**AIエージェントハーネスの設計**（2026年最新視点）

「AIエージェント ハーネス 設計」というクエリは、現在最もホットなトピックのひとつです。2026年現在、「ハーネス」は単なるプロンプトやツールラッパーではなく、**LLMを信頼できるエージェントに変えるための包括的な周辺システム**を指します。

多くの専門家が言うように、「**The model is not the agent. The harness is.**」です。モデルを大きくするより、ハーネスを改善した方が劇的に性能が向上する事例が続出しています（SWE-benchで6.7%→68.3%になった例など）。

### 1. ハーネスとは何か

ハーネスとは、以下の要素を統合した**メタレイヤー**です：

- **Memory**：作業記憶・意味記憶・エピソード記憶・長期個人記憶
- **Skills / Procedures**：操作手順、意思決定ヒューリスティック、規範的制約
- **Protocols**：ツール呼び出し規約、通信規約、承認フロー
- **Operational Infrastructure**：サンドボックス、観測可能性、評価機構、ガバナンス、サブエージェントオーケストレーション

要するに「**エージェントが迷わず・壊れず・改善し続けるための足場**」全体です。

最近注目されているのは**JIT-Agent**（Just-in-Time Harness Evolution）です。タスクごとに最適なハーネス（計画の仕方・ツール選択・記憶の仕方・行動手順）を動的に生成し、失敗からハーネス自体を改善していくアプローチです。固定ハーネス（Claude Code風など）を上回る性能を出しています。[[1]](https://x.com/LangChainJP/status/2096969356706034092)

### 2. 推奨アーキテクチャ（7レイヤーハーネス）

現在のベストプラクティスは、以下のような**階層化されたハーネス**です（ETCLOVGアーキテクチャやHarness-of-Harnessの論文から着想）。

1. **Execution Sandbox Layer**
- すべての外部作用をサンドボックス化（仮想ブラウザ、APIモック、ファイルシステム制限）
- 権限レベル管理（read-onlyツール、確認必須ツール）

2. **Tool & Protocol Layer**
- ツールの型定義（Pydantic厳格スキーマ）
- 呼び出しプロトコル（structured output強制、retry policy、fallback）
- ツールの自己記述（ツールが自分自身をエージェントに説明できる）

3. **Context & State Management Layer**
- 複数の記憶階層（短期バッファ、要約メモリ、ベクトル記憶、グラフ知識）
- コンテキスト圧縮機構（重要度による自動圧縮）
- 現在の「作業コンテキスト」の明確な状態表現

4. **Lifecycle Graph Layer（最も重要）**
- **LangGraph**を強く推奨
- 状態遷移を明示的なグラフとして定義（ReAct、Plan-Execute-Verify-Reflectなど）
- 人間の介入ポイント（human-in-the-loop）をグラフノードとして明示
- Checkpointingで途中再開・時間旅行デバッグが可能

5. **Observability & Tracing Layer**
- OpenTelemetry + LangSmith / Phoenix / Helicone
- すべての思考・ツール呼び出し・状態遷移を構造化ログ化
- コスト・レイテンシ・失敗パターンの自動分析

6. **Verification & Evaluation Layer**
- Rule-based verifier + LLM-as-Judge（複数視点）
- Golden Trajectoryとの比較
- 自動テストスイート（特にコーディングエージェントでは「計画→実装→独立テスト→証拠蓄積」のループが非常に有効）
- Harness-of-Harness：上位ハーネスが下位エージェントの出力・プロセスを検証・修正

7. **Governance & Safety Layer**
- ポリシー強制（LlamaGuard系、NeMo Guardrails）
- 承認フロー
- バージョン管理されたハーネス（ハーネス自体をGit管理・実験トラッキング）

### 3. 設計原則（これを守ると強い）

- **Predictability First**：アーキテクチャ自体が予測可能であること（フォルダ構成、命名規則、インターフェース）がエージェントの迷いを減らす。
- **Reproducibility**：シード固定、trajectory recording & replay、deterministic mode。
- **Modularity + Versioning**：ハーネスを「バージョン管理可能な構成物」として扱う（Prompt + Graph + Memory Config + Toolsセット）。
- **Fail Fast & Learn**：失敗を「ハーネスの改善材料」とみなす（JIT方式の本質）。
- **Progressive Disclosure**：シンプルなタスクはシンプルなハーネス、複雑なタスクは高度なハーネスを動的に適用。

### 4. 実装の推奨スタック（2026年現在）

- **コア**：LangGraph（最強のLifecycle Graph実装）
- **記憶**：LangGraphのチェックポインティング + PGVector / Qdrant + グラフDB
- **評価**：DeepEval拡張版 + 独自Verifier
- **実験管理**：MLflow or Weights & Biasesで「ハーネスバージョン」を管理
- **動的ハーネス生成**：o1/o3系やDeepSeek-V4のような強い推論モデルで「ハーネス生成プロンプト」を実行
- **オープンソース例**：`ai-dev-helm`（Crearizeの公開ハーネス）も参考に。

### 5. 今後の方向性

- **Harness Intelligenceのスケーリング**：モデルを大きくするのではなく、ハーネス自体を進化させる（JIT-Agentのアプローチ）
- **Self-Improving Harness**：エージェントが自らのハーネスを改善する閉ループ
- **Domain-specific Harness**：業務ドメインごとに最適化されたハーネスライブラリ（会計、エンジニアリング、クリエイティブなど）

---

**すぐに設計を始めるなら**、以下の順で作ることをおすすめします：

1. LangGraphで明確な状態遷移グラフを書く
2. 厳格なTool ProtocolとVerifierを最初に実装
3. Observabilityを完璧に整備（これがないと改善できない）
4. 失敗trajectoryを蓄積→ハーネス改善ループを作る

必要であれば、具体的なユースケース（コーディングエージェント、業務自動化エージェント、研究エージェントなど）を教えてください。より詳細なレイヤー設計図、LangGraphのサンプルコード、JITハーネス生成プロンプトなども提供できます。

この分野は現在進行形で最も価値が出やすい領域の一つです。良いハーネスを作れるかどうかが、2026〜2027年のエージェント開発者の差別化要因になると考えています。