Microsoft Researchは2026年11月16日(現地時間)、AIコーディングエージェントの効率を向上させるオープンソースプラグイン「TokenEconomizer」を発表した。このプラグインは、エージェントの過去のセッションから学習し、基盤となるモデルを変更することなく将来のセッションでのコストを削減する。277の実世界のバグ修正タスクにおいて、TokenEconomizerは複数のAIコーディングエージェントでコストを18.4%から30.9%削減した。
TokenEconomizerは、UC Berkeley、Microsoft Research、Microsoft Securityが共同開発したオープンソースプラグインである。開発者は日常的に同じコードベースでAIコーディングエージェントを使用するが、エージェントはセッションごとにゼロから学習を始める。これにより、事実の再発見、未使用ツールのロード、失敗したアプローチの繰り返しといった無駄が発生し、モデルとのインタラクションごとにトークン消費が生じていた。
TokenEconomizerは、エージェントの過去のセッションログを読み込み、リポジトリに関する知識を更新する。このプラグインは、エージェントやその基盤モデルを変更することなく、以下の3つのメカニズムを通じて機能する。
- マイクロスキル: リポジトリ固有の知識を簡潔なノートとして捕捉し、エージェントの初期コンテキストに追加する。複数のセッションでパターンが確認された後にノートが追加され、矛盾する証拠があれば削除される。
- ツールプルーニング: リポジトリ履歴に基づき、エージェントが使用する可能性の低いツールを削除する。コマンド実行やファイル編集のためのコアツールは常に保持され、削除されたツールは必要に応じて復元できる。
- 失敗ループ介入: エージェントが同じ失敗を繰り返し続ける場合に、別の方法を提案する短いノートを提供する。これにより、エージェントが真に行き詰まっているのか、まだ進捗があるのかを判断する。
SWE-Benchの277タスクを用いた評価では、TokenEconomizerが5つの異なるAIコーディングエージェントとモデルの組み合わせにおいて、平均コストを18.4%から30.9%削減し、タスク成功率はほぼ安定した。初期タスクでは学習コストがかかる場合があるものの、6番目のタスクまでに累積コストはすべてのリポジトリでデフォルトを下回った。ウェブ開発のWeb-Benchでは16.0%から21.2%、セキュリティ監査では6.4%から19.6%のコスト削減を達成している。このオープンソースプラグインは、開発者のマシン上で学習内容を保持し、既存のAIコーディングエージェントと並行して動作するよう設計されている。
参考: Microsoft Research Blog — 2026年11月17日 02:01 (JST)
原文ハイライト"TokenEconomizer reduced costs by 18.4–30.9% across multiple AI coding agents."