arXiv cs.AI が2026年9月10日(現地時間)付けで、言語モデルエージェント（language model agents）における長期タスク（long-horizon tasks）の実行方法に関する研究論文を発表した。同論文は、既存の「エージェントスキル（agent skills）」方式がコンテキストウィンドウの情報量増加によって推論品質が劣化する課題を指摘。スキルパッケージを「サブエージェント（subagents）」として呼び出す代替アプローチが、特定の条件下で優れた性能を示すことを明らかにしている。
研究論文Subagents vs Agent Skills: Executing Reusable Knowledge for Long-Horizon Agentic Tasksは、ワス・トップ・ピリヤクルキジ (Wasu Top Piriyakulkij) 氏らが執筆した。
従来の「エージェントスキル」方式では、再利用可能な能力であるスキルパッケージ（skill packages）の指示（instructions）、スクリプト（scripts）、その他のリソース（resources）をエージェントのコンテキスト（context）にロードして実行する。しかし、タスクの期間が長くなるにつれてコンテキストウィンドウ（context window）に情報が蓄積され、推論品質（reasoning quality）が低下するという問題が発生する。
これに対し、研究者らはスキルパッケージをサブエージェントとして呼び出す新しいアプローチを提案している。このサブエージェント実行（subagent execution）方式では、スキル指示をメインコンテキストにロードする代わりに、個々のサブタスク（subtasks）解決に特化した新しいコンテキストウィンドウを生成する。この方式は、スキルパッケージが明確な入出力契約（input-output contracts）を公開し、その指示が契約を履行するために必要な手続き的知識（procedural knowledge）を符号化している場合に、エージェントスキル実行を上回る性能を発揮するという。
一方で、このアプローチには追加の通信オーバーヘッド（communication overhead）が発生する。メインエージェントとサブエージェント間で連携するために、より多くのトークン（tokens）が必要となる。研究結果は、再利用可能な知識（reusable knowledge）の利点がその内容だけでなく、組織化および呼び出し方法にも依存することを示している。
参考: arXiv cs.AI (アーカイブ) — 2026年9月11日 13:00 (JST)
原文ハイライト"subagent execution outperforms agent-skill execution when skill packages expose clear input-output contracts"