**AIエージェント ハーネス設計**（2026年最新知見まとめ）

「ハーネス設計」（Harness Engineering）は、プロンプトエンジニアリング、コンテキストエンジニアリングの次のレイヤーとして現在最も注目されている領域です。簡単に言うと：

> **LLM + Harness = Agent**
> モデルは「脳（推論エンジン）」、ハーネスは「身体・OS・ランタイム」である。

モデル自体を大きくする（Model Scaling）のではなく、ハーネスを強くすることで劇的に性能が向上するというのが現在のコンセンサスです。

### 1. ハーネスとは何か

ハーネスとは、**生のLLMを本物の自律エージェントに変えるための全ソフトウェア層**です。主な役割は以下の通り：

- 状態管理（Memory）
- 実行環境の提供（Sandbox + Tools）
- フィードバックループの制御（Runtime Loop）
- ガバナンスと安全制御（Validator + Governance）
- コンテキストの最適化と圧縮

最近の議論では、特に以下のフレームワークが有効とされています：
- **Memory / Skills / Protocols** の3層に分離する考え方
- **Ralph Loop**（モデルが「完了した」と言い出しても、ハーネスがインターセプトして自動検証を強制し、失敗したら続きをやらせるパターン）

### 2. 最強パターン：3-Agent Harness（Anthropic系）

現在最も成果が出ているのは**責務を明確に分離した3エージェント構成**です。

- **Generator / Creator Agent**：仕様・コード・計画を作成
- **Executor / Worker Agent**：実際に作業を実行（ファイル編集、コマンド実行など）
- **Evaluator Agent**：独立して成果物を厳密に評価（これが超重要）

**自己評価バイアス**を避けるために「作る役割」と「評価する役割」を完全に分離するのが最大のポイントです。単一エージェントでは自分の出力に対して甘くなりがちですが、これで大幅に品質が向上します。

### 3. ハーネス設計の主要コンポーネント

#### コアプリミティブ
1. **Persistent Workspace (真実のソース)**
- ファイルシステムを第一級の記憶にする
- 中間成果物、ログ、仕様書をすべてディスクに書き出す
- 複数のサブエージェントが同じワークスペースを共有可能

2. **Context Governor（コンテキスト統治層）**
- 単純にコンテキストを詰め込むのではなく、構造化ハンドオフを行う
- 重要な情報は要約ではなく「構造化された形式」で引き継ぐ
- 古い情報（stale-but-confident）を積極的に排除

3. **Tool + Sandbox Layer**
- 完全に隔離された実行環境（Docker / E2B / Firecracker推奨）
- 権限レベルを明確に（read-only → sandbox edit → production）
- 危険操作はHuman-in-the-Loop必須

4. **Validator & Ralph Loop**
- 単なる「LLM-as-Judge」ではなく、決定論的validator（テスト実行、リント、型チェック、JSON Schemaなど）を最優先
- モデルが早期終了しようとしたら自動で検証スイートを実行し、失敗したら「直して続けろ」と強制

5. **Governance Layer**
- 最大ターン数、予算上限、 oscillation検知
- サブエージェントへの動的スキルルーティング

6. **Observability**
- 完全なトレース（思考→行動→観測→評価）
- コスト・トークン・失敗パターンの可視化

### 4. 設計原則（これを守れ）

- **「モデルを触らずにインターフェースを変える」**思想を徹底
- 失敗パターンをハーネス側の再利用可能な**Intervention（介入）**に変換する
- ハーネス自体をレビューしやすくモジュール化する（現在これが一番難しい）
- 再現性を最優先（シード固定、完全トレース保存）

### 5. 実装を始めるなら

**Minimal Viable Harnessの推奨順序**：

1. シンプルなReActループ + Workspaceフォルダ + 決定論的Validator
2. Ralph Loopの実装（早期終了インターセプト）
3. 3-Agent構成への拡張（Generator + Executor + Evaluator）
4. 動的スキルルーティング + 高度なガバナンス

技術スタック例：
- Python + Pydantic v2
- LangGraph（状態遷移を明示的に書くのに強い）
- または完全にゼロから書く（魔術を減らすため多くの人が推奨）

### 6. 今後の課題

- **ハーネスベンチマーク**の不在（レビューしづらい、効果が分かりづらいという声が強い）
- ハーネス自体をAIで自動改善する「メタハーネス」
- 企業ユースでのガバナンス・監査対応

---

この設計思想は「モデルがどうあがいても、ハーネスが弱ければ大したことはできない」という現実認識に基づいています。逆に言えば、**同じモデルでもハーネスの質で性能が2倍、3倍、時には10倍近く変わる**時代です。

具体的に「コーディングエージェント用」「Web操作エージェント用」「研究エージェント用」など、特定のドメインに特化したハーネス設計を深掘りしたい場合は、用途を教えてください。より具体的なアーキテクチャ図やコード構成をお伝えします。