TokenEconomizer は、同じリポジトリでコーディングエージェントを繰り返し使うとき、不要なツールや同じ失敗にかかる費用を減らすプラグインです。研究では平均コストが下がりましたが、削減幅はエージェントや作業内容によって変わります。
📑目次
TokenEconomizerは何を減らすのか
TokenEconomizer は、Microsoft Research、Microsoft Security、UC Berkeley の研究者によるオープンソースのプラグインです。エージェント本体やモデルを変更せず、過去のセッションから次の作業に役立つ情報を蓄積します。
- Micro-skills：繰り返し確認されたリポジトリ固有の情報を、後のセッションに渡します。現行の公式設定では初期状態で無効です。
- Tool pruning：一定期間使われなかったツールを、エージェントの設定を通じて除外します。対象はエージェントごとに異なります。
- Loop guard：同じ失敗を繰り返している可能性があるとき、別の方法を試すよう促します。解決しない場合は利用者に停止方法を知らせますが、自動停止はしません。
現行設定では tool pruning と loop guard が有効です。Micro-skills を有効にすると、情報の候補を作るためのモデル呼び出しが増える場合があります。補助の呼び出しにもエージェント側の利用枠や費用がかかります。
論文の削減率は自分の費用にも当てはまる？
研究論文では、6つのリポジトリにある277件の SWE-Bench 課題を使い、5種類のエージェントとモデルの組み合わせを評価しました。平均コストは組み合わせによって18.4〜30.9%低下しました。研究者はキャッシュ料金とプラグイン自身のモデル呼び出しも費用に含めています。
課題の成功率を示す Pass@1 は5組中4組で上がりました。ただし Claude Code と Opus 4.8 の組み合わせでは、平均コストが30.9%下がる一方、Pass@1 は1.0ポイント下がりました。これは特定の課題集合での結果であり、すべての開発作業で同じ節約や成功率を保証する数字ではありません。
独立した試用では何が起きた？
yoDEV の試用では、Claude Code 2.1.305 と Sonnet を使い、同じ Python リポジトリの8課題をプラグインの有無で各2回、計32セッション実行しました。これは yoDEV の結果であり、この記事の筆者が実行した試験ではありません。
| 比較項目 | プラグインなし | プラグインあり |
|---|---|---|
| 解決した課題 | 16/16 | 16/16 |
| 除外が発動したセッションの1リクエスト当たりのコンテキスト | 25,966トークン | 17,795トークン |
| 同じ発動時セッションの費用 | 0.72ドル | 0.61ドル |
出典：yoDEV Tested（2026年10月）。
コンテキストは約31%、費用は約15%減りました。ただし tool pruning が発動したのは4セッションだけです。試用環境には多数のコネクターがあり、284ツールが除外されました。ツールの少ない環境でも同じ幅になるとは判断できません。
試用者は連続実行のため、除外を反映するまでの待機時間を既定の60分から0分に変更しています。Micro-skills と loop guard は試用中に発動しませんでした。試用時のバージョンと現行版の設定は異なり得るため、導入時は公式 README を確認してください。
TokenEconomizerの導入と変更の確認
対応する Claude Code、Codex、GitHub Copilot CLI、Pi と、Python 3.10以上が必要です。Cursor Agent と opencode の対応は実験的です。対応バージョンは更新されるため、導入前に公式の対応一覧を確認してください。
Claude Code の場合、クローンを置き続けるディレクトリで次を実行します。
git clone https://github.com/microsoft/TokenEconomizer.git
claude plugin marketplace add "$PWD/TokenEconomizer"
claude plugin install tokeneconomizer@tokeneconomizer
作業するリポジトリで Claude Code を起動し、信頼の確認に応じて /tokeneconomizer:status を実行します。公式手順では、マシンごとに一度、また Claude Code の更新後に /tokeneconomizer:toolprune refresh-catalog を実行します。Codex はフックの信頼を確認した後、次のセッションから反映されるため再起動が必要です。
設定変更を自動で適用する前に確認したい場合、リポジトリ内のターミナルで次を実行できます。
~/.tokeneconomizer/bin/te config set toolprune=propose
~/.tokeneconomizer/bin/te status
~/.tokeneconomizer/bin/te toolprune
提案モードでは除外リストを確認してから toolprune apply で適用します。除外を取り消すには ~/.tokeneconomizer/bin/te toolprune restore を使います。公式によると復元はプラグインが追加した設定だけを取り除きます。学習内容は ~/.tokeneconomizer に保存されます。
関連記事:
- ctx — 手元のコーディングエージェント履歴を横断検索するローカル CLI（~1k★）
- Gemini 3.7 Flashの価格・性能比較｜3.6 Flashとの違いとAPI提供面
- 社内AIエージェントのSkillsとEval設計｜合格基準を作る方法
よくある質問
試す前に決めておきたいこと
同じリポジトリで繰り返し作業し、多数のツールが読み込まれる環境なら、不要な定義の除外を検討しやすいでしょう。短い単発作業やツールが少ない環境では、学習や除外が実際に起きるまでの回数も含めて判断してください。
同じ種類の課題について、導入前後の費用、成功した課題、除外されたツールを記録してください。必要なツールが使えない場合は復元し、設定の変更だけで作業品質が落ちていないかも確かめます。論文の平均値より、自分の作業で確認した結果を優先することが導入判断につながります。
著者
IT業界20年以上の実務経験を持ち、日本国内有数のPVを誇る大規模Webサービスで事業部長・CTOを複数社で歴任。Windows/iOS/Android/Webと技術の変遷を経験し、現在はAIネイティブへの変革に注力。DevGENTでは、AIコードエディタ・自動化ツール・LLMの実践的な使い方を日英西3言語で発信中。
コメントを残す