最近 arXiv に上がったポジションペーパー(arXiv:2608.18092)を読んで、考え方が整理できた。要点はこうだ──マルチエージェントシステム(MAS)の信頼性問題は、根っこの部分が並行制御の欠如にある。prompt が悪いわけでも、モデルが足りないわけでもなく、ロック機構のないデータベースの上でトランザクションを回しているようなものだ。
この比喩は考えれば考えるほど腑に落ちる。以下では論文の核となる主張と、筆者がデモを構築した際の観察を組み合わせて解説する。
agent を足せば足すほど壊れる──それは気のせいではない
adding agents often reduces reliability──agent を増やすほど信頼性は落ちる。
筆者が自分で組んだデモでも同じカーブを描いていた。3 体の agent で協調させると、10 回中 8 回くらいは安定して動く。7〜8 体にすると、安定するのは 4 回がやっと。12 体を詰め込めば、もう運次第だ。
多くの人は prompt の不出来や、モデルの推論能力不足、コンテキスト長オーバーだと決めつけるだろう。論文の判断はそれとは違う。そうした失敗の根本原因は、ほとんどが並行処理の問題だという。
LLM の推論遅延を「長トランザクション」として捉える
データベース界には古い言い回しがある──長トランザクションは諸悪の根源。あるトランザクションが何十分も走り続けている間に、別の処理が読み取るデータを書き換えてしまう。コミットしたときにはすでに stale read を掴まされ、酷いときには dirty write が発生する。
LLM の推論は、天然の長トランザクションそのもの。
- GPT-4o や Claude への 1 回呼び出しで、リクエストを送ってから完全なレスポンスを受け取るまで、早いときで 3 秒、tool use と推論が絡めば 30 秒は普通にかかる
- その 30 秒の間に、他の agent が共有状態を書き換えてしまう可能性は十分ある
- 「古い事実」を持って返ってきた agent が上書き書き込みを行い、他の更新を吹き飛ばす──これが lost update
論文にはこう書かれている。long LLM inference windows amplify the risk of stale reads, lost updates, and inconsistent outcomes。この一文から「LLM inference window」を「transaction」に置き換えれば、どの DB の教科書にも載せられる文になる。
古典的な並行異常が MAS で全部再現される
論文の最も重要な一節がこれだ──failure modes commonly attributed to coordination or communication breakdowns can be mapped directly onto classical concurrency anomalies。
ざっくり訳すとこうなる。「調整失敗だ」と思い込んでいるものの大半は、古典的な並行バグの皮を被ったものだ。筆者が実際に踏み抜いた例をいくつか挙げる。
Lost update(更新消失)
2 つの agent が同時にユーザー設定 A=[tech, music] を取得し、それぞれ推論の末に書き戻す。
- Agent 1 が A=[tech, music, cooking] を書き戻す
- Agent 2 が A=[tech, music, sports] を書き戻す
後から書いた方の勝ちで、先の agent が加えた変更は完全に消える。2 つのトランザクションが同じ行を同時に書き換えるのとまったく同じだ。
Dirty read(ダーティリード)
Agent A がタスク状態を pending から in_progress に変え、実行中だとする。Agent B が A の完了を待たずに状態を読み込み、in_progress を見たのでそれを前提に下流の判断をしてしまう。A が失敗して pending にロールバックしたとき、B の判断はもう存在しない状態に立脚したものになる。
Write skew(書き込みスキュー)
2 つの agent がそれぞれ「相手は書き換えないはず」という前提で書き込む。医師シフトの古典問題と同じだ──2 人の医師がそれぞれシフト表を確認し、「相手が残業しなければ自分も残る必要はない」と判断した結果、2 人とも入らない。MAS では、2 つの agent がスナップショットに基づいて判断し、最終的にマージされた状態が矛盾してしまう。
これらは机上の空論ではなく、筆者が CrewAI と LangGraph の両方で実観測した挙動だ。
なぜ既存フレームワークは並行制御を組み込まないのか
主要な agent フレームワーク──AutoGen、CrewAI、LangGraph──はどれも、設計時に「agent の呼び出しは短くて軽い RPC」という暗黙の前提を置いている。
# LangGraph における典型的なノード定義
def research_node(state: AgentState):
result = llm.invoke(state["messages"])
return {"messages": [result]}
関数呼び出しのように見えるが、その実態は数秒から数十秒のブロッキング I/O だ。フレームワークは次のような仕組みを何一つ提供していない。
invokeの最中にstateをロックする手段- 戻り値が最新の
