エージェントとは、ループの中で動くモデルです。問い、ツールで行動し、結果を読み、また判断します。
しくみ
Anthropic は 2 つの設計を区別しています。ワークフローは「systems where LLMs and tools are orchestrated through predefined code paths.」(訳:あらかじめ定義されたコードの経路で LLM とツールを編成するシステム)です。エージェントは「LLMs dynamically direct their own processes and tool usage.」(訳:LLM が自らのプロセスとツールの使い方を動的に指揮する)システムです。
OpenAI Agents SDK は、このループそのものを説明しています。ランナーがモデルを呼び出し、応答が最終的な回答なら実行は終わります。ツール呼び出しが含まれていれば、ランナーがそれを実行し、結果を追加して、もう一度モデルを呼びます。max_turns の設定でループに上限を設け、超えると MaxTurnsExceeded が送出されます。
例として、失敗しているテストを直すよう頼まれたコーディングエージェントが 4 ターンかかる場合を見てみます。
Turn 1 model -> tool call: run_tests()
Turn 2 model -> tool call: read_file("src/dates.py")
Turn 3 model -> tool call: edit_file("src/dates.py", ...)
Turn 4 model -> final answer: "Fixed the timezone bug; tests pass."
テストの実行、ファイルの読み込み、ファイルの編集と進み、最後に「タイムゾーンのバグを修正し、テストが通った」と回答しています。
各ターンは別々の API リクエストです。システムプロンプトとツール定義が合計 5,000 トークンなら、それが 4 回送られます。履歴やツールの出力を数える前に、すでに 20,000 の入力トークンです。
ツールは自作の関数でも、MCP サーバーが提供するものでも構いません。MCP を使うと、1 つのエージェントが共通のプロトコルでファイルシステム、データベース、SaaS の API につながります。
なぜ重要か
- ターン数に比例してコストが増えます。 各ターンは会話を送り直す新しいリクエストです。そのトークンの内訳はエージェントのトークン予算の記事で分析しています。キャッシュ入力を使えば、繰り返し送るプレフィックスの料金が下がります。
- コンテキストが埋まっていきます。 長い実行はコンテキストウィンドウの上限に近づき、上限に達する前から品質が落ちます。長時間動くエージェントのコンテキスト管理を参照してください。
- エラーが積み重なります。 Anthropic は、自律性には「higher costs, and the potential for compounding errors.」(訳:より高いコストと、エラーが積み重なる可能性)が伴うと指摘しています。データを変更したりお金を使ったりする操作には、停止条件、ガードレール、人による承認を加えてください。
- 並列実行。 複数のエージェントを動かすと、複数のリクエストが同時に処理中になります。同時に動かせる数は、プロバイダーの同時実行数の上限で決まります。マルチエージェントのコストでは、この場合のトークン課金と定額を比べています。
BroadNet Inference の場合
OpenAI 互換のベース URL を受け付けるエージェントフレームワークなら、どれでも BroadNet を呼び出せます。設定は OpenAI Agents SDK のガイドにあります。BroadNet のドキュメントでツール呼び出しが記載されているのは GLM 5.3 と Qwen3.8 27B です。BroadNet のドキュメントでは、従量課金のキーは毎分 30 リクエスト、同時実行 4 リクエストまでと定められています。
定額プラン(Full Moon、Orbit、Meteor)は DeepSeek V4.1 Flash を対象とし、トークンの計量はありません。1 セッションは同時に 1 リクエストを処理し、これは単一のエージェントの動き方と同じです。並列に動かすエージェントの数だけセッションを購入してください。BroadNet のドキュメントには DeepSeek V4.1 Flash のツール呼び出しが記載されていないため、プランに頼る前に、エージェントのツール呼び出しをこのモデルでテストしてください。ツール呼び出しが記載されているのは、従量課金の GLM 5.3 と Qwen3.8 27B です。