部会で上司がこう言った。
トークンを燃やせ！
燃やすことを恐れるな！
年収の半分くらい燃やせ！
自分もかなり燃やしている。
ただ、自分の燃やし方は単なる浪費ではなく、燃費がいいはずだと思っている。
では、「燃費がいい」とは何か。
トークンを燃やした結果、何が残ったのか。
それは次の仕事を軽くする資産になっているのか。
感覚では答えにならない。
そこで、AIエージェントシステムにおける燃費を可視化するために、3本の記事を書き、自分のシステムにも実装してみた。
note 連載3本
1. トークンはなぜ燃えるのか
燃え方には13種類ある。
排熱で終わる燃焼と、資産として残る燃焼。
見るべきは token 使用量ではなく、token → artifact conversion rate。
2. 燃焼効率をどう測るか
2つの指標を定義した。
- TACR: 何が残ったか
- SHS: その燃え方は持続可能か
成果物の量だけではなく、構造の健全性も見る。
3. 測るために何が必要か
TACR と SHS を計算するには、全参加者のメッセージが観測可能な経路を通る必要がある。
そのため、エージェントハブは「便利機能」ではなく、測定可能性のための構造的必然になる。
エージェントハブってなに？と疑問に思ったら、一番下のリンクを最初からどうぞ。
実装した話
記事と並行して、自分のマルチエージェントシステムに observability を追加した。
全エージェントのメッセージが通る単一の MCP ハブを通すことで、全参加者のコストとアーティファクトを同じ視点で観察できる。
全メッセージが観測可能になると、
燃費がいい気がする
ではなく、
どの燃焼が成果物に変わり、どこで排熱になっているか
を継続的に見られるようになる。
現在ダッシュボード開発中・・・
まとめ
AI活用で重要なのは、トークンを燃やすかどうかではない。
燃やした結果、何が残るかである。