Codex が自律的にモデルと effort を切り替えられるようにした

GPT-6 Astraは強力だが、トークン消費量が多い。毎回手で切り替えるのは面倒だし、作業を始める前に最適なモデルを判断できないこともある。この問題に対して、メインエージェント自身がタスクの内容に応じてモデルを自動判断・切り替えする仕組みがmodel-routerだ。実装の工夫は2つある。まず、エージェントが「今何をしているのか」を理解し、次のフェーズでどのモデルが必要かを自分で判断する。最初は既存コードの調査（軽量モデルでOK）→途中で難しい設計判断（高性能モデルに切り替え）→方針決定後の定型作業（軽量モデルに戻す）という流れで、同じタスク内でも必要な計算能力は変わる。第二に、切り替え時にUIに負担をかけない。ユーザーが「続けて」と打ち直す必要はなく、中継ツールがバックグラウンドで現在の実行を中断し、同じthreadIdで新しいモデルでの実行を開始する。完了済みの作業を繰り返さず、元の依頼の残りだけを続行させる工夫が組まれている。 実装の細部に技術的な厳密さが感じられる。バックグラウンド処理が残っていないか確認してから中断を指示し、他のツール呼び出しや承認待ちの状態では切り替えを拒否する。ユーザーが停止ボタンを押した場合は自動続行を取り消す。こうした安全弁があるから、自動切り替えを安心して任せられる。選択基準はエージェント側のプロンプトに組み込まれており、中継側には「指定された内容で実際に切り替えられるか」を確認する役割だけを与えている。利用可能なモデルはCodexから取得したカタログで確認するため、将来的に新しいモデルが追加されてもプログラム変更は不要だ。 中小企業のシステム担当者の視点で見ると、複数のAIモデルの使い分けは当たり前になる。高い精度が必要なタスク、速度重視のタスク、トークンコストを抑えたいタスク。その都度ツールを切り替えるのは作業のロスだ。Codexが示す「エージェント自身が判断して切り替える」という設計は、今後のAIアシスタント開発の一つの指針になるだろう。自分たちの業務システムでも、複数のLLMを賢く使い分けるミドルウェア層の設計が、実装の重要な課題になってくる。