Agentic Architecture & Orchestration

ドメインの位置付け

Agentic Architecture & Orchestration は、CCAF 5ドメイン中で最大の27%を占めるドメインです。 Anthropic公式の公開ページ（clau.de/CCAF）に記載されている範囲としては、 「agentic loops（自律的に動くエージェントのループ）の設計」「coordinator-subagent パターンを用いた マルチエージェント協調」「タスク分解」「セッション状態の管理」が中心トピックです。

受験対策の観点では、ここで取りこぼすと配点的に致命傷になりやすい領域です。 逆にここを固めれば、合格ラインへの距離が一気に縮まります。

このドメインで扱う技術概念（公式 docs ベース）

Anthropic 公式ドキュメント（docs.anthropic.com）に基づく、本ドメインの基礎概念を整理します。 個々のAPI詳細・パラメータ・実装例は公式 docs を参照してください。

Agentic Loop（エージェンティック・ループ）

Claude がツールを呼び出し、結果を受け取り、再度推論する反復構造のこと。 公式ドキュメントでは、この制御フローを stop_reason の値で分岐させる設計が紹介されています。tool_use なら次のツール実行 → 結果を会話履歴に追加 → 再リクエスト、end_turn ならループ終了、というシンプルな循環構造です。

Coordinator-Subagent パターン

複数のエージェントを協調動作させる際の代表的な構成。 上位の coordinator（調整役）が、専門化された subagent（部下）にタスクを委譲します。 subagent は独立したコンテキストを持ち、coordinator 経由で結果を返します。 Claude Agent SDK では Task ツールを subagent 起動の仕組みとして使い、allowedTools に "Task" を含めることが coordinator として機能する条件となります。

Task Decomposition（タスク分解）

複雑な要求を、独立して実行可能な部分タスクに分解する設計判断。 公式ガイドが示唆するパターンとして、固定的なプロンプトチェイニング（順序が事前に決まっている）と、 動的タスク分解（中間結果に応じて次のタスクを決める）の使い分けがあります。 どちらが適切かは、ワークフローの性質（予測可能か / 探索的か）次第です。

Session State / Resumption / Forking

Claude Code には、過去のセッションを名前付きで再開する --resume や、 共有された分析ベースラインから分岐探索する fork_session のような仕組みがあります。 長期タスクの中断・再開・並行検証を効率化する設計要素です。

Hooks（フック）

Claude Agent SDK の hook 機構は、ツール呼び出しの前後で介入する仕組み。PostToolUse はツール結果を変換してからモデルに渡すような後処理、 pre-tool-use 系はツール呼び出しをブロックすることも可能です。 プロンプトベースのガイダンスと、プログラマティック制約の使い分けが論点になります。

このドメインの主題的な問い（Fyveの解釈）

公式ドキュメント全体を通して見ると、本ドメインで問われているのは「いつエージェントを使うべきか・どう構造化すべきか」という設計判断だと私は理解しています。

1. 制御をプロンプトでやるか、コードでやるか
   LLM のプロンプト指示は確率的なため、確実性が必要な場面ではプログラマティック制約 （hook、prerequisite gate）を選ぶべき。逆にプロンプトベースで十分な場面まで プログラム制御で固めると柔軟性が失われる。
2. 単一エージェントか、複数エージェントか
   タスクが本当に並列化可能か / 探索方向が複数あるか / コンテキスト分離が必要か、で判断する。 複数化のオーバーヘッドが正当化される場面と、単一エージェントのループで十分な場面の見分け。
3. ループ終了条件をどう設計するか
   stop_reasonベースで制御するのが基本。 自然言語的シグナル（“done” を含むか等）でループ終了を判定するアンチパターンを避ける。

このドメインが関わるシナリオ

CCAF では本番試験で 6つのシナリオから4つがランダム出題されます。 公式ページ記載のシナリオ名のうち、本ドメイン (D1) が主要トピックとして挙げられているのは:

• Customer Support Resolution Agent — エージェントの自律判断とエスカレーション
• Multi-Agent Research System — coordinator が複数 subagent に委譲する調査システム
• Developer Productivity with Claude — エージェント連携によるエンジニアリングツール

これらのシナリオで何が問われるかの具体は公式 Exam Guide 内に詳述があります。 本サイトでは（規約上）その内容には触れず、シナリオ名のみ参照します。

学習リソース（公式）

本ドメインの学習に直結する Anthropic 公式のリソース。 受験準備の主軸となるべき情報源です。

• docs.anthropic.com — Claude Agent SDK / Tool use / Stop reasons の公式リファレンス
• Anthropic Academy: Introduction to subagents — subagent の作成・運用を学ぶ専門コース。本ドメイン直撃の内容
• Anthropic Academy: Building with the Claude API — API レベルでの agentic loop 実装を学ぶ

Fyveの実戦から見た D1

私（株式会社Fyve）が Claude Code を主軸に AI 業務自動化システムを30件以上構築してきた経験から、 D1 ドメインで実践上重要だと感じる視点を共有します。

「単純なループで足りる場面が想像より多い」。 クライアント案件で、最初から coordinator-subagent パターンを検討することは少なく、 ほとんどのケースは単一エージェント + tool use ループで完結します。 マルチエージェント設計はオーバーヘッドが大きく、本当に必要な場面（並列調査・コンテキスト分離が必須）に限定すべき。

「停止条件を自然言語で判定すると詰む」。 初期実装時に “ループ判定をプロンプトで書く” という選択をするとデバッグ困難になります。stop_reason を機械的に分岐させる構造が最も堅牢です。

「hook の使い所は意外と少ない」。 Hook は強力ですが、必要になるのは「ビジネスルールで確定的にブロックしたい」場面のみ。 それ以外はプロンプトベースで指示すれば十分なケースが多く、過剰な hook 配置は保守性を下げます。