Claude Codeのトークン消費、92〜97%は「文脈の再読」だった——読み取り専用DeepSeekワーカーを作って実測99%削減した

Claude Code ユーザーがすべてのセッション記録を集計し、トークン消費の内訳を分析した。結果は予想外だった：92～97%がキャッシュの読み書き、すなわち毎ターン文脈を再読む処理に消えている。思考トークン（Deep Research や長時間の推論）は全体の0.4%に過ぎない。さらにマルチエージェント構成では、88～93%が「読むだけ」のサブエージェントで費やされている。つまり、フロンティアモデルの最大の無駄は「能力の高い推論をさせること」ではなく「同じ文脈を何度も読ませること」だったのだ。

対策として著者は、DeepSeek V4 Flash を読み取り専用の自律ワーカーとしてMCPサーバ化した。glob・grep・read_file・web_search を自前ループで回し、圧縮レポート（12k文字程度）だけを返す設計だ。重要な点は、ワーカーが読んだファイルはメインモデルの文脈に入らないこと。1M トークン読んでも返るのは数千トークルのレポートだけなので、以後のターンで「再読」されるのはレポートだけになる。実測で同種タスクが$392から$4.5へ、つまり99%の削減を実現した。これは「どのモデルが強いか」という議論とは別の、「そもそもアーキテクチャをどう設計するか」という判断の転換である。

「AIエージェントは費用が高い」という懸念は広い。だが本記事の教訓は明確だ：全部をフロンティアモデルにやらせるな。データ収集はDeepSeek、意思決定は Claude といった役割分業を最初から設計すれば、月々のAI費用は劇的に圧縮できる。特に社内ナレッジの検索・集計・要約といった「読むだけの仕事」は、安価なモデルに任せるべき土台が見えた。