11月の第2週、Antigravity のモデル選択欄に Orchestrator が増え、スラッシュコマンドには /swarm と /run-workflow が加わりました。週末に壁紙アプリの作業を頼もうとしたとき、入力欄の前で手が止まりました。いつもの会話で頼むのか、チームを組ませるのか、台本を書かせるのか——選択肢が三つ同時に増えると、どれも正しそうに見えてしまうのです。
最初にお伝えしたいのは、この三つはモデルの強さで選ぶものではなく、作業の形で選ぶものだということです。公式ドキュメントにも使い分けの表がありますが、表を読んだだけでは、手元の作業がどの行に当てはまるのかが分かりませんでした。そこで、自分の作業を当てはめるために使っている三つの問いを書き残します。
三つの仕組みが、それぞれ何を分けているのか
先に、公式ドキュメントで確かめた範囲で三つの違いを整理しておきます(2026年11月16日時点・App v2.32.0)。
- Orchestrator: モデル選択欄の一項目です。1つの会話のなかで、計画役のモデル(Gemini 4 Carbon または Gemini 4 Argon)が読み取り専用で計画を立て、実装は Gemini 4 Hydrogen が受け持ちます。Hydrogen が詰まると計画役へ戻り、計画を直してから再開します。分けているのは「モデル」で、会話は1本のままです
/run-workflow(Dynamic Workflows): エージェントが短い Python の台本を書き、その台本が複数のエージェントをparallel()やpipeline()で動かします。各エージェントは互いを知らず、JSON Schema に沿った結果を台本へ返すだけです。分けているのは「項目」です/swarm: 今の会話が coordinator になり、名前付きの worker(@parserなど)に仕事を割り振ります。worker 同士は共有の掲示板で@nameを使って相談し、worker 2〜4人ごとに@verifierが付いて差分とテストを確かめます。分けているのは「担当」で、担当どうしが話し合えるのが特徴です
公式のブログでは、Orchestrator は Terminal-Bench 4.1 で Carbon 単独に近い成功率のまま、平均で 24% 少ないクォータ消費、19% 速い完了だったと書かれています。ただしこれは公式のベンチマークの値で、私の手元で測った数字ではありません。
利用できるプランにも差があります。/swarm と /run-workflow は Google AI Pro と Ultra、Orchestrator (Carbon) は Ultra のみ、Orchestrator (Argon) は Pro でも選べます。/swarm はプレビューで、worker がそれぞれ1つのエージェントとして動くため、ドキュメントにも「1つの会話よりはるかに速くクォータを使う」と明記されています。
最初は、全部を並列にしたくなりました
壁紙アプリの多言語対応を総点検したときのことを思い出しながら、この三つを当てはめてみました。対応している言語ごとにストアの説明文とアプリ内の文言を確かめる作業で、言語の数だけ同じ確認が並びます。これは並列向きだと考え、最初は「言語ごとに worker を立てる /swarm」で頼む文面を書き始めておりました。
ところが書いている途中で、点検の中身が二種類に分かれていることに気づきました。言語ごとに独立している確認(訳抜け・文字数・リンク切れ)と、すべての言語にまたがる判断(端末の言語判定をどこで共通化するか、意図して残している不一致をどう扱うか)です。後者は一度決めればよい判断で、言語ごとに別々の担当が考えると、かえって答えが割れてしまいます。
並列にする前に作業を分解していなかった——いま思えば、迷いの原因は道具の多さではなく、そこにあったのだと思います。
並列にする前に確かめている3つの問い
いまは頼む前に、次の三つを順に自分へ問うようにしています。
- この作業のなかに、全体で1つしかない判断はあるか。あるなら、その判断は1本の会話で先に済ませます。計画の質が要る判断なら Orchestrator か、計画役のモデル単独で頼みます
- 残りの項目は、互いの結果を見なくても終わるか。終わるなら
/run-workflowです。ファイルごとのレビュー、パッケージごとの監査、言語ごとの確認がこれにあたります - 途中で担当どうしの相談が要るか。インターフェースを合わせる、他人の差分をレビューし合う——こうした調整が作業の途中で起きるなら
/swarmです。公式ドキュメントも、エージェント同士が作業中に調整する必要があるなら workflow ではなく/swarmを、と案内しています
