特許請求の最適化は、新規性を最大化しつつ法的範囲を維持するために慎重なバランスを要求する重要かつ難しい作業です。手動による請求書の作成は労力がかかり、コストも高く、一貫性を欠くことがあります。また、従来の大規模言語モデル（LLM）は、正確な請求修正に必要な構造的で反復的な推論を欠くことがよくあります。そこで本研究では、請求編集をガイドされた検索問題として再定義した「請求樹（ToC）」という革新的なフレームワークを提案します。ToCは、文脈に基づいた編集案を提示するエディターエージェントと、特許審査官の批評を模倣する審査エージェントからなる共同のマルチエージェントシステムを統合します。ToCは、成果物の新規性、範囲保持、意味的整合性を共同最適化し、1145の請求を使った実験により、従来のLLMよりも優れたパフォーマンスを示し、平均8％のスコア改善を達成しました。