実践

SpotifyがPortalをOSS化——Claude Codeのトークン消費を90%削減した中間層の正体

SpotifyがClaude Code向けの最適化プロキシPortalをオープンソース化した。モデルもツールも据え置きで、入力コンテキストの圧縮だけでトークン使用量を9割削減した異例の事例であり、大企業におけるAIプログラミングのコスト最適化の新たな選択肢として注目される。

文字サイズ

9月初旬、Spotifyのエンジニアリングブログにやや釣り気味なタイトルが掲載された。「Portal by Spotify: Cut my Claude Code token usage by 90%」。

注目すべきは表現だ。「cut my token usage」、つまり「自分のトークン使用量を削減した」。新しいモデルでも新製品でもなく、Spotify社内で使い込まれてきたClaude Code向けの最適化レイヤーが、ついにOSSとして公開された。

記事はHacker Newsのフロントページに登場し、本稿執筆時点で31ポイント・コメント7件。コメント欄は二派に分かれて激しく議論を交わしていた。一派は「90%は営業文句」と切り捨て、もう一派は「なぜHaikuに直接乗り換えないのか」と問いかける。

どちらも的を外している。本件の核心は、SpotifyがCursorやGitHubとは一味異なるアプローチを提示した点にある——モデルを差し替えず、入力を圧縮する。

Portalとは何か? Spotifyが作った理由

一言で言えば、PortalはClaude Codeとエディターの間に挟まる中間層だ。Claude Codeが発するすべてのリクエストはまずPortalを経由し、Portalがコンテキストを剪定し、プロンプトを圧縮してからClaudeに送出する。

解決するのは「モデルが賢くない」という問題ではない。トークンが高すぎるという問題だ。

Spotify社内でのClaude Code利用規模は、担当エンジニア自身が「非常に非常に大きい」と認めるレベルに達している。チームのAIプログラミング月額コストが5桁ドルに届こうとする段階では、「モデルの良し悪し」よりも「同じ仕事をより少ないトークンでどう回すか」が経営課題になる。

従来のアプローチは、より安価なモデルへの乗り換え(Sonnet → Haiku)やプロンプトキャッシュの活用だった。Spotifyの選択はもっとラディカルだ——モデルは固定し、入力側を攻める。

90%という数字の根拠

Spotify公式の説明によれば、トークン削減の寄与は3要素に分解される。

  1. コンテキスト剪定——大きなファイルは関連部分だけを渡し、ファイル全体は送らない
  2. プロンプト圧縮——システムプロンプトや反復的な指示の重複排除
  3. ツール呼び出し最適化——ファイルの全量再送ではなく差分(diff)のみを送信

強調しておきたいが、これはエンジニアリングの実測値であり、モデルアップデートではない。ClaudeモデルもClaude Codeも据え置きで、変わったのは中間に挟まった1層だけだ。

この点に90%という数字への懐疑が生まれる。HN上で「もし無関係なファイルを剪定しただけなら、90%とは元来送るべきでないものを大量に送っていたということではないか?」という痛烈な指摘が飛んでいた。

手厳しい言い方だが、一理ある。そもそもコンテキストウィンドウを浪用していたチームなら、どんな剪定でも大きな数字が出せる。

技術詳細: Portalの実装

Spotifyのエンジニアリングチームが公開している主要なポイントは以下の通り。

  • コンテキストウィンドウ管理: 直近Nターンの対話と現在のタスクに関連するファイルのみを保持するスライディングウィンドウ
  • ファイル関連性フィルタリング: 現在編集中のファイルから、参照される可能性の高いファイルを推定し、必要なものだけを送出
  • 差分diffによる全量再送の置換: ファイル変更後、ファイル全体ではなくdiffのみを送信

READMEに記載されている最小限の使い方を以下に示す。

# インストール
npm install -g @spotify/portal

# Claude Code設定でPortalをプロキシとして指定
portal config --set anthropic_base_url=http://localhost:8080

# Portalを起動
portal serve --port 8080
# Portal内部のコア剪定ロジック(簡略版)
class ContextPruner:
    def __init__(self, max_tokens=50000):
        self.max_tokens = max_tokens
        
    def prune(self, files: list[File], current_focus: str) -> list[File]:
        # 1. 各ファイルと現在のフォーカスとの関連スコアを算出
        scored = [(f, self._relevance(f, current_focus)) for f in files]
        
        # 2. スコアでソートし、トークン予算に貪欲に詰め込む
        scored.sort(key=lambda x: x[1], reverse=True)
        
        result = []
        used = 0
        for f, score in scored:
            if used + f.tokens > self.max_tokens:
                continue
            result.append(f)
            used += f.tokens
        
        return result

率直に言って、本稿で書けるのはSpotifyが公開している範囲にとどまる。内部の具体的なヒューリスティックや値、キャッシュ戦略は非公開であり、推測で補うつもりはない。確認できるのは、これは魔法ではなく、プロキシとコンテキストエンジニアリングの層であるということだけだ。

