MS、Copilotのトークン消費を削減

Microsoftは、統合開発環境「Visual Studio Code（VS Code）」におけるGitHub Copilot（GitHubとMicrosoftが提供するAIコーディングアシスタント）エージェントの制御構造（ハーネス: Harness）を刷新し、AIエージェントワークフロー実行時のトークン消費量を最大1/10にまで大幅削減したことを明らかにしました。

ハーネス構造の改善とトークン消費の最適化

今回の最適化では、エージェントが複雑なプログラミングタスクを自律処理する際の内部メカニズムが再設計されました。

発表された主な改善ポイントは以下の通りです。

• ​コンテキスト組み立ての最適化​: プロジェクト全体のファイルをコンテキストへ読み込む際のリダンダンシー（冗長性）を排除。
• ​ツール呼び出しの制御改善​: エージェントが外部ツールや検索機能を呼び出す際のやり取りを効率化し、無駄なプロンプト往復を抑制。
• ​リソース効率の向上​: 同等のコード生成およびリファクタリング品質を維持したまま、トークン消費量を最大1/10に低減。

日本の開発者への影響と改善メリットの比較

エージェント型のAI機能は従来の補完機能に比べて大規模な文脈（トークン）を消費するため、利用上限（レートリミット）の到達や応答速度の低下が課題となっていました。

今回のアップデートにより、個人開発者から企業アカウントまで、同じトークン枠の中でより多くのタスクを実行できるようになります。以下は最適化前後の比較概要です。

評価項目	最適化前の従来構造	新ハーネス構造
​トークン消費量​	大規模文脈の都度読み込み（100%）	不要文脈の削減により最大10%（1/10）に減少
​応答速度​	ツール呼び出し往復によるオーバーヘッド	呼び出し制御の効率化により高速化
​タスク処理数​	制限枠到達が早い	同一利用枠で最大10倍のタスクを処理可能

AIコーディング支援の効率化への展望

AIモデルの性能自体を上げるだけでなく、IDE側の「ハーネス構造」を磨き上げてリソース消費を1/10に抑えた点は、実用性重視のエンジニアリングとして極めて重要です。AIツールの実行コスト低減とレスポンス向上は、エンジニアの日常的な開発体験をさらに底上げすると分析されます。