Dynamic Workflowsを使うにはどのバージョンが必要ですか？

`claude --version`で確認し、v2.1.154以上が必要です。Proプランは`/config`で手動有効化が必要で、Max/Team/Enterpriseはデフォルトで有効です。Enterpriseはadminがバックエンドで先に有効化する必要があります。

Dynamic Workflowsとは何ですか？一言で説明してください。

ClaudeがJavaScript orchestrationスクリプトを自動生成し、あなたのcontext windowの外で独立して実行するシステムです。最大1,000個のサブエージェントを並列で協調させ、結果はClaudeのメモリではなくscript variablesに保存されます。

ワークフローを1回実行すると、どのくらいのトークンを消費しますか？

タスクの規模によります：狭いタスクは約10k tokens、大規模なmigrationは2M tokens以上になることも。実測例：113エージェントで1.95M tokensを12.5分で消費。モデルを階層化（軽量タスクはHaikuを使用）することでコストを大幅に削減できます。

Dynamic WorkflowsはどのプランExで使えますか？Proユーザーも使えますか？

Pro、Max、Team、Enterpriseの全プランで利用可能です。Proは`/config`で手動有効化が必要で、Max/Teamはデフォルトで有効です。Enterpriseはadminがバックエンドで先に有効化する必要があります。

CursorやGitHub CopilotにもOrchestration機能はありますか？

本記事公開時点では、CursorとGitHub Copilotのエージェントモードは対話型の単一タスク実行で、一度に1つのサブタスクしか処理しません。Dynamic Workflowsの違いは、orchestrationロジックと実行の分離にあります：最大16エージェントが並列実行でき、orchestrationスクリプトを保存して繰り返しトリガーできます。

Claude Code Dynamic Workflows 実践ガイド 2026：動的ワークフローの有効化から6つのOrchestrationパターンまで

Claude Code v2.1.154は、AI支援開発のスケール限界を静かに塗り替えました。かつては開発者が手動でorchestrationロジックを設計しなければならなかった並列ワークフローが、ClaudeがJavaScriptスクリプトを自動生成してcontext外で独立実行し、最大1,000個のサブエージェントを並列で協調できるようになりました。

しかし「できる」と「やる価値がある」は別の話です。このガイドはDynamic Workflowsの強さを宣伝するためのものではありません。いつ使うべきか、コストをどう管理するか、6つのorchestrationパターンがそれぞれどんなタスクに適しているか、そしてどんな使い方をすると50倍のトークンを浪費して何も得られないか——これらを明確にするためのものです。

Anthropicの公式ドキュメントとコミュニティの実測に基づき、すべての技術的詳細をクロス検証しています。

TL;DR

Dynamic Workflowsは「並列タスク実行」ではなく「イベント駆動のorchestrationアーキテクチャ」
適したタスク：10個以上の独立したサブタスク、並列処理可能、品質のクロス検証が必要
不向き：探索的タスク、ステップごとの確認が必要な作業、厳しいトークン予算
コストは10〜50倍になるが、4つの管理戦略で制御可能
最速の入門：/deep-research <質問>で5分以内に体験可能

Dynamic Workflowsとは？3分でわかる概念整理

「Dynamic Workflows」と聞いて、多くの人は「Claudeが複数のタスクを同時に実行するもの」と想像します。それは半分正しいですが、最も重要な部分が抜けています。

認識の転換：Dynamic Workflowsは単に「Claudeが複数タスクを同時実行する」仕組みではなく、イベント駆動のorchestrationアーキテクチャです。Claudeが生成するのは会話ではなく、JavaScriptスクリプトです。そのスクリプトをindependent runtimeがClaudeのcontext外で実行します。

アーキテクチャの流れ：

あなたのprompt → Claudeがタスクを分析 → JS orchestrationスクリプトを生成
→ runtimeがスクリプトを独立実行 → サブエージェントを順次呼び出し
→ 結果をscript variablesに保存 → 完了後あなたに返す

これが意味すること：1,000個のサブエージェントの中間結果があなたのcontext windowを埋めることはありません。ワークフローの状態はscript variablesに存在し、Claudeのメモリにはありません。この違いを理解すれば、後の判断が明確になります。

主要スペック（Anthropic公式ドキュメントより）：

最大1,000サブエージェント/実行
最大16並列実行
Claude Code v2.1.154以上が必要（claude --versionで確認）
対応プラン：Pro（手動有効化が必要）/ Max / Team / Enterprise（デフォルト有効）