三つとも「いいえ」なら、普段どおり1つの会話で頼むのがいちばん速いことが多いです。1つの調べものやビルドを任せて自分は手を動かし続けたいだけなら、サブエージェントへの委任で足ります。
先ほどの多言語の点検に当てはめると、言語判定の共通化は1本の会話で先に決め、言語ごとの確認だけを /run-workflow に渡す、という二段になりました。/swarm の出番はありませんでした。
全体で1つの判断は会話で、互いを見ない項目は台本で、相談が要る担当だけをチームで。 新しい仕組みが増えても、この順番だけは崩さないようにしています。
台本を承認する前に、どこを読むか
/run-workflow では、実行前に生成された Python の台本が表示され、承認を求められます(Turbo などの権限プリセットで自動許可にしていない場合)。Python を書けなくても、見る場所を決めておけば判断できます。言語ごとの確認を頼んだときに出てくる台本は、たとえば次のような形になります。
phase("Discover")
locales = await agent(
"List the locale folders under fastlane/metadata. Folder names only.",
schema={"type": "array", "items": {"type": "string"}},
)
phase("Check")
# 各言語は互いの結果を見ないので parallel() でよい
# ファイルは読むだけ。書き換えは別の会話で人が判断する
results = await parallel(
locales,
lambda loc: agent(
f"Read fastlane/metadata/{loc}. Report missing translations, "
"fields over the store length limit, and broken links. Do not edit files.",
schema={"type": "string"},
role=f"Check {loc}",
model="flash",
),
)
for r in results:
log(r)この台本で、私が承認前に確かめているのは三点です。
parallel()とpipeline()のどちらか。parallel()は1項目が失敗すると残りも取り消されます。共有ファイルやテストに触る作業なら、1件ずつ進むpipeline()へ変えてもらいます- プロンプトに「Do not edit files」があるか。読むだけの確認に書き込み権限を渡さないためです。編集させる場合は、
workspaceにbranchを指定して各エージェントを別の worktree にしてもらいます modelの指定。指定がなければ会話のモデルを引き継ぎます。項目数の多い軽い確認ならflashを指定して、重い計画役のモデルを全項目で回さないようにします
違和感があれば「No」を選び、何を変えてほしいかを伝えれば台本を書き直してくれます。一度うまく動いた台本は .py としてプロジェクトに保存させておくと、次回から /run-workflow Run scripts/check-locales.py のように呼び出せます。
/swarm を選ぶときに先に決めておくこと
/swarm は、担当どうしの相談が本当に要る作業でだけ使っています。そのうえで、頼む文面に二つを書き添えるようにしました。
一つは**「何をもって完了とするか」**です。coordinator は担当ごとに「持ち物・触ってはいけないもの・完了条件」を掲示板へ書きますが、その元になるのは私の頼み方です。テストコマンドや確認手順を頼む側が書いておかないと、verifier が何を確かめればよいのかが曖昧になります。
もう一つはクォータ切れのときの扱いです。ドキュメントによれば、クォータが尽きたメンバーは再試行せずに一時停止し、クォータが回復しても自分からは再開しません。夜に走らせて朝に見たら途中で止まっていた、ということになりうるので、長い作業ほど区切りの良いところで状況を聞くようにしています。
並列にしても速くならない領域の見分け方は「エージェントを増やしても速くならない領域がある」に、隔離された作業環境で検証が抜け落ちる例は「/boost が「検証済み」と返してきたとき」にまとめています。
まとめに代えて
選択肢が増えた週ほど、新しいものを試したくなります。その気持ちは大事にしつつ、まずは次に頼む作業を一つ選び、「全体で1つの判断」「互いを見ない項目」「相談が要る担当」の三つに紙の上で分けてみていただければと思います。分けてみると、思っていたより1本の会話で済む作業が多いことに気づくかもしれません。私もそこで、ずいぶん肩の荷が下りました。