Consensus Scholar Agent: GPT-5 と Responses API を用いた研究自動化

Consensus Scholar Agent は、専門エージェントの協調ワークフローを採用することで、Consensus を垂直検索エンジンからエージェント型アシスタントへと転換します。このモジュラー設計により、推論が正確に保たれ、各エージェントの範囲を限定することで幻覚（ハルシネーション）を最小化します。

システムは主に4つのエージェントを利用します：

• Planning Agent: ユーザーのクエリを分解し、必要なアクションの順序を決定します。
• Search Agent: Consensus の論文インデックス、ユーザーのプライベートライブラリ、引用グラフをスキャンします。
• Reading Agent: 学術論文を個別またはバッチで解釈します。
• Analysis Agent: 最終結果を統合し、ビジュアル構造を決定し、出力を作成します。

このアーキテクチャはチームが「コンテキストエンジニアリング」と呼ぶ手法を実装しており、システムは最終生成の前に「研究コンテキストパック」―メタデータと発見を構造化したバンドル―を組み立てます。関連する研究が品質基準を満たさない場合、システムは情報を捏造するのではなく、回答を控えるようにプログラムされています。

Responses API と GPT-5 による技術実装

Consensus は、マルチエージェントのルーティングをより良くサポートするために Chat Completions API から Responses API へ移行し、コスト効率と信頼性を向上させました。チームは、初期評価で GPT-5 が GPT-4.1、Sonnet 4、Gemini 2.5 Pro をツール呼び出し精度と計画の安定性という2つの重要な領域で上回っていることを確認し、GPT-5 を選択しました。

この変更により、開発チームはプロンプトの最適化ではなく、エージェントの動作を実際の研究ワークフローにマッピングすることに注力できました。

市場採用と臨床応用

Consensus は、学術機関を通さずに学生、教員、臨床医を対象としたダイレクト・トゥ・コンシューマーモデルを採用しました。この戦略により、プラットフォームは世界中で800万人以上の研究者に利用され、過去1年間で収益が8倍に増加しました。

• User Base: 大学院生、博士課程の候補者、教員の間で急速に利用者が増加しています。
• Medical Mode: 臨床エビデンスを求める実務者向けに特化した新機能です。
• Institutional Partnerships: 同社は最近、Mayo Clinic の医療図書館と提携を締結しました。

将来のスケーラビリティ

プラットフォームのモジュラーアーキテクチャは、モデル機能が拡張されるにつれて新しいエージェントの統合を可能にするよう設計されています。将来的に計画されている機能には、実験を再現できるエージェント、統計解析を実行できるエージェント、図表を生成できるエージェントが含まれます。