2025年12月、グーグル・ディープマインドの研究チームがarXivに投稿した論文『Towards a Science of Scaling Agent Systems』は、マルチエージェントシステム（MAS）の設計に革命をもたらす可能性を秘めている。この研究は、AIエージェントの数を増やしても性能が向上しない、むしろ誤りが17.2倍に拡大する「17xエラー拡大の罠」を明らかにした。多くの開発者が「エージェントの袋（Bag of Agents）」と呼ばれる無構造なアプローチに陥っているが、これは協調コストが増大し、結果として効果が逆に低下する危険なパターンである。 研究によると、MASの性能は「量（Quantity）」「構造（Topology）」「能力（Capability）」「タスクの複雑さ（Task Complexity）」の4つの要因のバランスによって決まる。特に、単一モデルの性能が45％未満のタスクでこそ、エージェントの追加が効果を発揮する。45％を超えていると、追加エージェントはむしろノイズを増やし、性能を低下させる可能性がある。 実際の成功事例として、AI開発IDE「Cursor」のチームは、計画者（Planner）と実行者（Executor）の階層的構造を採用し、GPT-5.2を計画者と実行者に使い分けることで、ウェブブラウザのコード生成やコードベースの翻訳を成功させた。このように、階層的な制御構造（中央集権型）は、エージェント間の混乱を抑制し、誤りの拡大を4.4倍までに抑える効果がある。 研究では、10種類のエージェントアーキタイプ（オーケストレーター、プランナー、エグゼキューター、評価者、メモリキーパーなど）を機能別に分類し、各アーキテクチャが「制御」「計画」「実行」「保証」「調整」の6つの機能平面に分かれるように体系化している。これにより、「エージェントの袋」から「高精度なシステム」への転換が可能になる。 さらに、コスト面では、協調コスト（メッセージ量、文脈長）がエージェント数の増加に伴いn²に近づくため、無駄な通信を避けることが重要。特に順次的なタスクでは、エージェントを増やすことで論理のつながりが壊れ、性能が悪化する。 結論として、マルチエージェントシステムの成功は「量」ではなく「構造」と「適切な設計」にかかっている。今後、AIの能力が向上すれば、単一モデルで多くのタスクを処理できるようになるかもしれないが、現時点では、エージェントの役割分担と適切な協調設計が、ビジネス価値を生み出す鍵となる。