HNのコメント欄で何が議論されているか

7件のコメントのうち、特に取り上げるべきは次の3件だ。

「90% reduction is suspicious. What was your baseline? If you're sending entire repos as context, of course you can cut 90%.」

「Why not just use Haiku? It's 1/10 the cost and good enough for most coding tasks.」

「This is the real lesson: context engineering > model swapping. Most teams waste tokens before they need a better model.」

1件目はベースライン(比較の公正さ)を問い、2件目はアプローチそのもの(なぜモデル差し替えでないのか)を問い、3件目はSpotifyの主張を端的に代弁している。

この3名こそ、コミュニティの3つの立場——懐疑派、実用派、共感派——を代表している。HNの31ポイントというスコアが示すように共感派が多数派だが、うち何票がSpotifyのエンジニア自身によるものかは保証の限りではない。

これまでの「AIプログラミングコスト削減」事例との違い

過去2年間に語られてきたAIプログラミングのコスト削減アプローチは、おおむね次の3路線に整理できる。

  • 安価なモデルへの乗り換え(Sonnet → Haiku): モデル能力をコストと引き換えにする
  • プロンプトキャッシュ(Cursor、Copilot): 繰り返し部分を再課金しない
  • モデルの蒸留・ファインチューニング(各社の自社製小型モデル): 特定タスクを小型モデルで処理する

Spotifyのアプローチは第4の路線だ。モデルは据え置き、キャッシュも特化させず、入力側から直接トークンを削る。

Sonnet → Haikuとの違いはモデル能力にある。Haikuは複雑なリファクタリングや長鎖推論では依然としてSonnetに見劣りする。Spotifyはその能力を犠牲にしたくなかったわけだ。

Cursorのプロンプトキャッシュとの違いは粒度にある。Cursorのキャッシュは「同一セッション内で重複する部分を再課金しない」ものだが、Portalは「そもそもそのセッションに存在すべきでない部分を入れない」という発想だ。前者はバックエンドの最適化、後者は入力側の最適化である。

1日に数十〜数百回Claude Codeを走らせるような高頻度利用のシナリオでは、Portal方式の限界効用の方が大きい。キャッシュには上限があるが、入力剪定には上限がないからだ。

編集部の見解

90%という数字は、多くのチームにとってはおそらく30〜50%程度しか再現できない。

理由は単純で、Spotifyの数値は同社のモノレポ、コードスタイル、Claude Codeの使い方に最適化された条件下での実測だからだ。チームやプロジェクトの種類が変われば、ベースラインも変わる。ただし、この点にばかり目を奪われてはいけない。

本当に注目すべきは、この事象が示す姿勢の変化だ。大企業が「AIプログラミングのコスト」をエンジニアリング問題として扱い始めた。

過去2年間、AIプログラミングツールの物語は常に「生産性向上」だった。Copilotで書く速度が上がる、Cursorで精度が上がる、Devinが作業を自動化してくれる——そんなデモばかりがもてはやされ、コストは誰も触れたがらない話題だった。トークンは無限にあるもの、という暗黙の前提が共有されていた。

Spotifyの記事は、珍しく中身の見える請求書を見せてくれた。大企業が「いくら使った、どうやって節約した、いくら減った」を公に語るのは、これが初めてに近い。

個人的予測では、今後6〜12ヶ月で同様のツールをOSS化する大企業はさらに増える。理由はもちろん善行ではなく、AIプログラミングの請求書がCFOの質問に耐えられない水準に達しているためだ。Google、Microsoft、Metaの社内にもおそらく類似の仕組みはあるはずで、公開されていないだけだろう。

不確実な点として、Portalは個人開発者にとって恩恵が薄い。設定コストや学習コスト、効果の得られるプロジェクト規模の条件を総合すると割に合わない。Claude Codeの月額利用料が100ドルに満たないようなユーザーなら、Portal導入はほぼ確実に損益分岐点を超えない。毎日ヘビーに使い込むシナリオ専用に設計されたツールだ。

もう一点、整理しきれていない問いがある。Portalのような中間層は、長期的にはAnthropic自身に吸収されてしまうのではないか? もしClaude Code 2.0にコンテキスト剪定が組み込まれれば、Portalの存在意義はどうなるのか。Anthropicのプロダクト戦略次第で、Portalは「過渡期のソリューション」になるか「永続的なエコシステムのポジション」を確保できるかが決まる。

本件の特異性をまとめるとこうなる。モデルニュースでもプロダクトニュースでもなく、エンジニアリングニュースである。誰もがモデルとプロダクトで競争しているさなかに、Spotifyは最もセクシーではない角度——中間層の最適化——を選んだ。しかし、それは同時に最も模倣されやすい角度でもある。


参考リンク:

出典: https://engineering.atspotify.com/2026/9/portal-by-spotify-cut-my-claude-code-token-usage-by-90