設計が不可欠です。結論として、モデル層が科学に属するのに対し、知識層とシステム層はエンジニアリングの領域です。実環境において勝利するのはエンジニアリングであり、モデルが知能をもたらすのに対し、ハネスがシステムとしての機能を生み出します。マルチエージェント知能の三分の二は、モデルそのものではなく、それを支えるハネスの設計にかかっているのです。