Dynamic Workflows vs. 手動並列Worktrees：どちらを使うか判断フレームワーク

すでにClaude Code parallel worktreesを使っている開発者からよく聞かれるのが「切り替えるべきか？」という問いです。答えは「代替ではなく、異なるスケールのツール」です。

項目	手動Parallel Worktrees	Dynamic Workflows
orchestrationロジックを書く人	開発者が手動設計	ClaudeがJSスクリプトを自動生成
結果の保存先	各エージェントのcontext window	Script variables（Claude contextを消費しない）
中断後の再開	最初からやり直し	セッション内で再開可能
スケール	context制限あり	最大1,000エージェント/実行
再実行	手動で再設定が必要	`/<command>`として保存して再トリガー可能

両者は相互排他ではありません：Dynamic Workflowsの内部でworktreeオプションを使ってファイル変更を分離しながらエージェントを実行することもできます。

3次元判断マトリクス

Dynamic Workflowsを使うべき状況：

タスクを10個以上の独立した並列サブタスクに分割できる
品質確保のためのadversarial verification（相互検証）が必要
高いトークンコストを許容できる
同種のタスクを繰り返し実行する（保存して再トリガー）

手動worktreesや対話を使い続けるべき状況：

サブステップが5〜10個未満
ステップごとの人的sign-offが必要
日常開発の厳しいトークン予算制約
探索的・創造的な作業や初期設計フェーズ

シンプルな判断基準：「このタスクをどう並列サブタスクに分けるか」を考えているなら、Dynamic Workflowsを検討する価値があります。「次に何をすべきか」を考えているなら、対話を続けましょう。

3つの起動方法：workflowから/deep-researchまで

Dynamic Workflowsには3つの入口があり、複雑さの順に並べています。

方法1：workflowキーワード（単発起動）

promptの先頭にworkflow:を追加するだけでDynamic Workflowをトリガーできます：

workflow: audit every API endpoint under src/routes/ for missing auth checks

バージョンの注意点：

v2.1.154〜v2.1.159：正確なキーワードはworkflow:で、自然言語トリガーもこのバージョンで有効です
v2.1.160以降：より柔軟なトリガーオプションに対応（例：「use a workflow to audit...」）

自然言語トリガーは両バージョンで機能します。違いは精確なキーワード自体のみです（v2.1.160前はworkflow:、v2.1.160以降はより多くの選択肢）。

コードベースのmigrationの例：

workflow: migrate all React class components under src/components/ to functional components with hooks, then run tests to verify

方法2：/effort ultracode（セッション全自動モード）

セッション開始時に/effort ultracodeを入力すると、Claudeがxhigh reasoningを組み合わせて、どのタスクにワークフローが必要でどれが通常の対話で十分かを自動判断します。セッション終了時にリセットされます。

適したシナリオ：探索的タスクと実行タスクが混在する複雑な作業セッションで、どちらのアプローチを使うかClaude自身に判断させたい場合。

方法3：/deep-research（即時体験、設定不要）

最速のオンボーディング方法：

/deep-research TypeScriptにおけるtype guardのベストプラクティス

これは組み込みのワークフローで、複数角度のウェブ検索、情報のクロス検証、引用付きレポートの作成を自動で行います。設定不要、orchestrationを理解する必要もなく、5分でワークフローの違いを体験できます。

起動後の操作

ワークフローが始まると/workflowsビューが表示されます。主要な操作：

キー	機能
`/workflows`	すべてのワークフローの実行進捗を確認
`p`	一時停止 / 再開
`x`	停止（完了した作業は保存される）
`s`	`/<command>`として保存し、繰り返しトリガー可能に

Proプランの追加手順：/configに進みDynamic Workflowsのトグルを手動で有効化してください。これをしないとworkflow:キーワードは何も反応しません。

Enterpriseプラン：adminがClaude Code admin settingsでまず有効化する必要があります。それ以降にユーザーがオプションを確認できます。

6つのOrchestrationパターンと実践例

Anthropicの公式ドキュメントは6つのコアorchestrationパターンを定義しています。重要な認識：これらのパターンは通常、組み合わせて使用するものであり、単独では使いません。

