7月7日、Techstrong.aiが「Alibaba Researchers Unveil SkillWeaver Framework for AI Tool Routing」と題した記事を公開した。Alibabaの研究者が開発したAIエージェント向けフレームワーク「SkillWeaver」を紹介する内容で、ツール選択時のコンテキスト使用量を最大99.9%削減（推定884,000トークン→1,160トークン）できると報告されている。
「ツール混乱」問題——エージェント規模拡大の壁
エンタープライズ向けAIシステムが複雑な業務フローを処理するために数百のツールを持つようになると、どのツールをいつ使うべきかという選択問題が深刻になる。単純な一発選択（one-shot tool selection）では、複数ステップにまたがるタスク（例：データセットのダウンロード→変換→レポート生成）で高いエラー率とAPI費用の膨張が発生する。
Alibabaの研究者チームはこの問題に対し、SkillWeaverと呼ばれる新フレームワークを開発した。同時に発表されたSkill-Aware Decomposition（SAD）という技術と組み合わせることで、大規模なツールエコシステムを精度よくオーケストレーションする。SkillWeaverの詳細はArXivで公開された論文でも参照できる。
3ステージパイプラインとDAGによる実行計画
SkillWeaverのコアは、複雑なクエリを処理する3段階のパイプラインだ。
- タスク分解：LLMが複合クエリをアトミックなサブタスクへ分割する
- 候補検索：埋め込みモデル（embedding model）が大規模ツールライブラリから各サブタスクに適した候補ツールを絞り込む
- プランニング：プランナーがツール間の互換性を評価し、DAG（有向非巡回グラフ）に配置して独立タスクを並列実行できる構造に整える
DAGとは、ループのない有向グラフのこと。タスク依存関係を明示することで、依存のないステップを並列処理しやすくなる。ワークフローオーケストレーションにおけるDAGの活用はApache AirflowやPrefectなどのツールでも広く採用されているアプローチだ。
SADが解くLLM固有の語彙ミスマッチ
ここで見逃せないのがSADの役割だ。LLMはタスクを記述する際、汎用的な言葉を使いがちで、実際に存在するツールの仕様書に書かれた技術的な語彙と噛み合わないことが多い。これがツール検索の精度を落とす原因になる。
SADはこの問題に対し、事前検索でヒットした候補ツールをLLMへのヒントとして差し戻すフィードバックループを導入する。LLMはそのヒントを元に計画を書き直し、実際のツール定義に近い語彙で再記述する。結果として、ツール選択の精度が大幅に改善される。
ベンチマーク結果：トークン消費量を最大99.9%削減
研究チームはCompSkillBenchというベンチマークで評価を実施した。2,209個の実世界スキルを持つライブラリに対して300件のマルチステップクエリをテストした。
主な結果は以下の通り：
- 70億パラメータモデル（Qwen2.5-7B-Instruct）を使用した場合、SADのフィードバックループにより、タスク分解精度が**51%→67.7%**に向上
- より大きなモデルでは92%の精度を達成
- 4〜5ツールを必要とする複雑タスクでは、SADによりパフォーマンスが50%改善
- ツールライブラリ全体をプロンプトに直接投入するブルートフォース手法と比較して、トークン消費量が最大99.9%削減。クエリあたりのコンテキスト使用量は推定884,000トークンから1,160トークンまで激減
このトークン削減はAPIコストと応答速度の両面でエンタープライズ利用に直結する数字だ。なお、884,000トークンという基準値は元記事において推定値として示されており、実際の削減幅は構成するツール数やクエリ内容によって変動する点に留意されたい。
実装上の注意点
SkillWeaverはLangChainやオープンソースの埋め込みモデルなど、再現可能な既製コンポーネントのみで構築されていると研究者は強調する。ただし、ソースコードはまだ公開されていない。
本番環境への導入を検討する場合、現時点では中間のツールチェーンが失敗した際の自動リカバリー機構が存在しないことに注意が必要だ。エラーリカバリーとフォールバックの実装は、利用者側で行う必要がある。
詳細はAlibaba Researchers Unveil SkillWeaver Framework for AI Tool Routingを参照していただきたい。
