【ITニュース解説】Your Claude Code Subagents Inherit Your Effort Level. 2.1.316 Lets You Set Them Lower

現代のシステム開発において、AIアシスタントの活用は日常的なものになりつつある。中でも、コードの生成やリファクタリングを支援するツールとして注目されている「Claude Code」は、開発者の生産性向上に大きく貢献している。このClaude Codeには、複雑なタスクをより効率的かつコストを抑えて実行するための重要な新機能が追加された。それが、サブエージェントの「努力レベル」を細かく制御できるようになった点である。

まず、ここでいう「サブエージェント」とは何かを理解しておく必要がある。Claude Codeは、ユーザーの指示を受けて、そのタスクを達成するために内部で複数の小さなAIプログラム、つまりサブエージェントを起動することがある。例えば、大規模なコードベースの中から特定の関数がどこで使われているかを全て探し出すといった複雑なタスクでは、「Explore」と呼ばれるサブエージェントが複数起動され、コードの探索を担当する。

そして、「努力レベル」（Effort Level）とは、これらのAIがどれだけ深く、時間をかけて思考し、推論を行うかを制御する設定である。努力レベルは「低（low）」「中（medium）」「高（high）」「超高（xhigh）」「最大（max）」といった段階があり、一般的にレベルが低いほど処理は高速かつ安価に済むが、単純なタスク向きである。一方、レベルが高いほどより深い推論が可能となり、複雑な問題に対して高い精度で対応できるが、処理に時間がかかり、それに伴ってコストも高くなる傾向がある。Claude CodeのようなLLM（大規模言語モデル）を利用するサービスでは、AIが思考に使うトークンも出力トークンとして課金されるため、この努力レベルの設定が直接利用料金に影響を及ぼすことになる。

これまでのClaude Codeでは、サブエージェントの努力レベルが明示的に指定されていない場合、親となるメインセッションの努力レベルをそのまま引き継ぐ仕様だった。例えば、メインセッションを「高」努力レベルで実行している場合、サブエージェントも自動的に「高」レベルで動作していた。しかし、単純なコード探索など、本来であれば低い努力レベルで十分なタスクであっても、メインセッションの設定を継承してしまうために、不必要に高いコストが発生する可能性があったのだ。

この課題を解決するため、Claude Codeのバージョン2.1.316で新しい環境変数「CLAUDE_CODE_SUBAGENT_EFFORT」が導入された。この変数を設定することで、サブエージェントに努力レベルが他に何も設定されていない場合に、そのサブエージェントが動作するデフォルトの努力レベルを個別に指定できるようになったのである。つまり、メインセッションが高努力レベルで動いていても、特定のサブエージェントだけは低努力レベルで動作させるといった柔軟な制御が可能になった。

ただし、この新しい環境変数には優先順位がある。サブエージェントの努力レベルを決定する際には、いくつかのルールが適用される。最も優先されるのは、セッション全体に影響する環境変数「CLAUDE_CODE_EFFORT_LEVEL」である。次に、サブエージェントが起動される際にClaude自体が渡すパラメータ、そしてサブエージェントの設定ファイル内に記述された「effort」フィールドが続く。今回の新機能である「CLAUDE_CODE_SUBAGENT_EFFORT」は、これらのいずれも設定されていない場合にのみ適用される補完的な役割を果たす。したがって、この環境変数は、特に明示的な設定がない多数のサブエージェントに対して、一括でデフォルトの努力レベルを設定したい場合に非常に有効な手段となる。

この新機能が特に役立つのが、前述した「Explore」サブエージェントのような、コードベースの探索やファイル検索を行う読み取り専用のタスクである。これらのサブエージェントは通常、特定の努力レベルが明示的に設定されていないため、「CLAUDE_CODE_SUBAGENT_EFFORT」環境変数の影響を直接受ける可能性が高い。これにより、単なる情報収集タスクに不必要な高コストをかけることなく、効率的に作業を進められるようになる。

開発現場では、この新しい設定が実際にどれだけコスト削減に貢献し、かつ結果の品質を維持できるかを検証することが重要となる。具体的には、同じタスクを「サブエージェントが親セッションの努力レベルを継承するケース」と「サブエージェントの努力レベルを意図的に低く設定するケース」の二通りで実行し、それぞれにかかったコストと、得られた結果の正確さを比較検討する。例えば、コード内の特定の環境変数読み込み箇所を全て探し出すというタスクを実行させ、その結果を事前に手動で確認した「正解リスト」と照らし合わせることで、品質の低下がないかを検証する。

この検証では、単にコストが安くなったからといってすぐに採用するのではなく、コスト削減と引き換えに重要な情報を見落としていないかを確認する視点が不可欠である。AIにタスクを任せる際には、その出力が本当に信頼できるものか、期待通りの品質を保っているかを常に確認する習慣が求められる。これは、LLMを活用したアプリケーションを開発・運用する上で非常に重要な「観測可能性（Observability）」という考え方にも通じる。システムがどのように動作し、どれだけのコストがかかり、どのような結果を出しているかを常に常に把握し、問題があれば早期に発見・対処できる状態を保つことが、安定した開発と運用には不可欠となるのだ。

最終的に、自身の開発プロジェクトやリポジトリの特性に合わせて、最もコスト効率が良く、かつ品質を損なわない努力レベルの設定を見つけ出すことが、Claude Codeを最大限に活用するための鍵となる。例えば、複雑な推論が必要なコードレビューを行うサブエージェントには引き続き高努力レベルを維持させつつ、簡単なファイル探索を行うサブエージェントには低努力レベルを適用するといった柔軟な運用が可能になることで、開発全体の生産性と経済性が向上することが期待される。