1. Classify-and-Act（分類実行）

ロジック：タスクの種類別に振り分け、異なる種類を対応するエージェントに渡す。

適したシナリオ：

GitHubのissueトリアージ（bug/feature/questionに分類し、それぞれ異なるフローをトリガー）
サポートキューの振り分け（技術 vs. 課金 vs. 機能リクエスト）

workflow: triage all open GitHub issues in this repo, categorize by type (bug/feature/docs/question), assign priority (P0/P1/P2), and add appropriate labels

2. Fan-Out-and-Synthesize（分散合成）

ロジック：大きなタスクを並列サブタスクに分割して実行し、結果をまとめる。

適したシナリオ：

大規模なコードベースのmigration（複数モジュールを同時処理）
多数のファイルやAPIエンドポイントの統一的な監査

Anthropicの公式ブログが引用したBunの事例：750K行のコードベースのportタスクで、fan-outによりコードベースをモジュール別に分割し、並列実行後に結果をマージして、全体の時間を大幅に短縮しました。

3. Adversarial Verification（対抗検証）

ロジック：同じ問いに複数の独立したエージェントがそれぞれ回答し、別のエージェントが差異をクロス比較・検証する。

適したシナリオ：

セキュリティ監査（2エージェントが独立して脆弱性を発見、3つ目がクロスチェック）
信頼性の高い調査レポート（単一エージェントの確証バイアスを避ける）
本番環境レベルのコードレビュー（単一エージェントよりも見落としが少ない）

「何も見落とさないことを確保したい」という場合に最も効果的なパターンです。

4. Generate-and-Filter（生成フィルタリング）

ロジック：複数の候補案を生成し、評価基準でフィルタリングして最良の解を導き出す。

適したシナリオ：

アーキテクチャ選定（5つの設計案を生成してスコアリング）
API設計の評価（複数設計を並列で、制約を満たさないものをフィルタリング）
命名やUIオプションなど、後期収束が必要なクリエイティブなタスク

5. Tournament（トーナメント比較）

ロジック：ペアワイズ比較（A対B、C対D、勝者同士が対決）を繰り返して最終答えを導く。

適したシナリオ：

複数の実装案からの最終選択
パフォーマンス比較（5つのアルゴリズム、トーナメントで最速を決定）
デザイン評価（異なるUIパターン）

Generate-and-FilterとTournamentの違い：Filterは明確な基準でオプションを排除し、Tournamentは比較で選択します。明確なスコアリング基準がある場合はFilter、主観的判断が必要な場合はTournamentを使いましょう。

6. Loop Until Done（条件満足まで繰り返し）

ロジック：指定された条件が満たされるまでトリガーし続ける。

適したシナリオ：

すべてのテストが通過するまでバグを修正
リンティングスコアが閾値に達するまでコードをリファクタリング
criticalまたはhigh重大度の所見がなくなるまでセキュリティスキャン

workflow: fix all failing tests in src/__tests__/, run the full test suite after each fix, loop until all tests pass or you've tried 10 iterations

実際の組み合わせ事例

大規模なコードベースmigrationの完全フローは通常このようになります：

Fan-out：750K行のコードベースをモジュール別に分割、16エージェントが並列処理
Adversarial verification：各モジュールの出力を独立したエージェントが検証し、新たなバグが混入していないことを確認
Tournament：複数の有効な実装が存在するモジュールについて、トーナメントで最終バージョンを選択

1つのパターンを最後まで使い続けるのではなく、タスクの各フェーズに合わせてパターンを組み合わせます。

トークンコストの見積もりと管理

これはDynamic Workflowsで最も軽視されがちな側面です。

コストの現実：Dynamic Workflowsのトークン消費量は通常の対話の10〜50倍になることがあります。コミュニティの実測例：113エージェントで1.95Mトークンを12.5分で消費しました。

おおよそのコスト範囲：

狭いタスク（10エージェント未満）：約10k〜50k tokens
中規模タスク（20〜50エージェント）：約200k〜500k tokens
大規模migration（100+エージェント）：1M〜2M+ tokens

4つの管理戦略

戦略1：小さな範囲から始める

最初からリポジトリ全体を実行しないでください。1つのディレクトリやモジュールでテストし、出力が期待通りかを確認してからスケールアップします：

# まず1ディレクトリでテスト
workflow: audit API endpoints under src/routes/auth/ for missing auth checks

# 確認後に拡大
workflow: audit all API endpoints under src/routes/ for missing auth checks

戦略2：モデルを階層化する

軽量タスクにはHaikuを明示し、複雑な推論にのみSonnetまたはOpusを使います。Anthropicのpricing pageによると、HaikuはOpusより約15〜25倍安価です（実際の倍率はモデルバージョンにより変わるため、公式pricing pageを確認してください）：

workflow: use haiku for classification and formatting tasks, use sonnet only for code generation and reasoning steps; audit all components under src/

戦略3：構造化されたhandoff

エージェント間では完全なcontext historyではなく、必要な構造化サマリーのみを渡します。promptで出力フォーマットを明示してください：

workflow: for each module, output only: module name, issues found (list), recommended fixes (list). Do not include full code in the handoff.

