7月17日、Google Cloudが「Guide to AI Tokenomics: Eleven Principles for Token Efficient Software Engineering」と題した記事を公開した。AIコーディングアシスタントのトークン消費を最適化し、コストと精度を両立させるための11の原則を実務レベルで体系化した内容だ。
LLMを使った開発が日常化するにつれ、「トークンをどう使うか」がエンジニアの腕の見せどころになってきた。コンテキストが膨らめば、レイテンシが上がり、モデルは指示を忘れ、ハルシネーションが増える。その上、コストもかさむ。Google Cloudがまとめた11原則は、こうした「トークノミクス」を実務レベルで管理するための指針だ。
まず読むべき：「象と金魚」の設計パターン
11原則の中で最もアーキテクチャ的な示唆を含むのが原則5「Divide and Conquer」だ。
GoogleリサーチのDavid Rensinが論文で提唱したフレームワークを応用したもので、セッションを2段階に分ける：
- 「象（Elephant）」セッション：高reasoning・長コンテキストモデルを使い、詳細な実行計画を生成する
- 「金魚（Goldfish）」セッション：その計画を、クリーンで低トークンなセッションで実行する
ポイントは「計画と実行を同じセッションで混在させない」こと。コンテキストが汚染されたら、コミットやアーティファクトでチェックポイントを打ち、クリーンな状態から再スタートする。LLMのコンテキストウィンドウは有限であり、一つのセッションに詰め込みすぎると後半の指示が前半の情報に上書きされる——これを防ぐ設計思想だ。
「直し続けるなら、ルールを書け」
実務的なインパクトが大きいのが原則9「Iterate on rules」と原則2「Use skills from the beginning」のセットだ。
エージェントの挙動を何度も同じプロンプトで修正しているなら、それはAGENTS.md（グローバルルールファイル）や再利用可能なスキル定義ファイルに書くべきサインだ。毎回プロンプトで説明するのではなく、エージェントが自動で参照するルールとして外部化することで、プロンプトをシンプルに保てる。ワークフロー、テストルール、環境情報は毎回書かない。
なお、元記事に登場するスキル定義ファイルの正式なファイル名については、元記事本文で確認されたい。使用するAIコーディングツール（Gemini Code Assistなど）によって慣例的なファイル名が異なる場合もある。
残り9原則を簡潔に
元記事の原則番号をそのまま維持した上で、本稿では読みやすさのために以下の順で整理する。各行の番号は元記事の原則番号に対応する。
| 原則番号 | 要点 |
|---|---|
| 原則1：モデル選択 | タスクの複雑さに応じてモデルを選ぶ。元記事ではGemini 2.5 Flashなど実在のモデル名を参照。まず中程度のreasoningモデルから始め、失敗したら上位モデルへ切り替える |
| 原則3：CLIとスクリプトで自動化 | 繰り返し作業はエージェントにローカルツールを作らせる。試行錯誤ループを避ける |
| 原則4：重いタスクはサブエージェントへ | ディープリサーチやフロント/バック分離などはサブエージェントに委譲し、最終結果だけ受け取る |
| 原則6：検証を左にシフト | ユニットテスト・ファンクショナルテストを先に回す。ブラウザのスモークテストはマイルストーン直前まで温存 |
| 原則7：迷走したらUndo | エージェントが壊れた状態に修正プロンプトを重ねるな。コンテキストを汚染する。Undoボタンかファイルのrevertが正解 |
| 原則8：コンテキストは具体的に | // SHOULD BE X, NOT Y, FIX THISのようなインラインアノテーションで、エージェントに正確な場所を示す |
| 原則10：ループに上限を設けよ | スーパーバイザーループはトークン予算を食い尽くす。停止条件を必ず設定。ステータス確認はポーリングではなくイベント駆動で |
| 原則11：話題が変わったら新セッション | 同じトピックなら継続セッションでコンテキスト再利用。新トピックは新チャットで始める |
根底にある考え方
記事はこう締めくくる——「トークンは無限ではない。LLM呼び出しの背後には、実際の物理マシンが動いている」。
トークン最適化とは、AIのアテンション（注意）をどこに向けるかを設計することだ。段階的なアプローチにより、開発速度と出力品質を保ちながら、コストを抑えることができる。AIコーディングを本格導入している組織にとって、これらの原則はツール選定やワークフロー設計の指針としても参照価値が高い。
詳細はGuide to AI Tokenomics: Eleven Principles for Token Efficient Software Engineeringを参照していただきたい。
