Anthropic、EC向けAIエージェントの設計指針を公開　単一モデルとスキル活用による高精度化を提唱

要点

• 米Anthropicは、オンラインでの売買を支援する「コマースエージェント」のアーキテクチャや実践ノウハウをまとめた技術ガイドを公開した。

• 複数のサブエージェントにタスクを分割する手法よりも、単一モデルに「スキル」を動的適用する構成の方が品質・コスト・速度面で優れると報告している。

• 小売、旅行、通信、チケッティングプラットフォーム向けの参照実装を含む設計用ブループリントをGitHub上で公開した。

• 指示内容の配置基準として、全トラフィックの3分の1以上で使われるものはシステムプロンプト、それ以外はスキルとして読み込む手法を推奨している。

• AIスタートアップの米Anthropicは2026年9月2日、オンラインショッピングや事業者向け管理業務を自動化するAIエージェントの設計指針をまとめた技術ガイドを公式ブログで公開した。小売、旅行、エンターテインメント、通信分野などの企業と過去1年間にわたり取り組んできた本番導入の実績に基づくもので、導入企業ではカート単価の向上や出品者オペレーションの効率化が確認されているという。同社はあわせて、実践的な参照実装（リファレンス実装）を収録したコード群「ブループリント」をGitHub上で公開した。

コマースエージェントの定義と基本アーキテクチャ

同社は「コマースエージェント」を、オンラインカタログを横断した売買を簡素化する自律型システムと定義している。その用途は、商品の検索や比較、代替品の提案、注文の組み立てを行う消費者向け機能から、売上データの分析やキャンペーンの実施、在庫や価格の管理を担う事業者向け機能まで多岐にわたる。

アーキテクチャの中核には、同社のAIモデル「Claude」を用いた単一の「エージェントループ」が据えられている。エージェントループとは、AIが目標に向けて思考し、コンテキスト（文脈情報）を探索し、ツール経由でアクションを実行しながら、必要に応じてユーザーへ質問しつつ結果を確認する一連の反復処理を指す。今回の設計指針では、会話の初期段階で意図を分類して振り分ける「インテントルーター」や、領域ごとに独立させた複数のエージェント群を背後に配置する複雑な構成を排し、シンプルな1つのループ構造で完結させる手法が提示された。

「サブエージェント分割」を避け「スキル」を推奨する理由

コマース分野では対応すべきカテゴリや要求が広範にわたるため、ドメイン（業務領域）ごとに専用のサブエージェントを設ける設計が採用されやすい。しかしAnthropicは、実際の運用においてこの手法は最適ではないと指摘している。

コマースにおける対話は、複数回のやり取りにわたってカートの状態やユーザーの好みが密接に結びついており、大量の共通コンテキストを維持する必要があるためだ。サブエージェントに処理を引き渡すたびに文脈情報の欠落が発生し、回答精度の低下を招くほか、引き渡し処理自体によって消費トークン数が数倍に跳ね上がり、数秒単位のレイテンシ（応答遅延）が加わるという。また、返品手続きの際に注文履歴、現在のカート、商品カタログの参照が必要となるように、業務領域を明確に切り分けること自体が困難である点も理由に挙げられている。

これに対し、必要な手順を動的にロードする「スキル（Agent Skills）」の仕組みを活用すれば、会話全体の履歴を保持したメインエージェントの中に手順情報だけを読み込めるため、引き渡しによるペナルティを回避できるとしている。同社が複数のエンタープライズ導入事例を比較検証したところ、単一エージェントにスキルを組み合わせた設計は、単一プロンプトですべてを処理する構成やサブエージェント構成と比較して、品質・コスト・応答速度のすべてで一貫して優れた結果を示したという。

なお、例外的にサブエージェントが有効な場面として、膨大な検索やコード実行を独立したコンテキスト内で行って要約結果のみを返す「ディープリサーチ」用途や、独自のコンプライアンス（法令遵守）要件を持ちユーザーとの対話そのものを完全に引き受ける専用エージェントへの引き継ぎを挙げている。

指示配置の「3分の1ルール」と参照実装の提供

ガイドでは、エージェントへの指示を「システムプロンプト」に常駐させるか、オンデマンドで読み込む「スキル」に切り出すかの判断基準も提示された。スキルの読み込みには1ターン分の処理コストがかかるため、頻繁に使う指示はシステムプロンプトに含めるのが合理的とされる。Anthropicは目安として、想定または本番環境の観測値において全トラフィックの3分の1以上に関連する指示はシステムプロンプトへ配置し、それ以外の指示をスキルとして切り出すアプローチを推奨している。さらに、ユーザーの流入元ページなど事前に判別可能な情報がある場合は、モデルの初回呼び出し前にハーネス（エージェントの制御基盤）からスキルを直接注入し、読み込みに伴う余分なターンを削減する工夫も紹介された。

同社はこれらの知見をすぐに実装できるよう、GitHubリポジトリ（anthropics/commerce-agents）にてブループリントを公開した。リテール、旅行、通信、チケット販売プラットフォーム向けのショッピングエージェントおよび出品者向けエージェントのリファレンス実装が含まれており、開発チームが数日でコマースエージェントを立ち上げられる環境が整備されている。