stateに基づいているかを確認する手段 - 「自分が推論している間に他者が依存データを書き換えた」場合の処理
さらに悪いことに、agent 間の「通信」は本質的に共有状態(dict やメッセージキュー)であり、トランザクション境界も分離レベルも ACID 保証も何もない。ワークフローを書いているつもりでも、実態は丸裸の並行処理だ。
論文の判断は明快で、ロックのない DB でトランザクションを回しているのと同等──いや、それより酷い。DB にはまだ WAL があるのだから。
DB から答えを借りる──ロック、バージョン番号、トランザクション分離
論文は、MAS フレームワークを設計段階から並行制御を組み込むべきだと提案している。具体的に何を借りるべきか。論文の提示した方針と筆者の実験を整理する。
悲観ロック(pessimistic locking)
共有状態を変更する必要のあるタスクを始める前に、関連フィールドを明示的にロックする。他の agent が読みたければブロックされ、ロック解放を待つ。
# 擬似コード
with state.lock("user_preferences"):
current = state.read("user_preferences")
new = agent.run(current)
state.write("user_preferences", new)
欠点は明らかだ。LLM の推論は遅いのでロック保持時間が長くなり、並行度は実質ゼロになる。だが、金融や注文など一貫性要求が厳しい場面では十分に価値がある。
楽観ロック+バージョン番号(optimistic concurrency control)
共有オブジェクトごとに version フィールドを持たせる。書き込む前に CAS でバージョンを確認し、変更されていなければ書き込み、変わっていればリトライ。
version = state.read("user_preferences.version")
prefs = state.read("user_preferences")
new_prefs = agent.run(prefs)
state.cas_write(
key="user_preferences",
expected_version=version,
value=new_prefs,
)
このパターンは読みが多く書きが少ない agent 協調に向いている。リトライ時には新しいデータを引き継ぐこと。そうでないと lost update に逆戻りする。
トランザクション分離(transaction isolation)
1 回の agent 協調(複数ステップ+複数回の状態読み書き)を 1 つのトランザクションとして包む。分離レベルは低→高で以下の通り。
- Read uncommitted──ほぼ使い道なし
- Read committed──ダーティリードを防ぐ
- Repeatable read──ファントムリードを防ぐ
- Serializable──完全分離。ただし性能は最悪
MAS では大半のケースで read committed で十分だが、書き込みのような重要な意思決定の瞬間は serializable にすべきだ。
CRDT(conflict-free replicated data type)
論文では明言されていないが、筆者自身は CRDT が一定範囲の MAS 課題を解決できると試して確認している。複数者がそれぞれ追記し、厳密な順序を必要としないシナリオだ。
たとえば複数の agent がそれぞれ共有ノートに bullet point を足していくケースなら、最終的なマージはコンフリクトフリーになる。Yjs のようなライブラリがそのまま使えるので、ロック機構を組むより遥かに楽だ。
誰も手を出さないのは、フレームワークがまだ「動けばいい」段階だから
今の MAS フレームワークは「数行で agent チームを組める」ことを競っている。
- CrewAI は迅速なチーム構築を売りにする
- AutoGen は「会話こそ協調」を看板に掲げる
- LangGraph は可視化ワークフローを強調する
並行制御のような泥臭い仕事に手を出すプレイヤーはいない。短期的には確かに必要ない──デモ段階なら 3 体の agent でもそれなりに動くので、本番で崩壊するかどうかなど誰も気にしない。
だが、MAS を本気で本番投入しようとしたことがある人なら、今日述べた問題に必ずぶつかっているはずだ。prompt で直せる類のものではなく、より強力なモデルに交換すれば済む話でもない。並行制御プリミティブをアーキテクチャレベルで導入するしかない。
自分で検証したいなら、この順序で
- CrewAI か LangGraph で 5 体以上の agent デモを組み、2 つの agent に同じ共有状態(ユーザー設定、タスクリストなど)を同時に書き込ませる
- 20 回以上実行し、lost update や dirty read の出現頻度を記録する
- 共有オブジェクトに version フィールドを足して CAS 書き込みを実装し、安定性の向上を観測する
- 金額や注文状態にかかわる書き込み経路は、楽観並行制御ではなく serializable にする
この論文から持ち帰るべき一文があるとするなら、こうだ──「目の前で起きているのは AI の信頼性問題ではなく、並行制御を怠っているというだけの話」。そう捉え直せば、答えは明白になる。データベースの領域から答えを借りてくればいい。
参考:arXiv:2608.18092 - Concurrency Control for Multi-Agent Systems