AIエージェント編集部
Claude Opus 4.7「タスクバジェット」完全解説——エージェントが
チュートリアル

Claude Opus 4.7「タスクバジェット」完全解説——エージェントが"予算内で自律完了"する仕組み

2026-04-17 / あかりん

Claude Opus 4.7が本日正式リリースされた。目玉機能はいくつかあるが、エンジニアが最も「使い方を知りたい」と思うのがタスクバジェット(Task Budgets)だろう。一緒に仕組みを理解して、実際に使えるところまで持っていこう。

この記事で扱うこと

  • タスクバジェットとmax_tokensの根本的な違い
  • Python・TypeScriptでの実装コード
  • Thinkingトークンの変化(デフォルト非公開化)とその対処
  • 新トークナイザーで起きるコスト増の現実と対策
  • 実用シナリオ3選

タスクバジェットとは何か——従来のmax_tokensとの根本的な違い

まず「そもそも何が違うのか」を整理しておこう。

従来の max_tokens は、出力トークン数の上限を設定するパラメータだ。Claudeがその上限に達したら、文章の途中であろうと強制終了する。要するに、「打ち切り」の仕組みだ。

これに対してタスクバジェットは、「Claudeに予算感を渡す」仕組みだ。使用可能なトークン数の推定値をClaudeに伝えることで、Claudeはその予算の中でどう仕事を優先するかを自分で判断する。予算が少なければ「要約を省いて結論だけ書く」「サブタスクの優先度を下げる」といった戦略的な判断をしながら作業を進める。

要するに、max_tokensが「外からかける制限」なのに対し、タスクバジェットは「内側に渡す目標値」だ。壁を作るのか、地図を渡すのか、という違いに近い。

この違いが特に重要になるのが、長いエージェントループを実行する場面だ。途中で強制終了されると、それまでの作業が中途半端な状態で終わってしまう。タスクバジェットを使えば、Claudeは残りのバジェットをカウントダウンしながら作業を再優先化し、グレースフルな完了——きちんとまとめて終わる——を目指すようになる。

💡 ポイント

タスクバジェットはmax_tokensの代替ではなく、補完的な機能。両方を組み合わせるのが基本的な使い方になる。

APIでの実装方法——task_budget パラメータの渡し方とベストプラクティス

では実際にコードで書いてみよう。Pythonの例から始める。

import anthropic

client = anthropic.Anthropic()

# タスクバジェットを使った基本的な呼び出し
response = client.messages.create(
    model="claude-opus-4-7-20260417",
    max_tokens=8192,
    # タスクバジェット: このタスクで使っていいトークン数の目安を渡す
    task_budget={
        "tokens": 4000,          # 推定使用トークン数
        "enforcement": "soft"    # "soft" = 超えたら警告, "hard" = 上限として扱う
    },
    messages=[
        {
            "role": "user",
            "content": "この10本の論文を要約して、共通するテーマを3つ抽出してください。"
        }
    ]
)

print(response.content[0].text)

TypeScriptでは以下のようになる。

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();

const response = await client.messages.create({
  model: "claude-opus-4-7-20260417",
  max_tokens: 8192,
  task_budget: {
    tokens: 4000,
    enforcement: "soft",
  },
  messages: [
    {
      role: "user",
      content: "このコードベースをレビューして、重大な問題点を優先度順に報告してください。",
    },
  ],
});

console.log(response.content[0].text);

推奨値の設定指針

ここで迷いやすいのが「tokensにどんな値を入れればいいのか」という点だ。目安を整理しておこう。

enforcement: "soft" は「目標として扱う」設定で、超えた場合でも処理は続行される。enforcement: "hard" にすると max_tokens に近い動作になる。エージェントの動作品質を優先するなら soft から始めるのが無難だ。

Thinkingトークンの変化——デフォルト非公開化がもたらす影響

Claude Opus 4.7では、Thinkingトークン(思考ブロック)がデフォルトで非公開になった。つまり、何も設定しないと thinking ブロックは空で返ってくる。

「Thinking」とは、Claudeが回答を生成する前に内部で行う推論プロセスのことだ。従来のモデルでは、この思考プロセスが thinking ブロックとしてレスポンスに含まれていた。Opus 4.7からは、これを取得したい場合は明示的にオプトインが必要になった。

import anthropic

client = anthropic.Anthropic()

# Thinkingトークンを取得したい場合は明示的にオプトイン
response = client.messages.create(
    model="claude-opus-4-7-20260417",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 8000   # Thinkingに使うトークン上限
    },
    task_budget={
        "tokens": 12000,
        "enforcement": "soft"
    },
    messages=[{"role": "user", "content": "複雑な問題を段階的に解いてください。"}]
)

# thinking ブロックとテキストブロックが両方返ってくる
for block in response.content:
    if block.type == "thinking":
        print("思考プロセス:", block.thinking[:200], "...")
    elif block.type == "text":
        print("回答:", block.text)

