← ブログに戻る
Ai読了目安 11 分

同じ失敗に二度払わない、TokenEconomizer

公開日 2026年11月7日
同じ失敗に二度払わない、TokenEconomizer

見覚えのある請求書がある。毎日同じリポジトリでコーディングエージェントを動かしている。テストにはpytestではなくpython -m pytestが必要だと毎回学び直す。一度も呼ばないブラウザツールを読み込む。同じエラーに3回続けて当たり、同じ修正を4回試し、それから詰まったと言ってくる。

どれもモデルの問題ではない。記憶の問題であり、Microsoft Research、UC Berkeley、Microsoft SecurityによるTokenEconomizerは、モデルに一切触れずにそこを攻める。

何を測ったか

論文(arXiv 2610.22732)はSWE-Benchのタスクで、5つのエージェント・モデル組み合わせ全体の平均コストが18.4%から30.9%下がったと報告している。30のリポジトリ×組み合わせの全セルで安くなった。Pass@1は5つのうち4つで上がった。

組み合わせ別の数字をよく読むべきだ。どこから節約が出ているかが見える。

  • Claude Code + Sonnet 5:コスト −23.6%、Pass@1 +1.3
  • Claude Code + Opus 4.8:コスト −30.9%、Pass@1 −1.0
  • Codex + GPT-5.6 Terra:コスト −24.7%、Pass@1 +0.9
  • Codex + GPT-5.6 Sol:コスト −26.1%、Pass@1 +1.6
  • Copilot CLI + Sonnet 5:コスト −18.4%、Pass@1 +2.6

退行が1つ、改善が4つ、すべて安い。ほぼどこでも安く、品質はほぼ横ばいからわずかに上。よく狙われた無駄取りツールとはそういうものだ。モデルを賢くしているのではない。同じ授業料を二度払うのを止めている。

A dark laptop keyboard lit only by the glow of the screen

3つの仕組み、1つの考え

READMEの枠組みの一文がテーゼそのものだ。コーディングエージェントはタスクを終えるために作られており、安く保つためには作られていない。毎ターン、エージェントへの指示、読み込んだツール、これまでの会話に払い直している。

マイクロスキル:リポジトリの動き方を覚える。セッションは同じ事実を何度も再発見する。先に走らせる必要のあるビルド手順。ここで通るコマンドの綴り。コマンドが必要とする環境変数。生成物が置かれる場所。マイクロスキルは2つの源からこれらを学ぶ。セッションをまたいで繰り返す失敗と、3セッションごとに最近のセッションをレビューして事実を提案するモデルだ。事実がコンテキストに昇格するのは、3つのセッションが確認した後だけ。

この確認のしきい値が、私が最も気に入っている設計の細部だ。記憶と噂の違いはそこにある。

ツールの間引き:このリポジトリが使わないツールを送らない。コーディングエージェントは大きなツールセットを携えて出荷される。ノートブックに触れないリポジトリにノートブックツールは要らず、使わないツールは毎ターン課金される。ツールの間引きはエージェント自身の設定を通じてそれらを外す。だからエージェントが何も知らないまま機能する。

失敗ループへの介入:ループに気づく。同じエラーが3回続くと、別のアプローチを試すよう促す。最も安い仕組みで、おそらく最も価値がある。失敗ループはエージェントが最も少ない成果のために最も金を燃やす場所だからだ。

誰もやらない会計の細部

「仕組み」の節の一行が、見出しの数字が信頼できる理由を説明している。セッション内のトークンの大半はキャッシュの再読み込みなので、コストはキャッシュ価格で計算され、プラグイン自身のモデル呼び出しも含まれる。

これは珍しい正直さだ。自分のオーバーヘッドを会計の外で請求しながら節約を報告するツールは、計測ではなくマーケティングである。キャッシュ再読み込みをキャッシュ価格で数えることは、問題の見方も変える。エージェントセッションで高いのは新しいトークンではなく、蓄積だ。

インストール

すでに使っているエージェント向けのプラグインで、クローンから動かす。PATHにPython 3.10以降。独自のAPIキーは不要で、認証情報には一切触れない。

git clone https://github.com/microsoft/TokenEconomizer.git
claude plugin marketplace add "$PWD/TokenEconomizer"
claude plugin install tokeneconomizer@tokeneconomizer

CodexとCopilot CLIにも同等のものがある。codex plugin marketplace add、copilot plugin install。opencodeもサポートされている。そのあとエージェント内で/tokeneconomizer:statusを実行して状態を確認する。セットアップの注意が2つある。プラグインはクローンから動くのでフォルダはクローンした場所に置いたままにすること。Claude Codeでは/tokeneconomizer:toolprune refresh-catalogをマシンごとに1回、Claude Codeの更新後にもう一度走らせる必要がある。ツールカタログがバージョン依存だからだ。

Codexではフォルダを信頼し、フックをレビューするよう求められる。フックは次のセッションから有効なので、終了して再起動する。インストールで最も洗練されていない部分であり、クリックで流すよりきちんとやる価値がある。

やらないこと

モデル、重み、エージェントのコードは変えない。ブラックボックスと呼ぶ理由がそこにある。すべてはセッション開始時のコンテキストとエージェント自身の設定を通じて起きる。

一度しか触らないリポジトリでは役に立たない。経済性は明示的に「後続のセッションで回収される」もので、最初の2〜3セッションは投資になる。仕事が毎週違うリポジトリなら、これは間違ったツールであり、論文もそう言うだろう。

品質の問題も解決しない。1つの組み合わせはわずかに悪くなった。無駄を除くことはエージェントが使う額を変えるが、考えの良さは変えない。両方の軸でいつも無料の昼食が期待できる理由はない。

計測についての注意が1つ。これを信じる前に、対照の週を回すこと。エージェントセッションのトークン数はノイズが多く、異常に生産的な週のリポジトリは、どのプラグインを入れてもコスト改善に見える。1日あたりのコストではなく完了タスクあたりのコストで比べ、タスクリストはほぼ一定に保つ。論文の30セルは有用な事前分布であって、自分のベースラインの代わりではない。

なぜこれが来年の形なのか

エージェントの価格はモデルコストが下がる話だった。ほとんどのチームにとってそれは間違ったレバーだ。請求額はトークン単価ではなく、エージェントがどれだけ読み直すかに支配されている。安いモデルで25%削るのは悪くない。ビルドコマンドを再発見しないことで25%削るのは構造的で、安いモデルと競合せず複利で効く。

私たちは2年間プロンプトを最適化してきた。ここの数字は、次の2年がセッションの最適化になることを示している。何がコンテキストに入るか、どのツールが読み込まれるか、いつループを中断するか。どれも良いモデルを必要としない。だからこそ機能する見込みが高い。

1つのリポジトリで月に10回以上エージェントを動かしているなら、入れて1週間自分の請求額を測ること。面白い数字は論文の18〜31%ではない。あなたのセッションのうち何回が、すでに知っていた何かを再発見していたかだ。

関連記事