戦略4：トークン予算を設定する

promptで予算を明示し、Claudeが制約の中で作業できるようにします：

workflow: use approximately 10k tokens total; audit the most critical API endpoints first, stop when budget is reached

リアルタイム監視：/workflowsビューは各エージェントのライブトークン使用量を表示します。いつでもxで停止でき、完了した作業は保存されます。

よくある反パターン

公式ドキュメントとコミュニティのテストに基づいて、最も一般的な5つのミスを整理しました。

反パターン1：探索的タスクにワークフローを使う

問題：探索的タスクは出力が予測しにくく、無駄な出力にトークンを浪費します。また実行途中で方向を変えることができません。

代わりに行うこと：まず通常の対話でアプローチを明確にしてください。方向が確定してからワークフローで実行します。Dynamic Workflowsは実行フェーズ（「何をすべきかわかっている」）に適しており、探索フェーズ（「何をすべきかまだ考えている」）には適しません。

反パターン2：長いワークフローをセグメント化しない

問題：Dynamic Workflowsの再開性はセッションスコープです。Claude Codeを閉じて新しいセッションを開くと、ゼロからやり直しになります。長すぎるワークフローは中断後に完全な再実行が必要になります。

代わりに行うこと：明確なinput/output境界を持つ複数の短いワークフローを設計してください。大規模なmigrationを「分析+計画」「モジュールA〜E実行」「モジュールF〜K実行」の3つの独立したワークフローに分割し、それぞれ完了後に確認してから次をトリガーします。

反パターン3：全エージェントをOpusで実行する

問題：コストが10〜50倍になります。ほとんどのサブタスク（分類、フォーマット、検索）にはOpusレベルの推論は必要ありません。

代わりに行うこと：複雑な推論が本当に必要なエージェントにのみOpusやSonnetを使い、分類・フォーマット・データ抽出にはHaikuを明示的に指定してください。

反パターン4：バージョンに合わない誤ったキーワードを使う

問題：v2.1.154〜v2.1.159の正確なトリガーキーワードはworkflow:であり、他のバリアントは機能しません。誤ったキーワードを使うと、Claudeは通常通り返答し、エラー表示もなくトリガーが失敗します。自然言語は両バージョンで有効です。

代わりに行うこと：まずclaude --versionで確認してください。v2.1.160前は正確なworkflow:プレフィックスを使用し、v2.1.160以降はより柔軟なトリガーオプションが利用できます。自然言語は両方でサポートされています。

反パターン5：ワークフローを一般的なタスク管理ツールとして扱う

問題：Dynamic Workflowsは実行中にユーザーからの指示を受け付けません。「ステップ1を実行し、確認して、ステップ2を実行する」というプロセスが必要な場合、このアーキテクチャはサポートしていません。

代わりに行うこと：人的承認ポイントのあるワークフローを複数の独立したワークフローに分割してください。それぞれを完了させ、出力を手動で確認してから次をトリガーします。または手動worktreesとステップバイステップの対話を組み合わせてください。

まとめ

Dynamic Workflowsが変えるのは、Claudeができることではなく「誰がワークフローを設計するか」です。かつては開発者が手動でorchestrationロジックを組み立てる必要がありましたが、今はClaudeがその役割を担い、開発者は「どんなタスクを実行したいか」と「どのくらいのトークンコストを許容できるか」だけを把握すればよくなりました。

最も障壁の低い入門方法：/deep-research <質問>は設定不要で5分以内にワークフロー実行を体験できます。バージョンがv2.1.154以上であることを確認した後、実際に気になる調査質問を試してみてください。ワークフロービューでエージェントがどのように連携するかを観察できます。

慣れてきたら、このガイドの判断フレームワークを実際のプロジェクトのmigrationや監査タスクに適用してください。まずは狭い範囲でテストし、トークンコストが許容範囲内であることを確認してからスケールアップしましょう。