タスクバジェットとThinkingトークンの合算管理

重要なのが、タスクバジェットの tokens はThinkingトークンも含んだ合計値で考えるという点だ。thinking.budget_tokens を8,000に設定し、task_budget.tokens を10,000にすると、テキスト出力に使える予算は実質2,000トークンになる。

この合算を意識しないと「タスクバジェットを設定したのになぜか出力が短い」という現象が起きる。大まかな目安として、タスクバジェットの値はThinking予算の1.5〜2倍程度に設定しておくと安全だ。

新トークナイザーの注意点——コスト1.0〜1.35x増の現実と対策

Opus 4.7では新しいトークナイザーが採用された。Anthropicの公式発表では「前モデル比1.0〜1.35xのトークン使用」と記載されている。最大35%増というのは、既存のコストモデルを持っているプロジェクトにとってはかなりのインパクトだ。

どのテキストが増幅されやすいか

増幅率は入力テキストの種類によって異なる。実験的な観測から得られた傾向を整理すると——

日本語で記事執筆や翻訳をするような用途では、コスト計算を1.3倍程度で見積もり直しておくのが安全だ。

移行前後の料金試算方法

既存プロジェクトの移行コストを試算するには、同じプロンプトを両モデルに投げてトークン数を比較するのが確実だ。

import anthropic

client = anthropic.Anthropic()

test_prompt = "ここに実際に使っているプロンプトを入れる"

# Opus 4.6 でのトークン数計測
response_46 = client.messages.create(
    model="claude-opus-4-6-20260301",  # 旧モデル
    max_tokens=1,
    messages=[{"role": "user", "content": test_prompt}]
)
tokens_46 = response_46.usage.input_tokens

# Opus 4.7 でのトークン数計測
response_47 = client.messages.create(
    model="claude-opus-4-7-20260417",  # 新モデル
    max_tokens=1,
    messages=[{"role": "user", "content": test_prompt}]
)
tokens_47 = response_47.usage.input_tokens

ratio = tokens_47 / tokens_46
print(f"旧モデル: {tokens_46} tokens")
print(f"新モデル: {tokens_47} tokens")
print(f"増幅率: {ratio:.2f}x")
print(f"コスト試算 (input $5/MTok): 月10万リクエスト想定")
print(f"  旧: ${tokens_46 * 100000 / 1_000_000 * 5:.2f}")
print(f"  新: ${tokens_47 * 100000 / 1_000_000 * 5:.2f}")

価格はOpus 4.7もOpus 4.6と同じ $5/$25 per MTok(入力/出力)に据え置かれている。トークン数が増えてもレートが上がらない設計なので、実際のコスト増は計算式通りになる。

実用シナリオ3選——コードレビュー・リサーチエージェント・バッチ処理

シナリオ1: コードレビュー自動化

コードレビューは「全部漏れなく指摘する」より「重大な問題を確実に見つける」方が価値が高い場合が多い。タスクバジェットを使うと、予算内で優先度付きのレビューをClaudeに依頼できる。

response = client.messages.create(
    model="claude-opus-4-7-20260417",
    max_tokens=4096,
    task_budget={"tokens": 3000, "enforcement": "soft"},
    system="コードレビュアーとして、重大度順に問題を報告してください。"
           "バジェットが少ない場合は、Critical・Highの問題だけに絞ってください。",
    messages=[{"role": "user", "content": f"以下のコードをレビューしてください:\n\n{code}"}]
)

シナリオ2: リサーチエージェント

複数の情報ソースを処理して要約するエージェントでは、ソースが多いほどトークン消費が読めない。タスクバジェットで上限を管理しつつ、重要情報を優先的に抽出させる。

response = client.messages.create(
    model="claude-opus-4-7-20260417",
    max_tokens=8192,
    task_budget={
        "tokens": 6000,
        "enforcement": "soft"
    },
    system="リサーチアシスタントとして複数ソースを統合します。"
           "バジェットが残り少ない場合は詳細より結論を優先してください。",
    messages=[{
        "role": "user",
        "content": f"以下の{len(sources)}件のソースから主要な洞察を抽出してください:\n\n{combined_sources}"
    }]
)

シナリオ3: バッチ処理の品質制御

100件・1000件単位のバッチ処理では、1件あたりのコスト管理が重要だ。タスクバジェットで1リクエストあたりの消費を安定させると、月次コストの予測精度が上がる。

def process_item(item: str, budget_per_item: int = 1500):
    """1アイテムをバジェット内で処理する"""
    response = client.messages.create(
        model="claude-opus-4-7-20260417",
        max_tokens=2048,
        task_budget={
            "tokens": budget_per_item,
            "enforcement": "hard"   # バッチ処理はhardで厳格管理
        },
        messages=[{"role": "user", "content": item}]
    )
    return response.content[0].text

# バッチ実行
results = [process_item(item) for item in batch_items]

まとめ——タスクバジェットで変わること

Claude Opus 4.7のタスクバジェット機能を使うと、エージェントの動作が「強制終了」から「自律的な優先付け完了」に変わる。

公式ドキュメントには実際のパラメータ仕様が詳しく載っている。実装前に一度確認しておこう。

この記事で使ったツール

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。