Claude Code 2.1.212では、AIセッションが生成できるサブエージェントとウェブ検索の数にハードリミット（上限）を設定できるようになり、コストの暴走を止めるための具体的な手段が提供されました。

このアップデートでは、設定可能な2つのキャップ（上限）が追加されました。1つはサブエージェントの生成数、もう1つはウェブ検索の呼び出し回数で、どちらもデフォルトでは1セッションあたり200回に設定されています。開発者は環境変数を使用してこれらの数値を下げることができます。また、2分以上実行されるMCP (Model-Control-Plane) コールは自動的にバックグラウンドに送られ、単一の低速なツールがワークフロー全体を停止させるのを防ぎます。

なぜ今、制限が必要なのか

他のエージェントを呼び出したり、制限なくウェブをスクレイピングしたりできるAIエージェントは便利ですが、同時に財務上のリスクにもなり得ます。曖昧なプロンプトがサブエージェントの連鎖を引き起こし、それぞれがトークンを消費して外部ツールを呼び出すことがあります。その結果、誰かが気づく前に請求額が膨れ上がってしまう可能性があります。実際に、チームからは以下のような報告が寄せられています：

  • 元のタスク予算を大幅に上回る、予期しないトークン消費。
  • 重複したサブエージェントが互いの編集内容に干渉し、矛盾した結果を生み出す。
  • 繋ぎ合わせることが困難な、断片的な出力の山。
  • 低速な外部ツールがセッション全体を停滞させ、素早いクエリが数分間の待ち時間に変わってしまう。

ハードな上限を設けることで、Claude Codeはコストが急増する前にシステムを停止させつつ、人間が確認できる部分的な回答を提供することを可能にします。

キャップの設定方法

3つの設定項目は環境変数として公開されています：

export CLAUDE_CODE_MAX_SUBAGENTS_PER_SESSION=12   # default 200
export CLAUDE_CODE_MAX_WEB_SEARCHES_PER_SESSION=30   # default 200
export CLAUDE_CODE_MCP_AUTO_BACKGROUND_MS=120000   # 2 minutes

デフォルト値はほとんどの探索的な作業に対して十分に余裕がありますが、チームは特定のジョブのリスクプロファイルに合わせてこれらを厳しく設定できます。リリースを発表した記事では、いくつかの開始ポイントが提案されています：

  • ローカルのバグ修正: サブエージェント 0-2、検索 0-5。
  • PRレビュー: サブエージェント 3-5、検索 0-10。
  • インシデント調査: サブエージェント 2-4、検索 10-25。
  • 広範なアーキテクチャ調査: シンセサイザー 1、リサーチャー 2-4、検索 20-40。

これらは規定値ではなく、開発者が試行錯誤するためのベースラインとして用意されたものです。

トレードオフ

エージェントの活動にハードな上限を設けることは、優れたタスク設計の代わりにはなりません。問題が単一のセッションに対して大きすぎる場合は、タスクをフェーズごとに分割し、各フェーズに予算を割り当て、次のステップに進む前に人間によるチェックポイントを設けることが推奨されます。境界のあるシステムは、繰り返しのループで資金を浪費し続けるのではなく、未解決の問いを伴う有用な部分的な結果を返すものであるべきです。

上限を厳しくしすぎることのリスクは、エージェントが実行可能な解決策に到達する前に停止してしまい、開発者がより高い制限値でジョブを再実行せざるを得なくなることです。この追加の反復作業はオーバーヘッドを生みますが、チェックのないセッションによるコストはそれよりもはるかに高くなる可能性があります。

本番環境への導入

  1. アップグレード: ステージング環境で Claude Code 2.1.212 にアップグレードします。
  2. ワークフローの選択: 例えば PR レビューなどを選び、保守的な予算を設定します。
  3. 計測: 起動したサブエージェントの数、実行されたウェブ検索の数、および2分間の閾値に達した MCP コールをキャプチャするようにログを計測します。
  4. レビュー: キャップに達したすべての実行結果をレビューします。キャップによってコストが節約されたのか、それとも実質的な進捗が妨げられたのかを判断し、それに応じて制限値を調整します。

キャップは実行時に適用されるため、ログですぐに確認できます。これらのメトリクスを追跡しているチームは、フィードバックループを構築できます。エージェントがタスクを完了できなくなるまで予算を下げ、その後、コアタスクを完了させるのに十分な量まで予算を引き上げます。

今後の注目点

ロールアウトはまだ初期段階であるため、コスト削減に関する実世界のデータは限られています。キャップを採用する組織は、以下の項目を監視すべきです：

  • 変更前後のセッションあたりのコスト。
  • 異なる予算レベルでのタスクの完了率。
  • エージェントが早期に停止した場合と、最後まで実行した場合のユーザー満足度。

キャップが効果的であることが証明されれば、業界全体で予算を意識したAIエージェントへの動きが広がる可能性があります。もし開発者が制限が厳しすぎると感じた場合、次のイテレーションでは、ツールごとの予算設定や、観測された支出に基づく動的なスケーリングなど、よりきめ細かな制御が導入されるかもしれません。

結論として：Claude Code 2.1.212 は、AIによる自動化が予期せぬ出費に変わるのを防ぐための、シンプルで強制力のある手段をチームに提供します。キャップを活用し、結果を監視し、データに基づいてエージェントに与える自律性を決定してください。