エージェントハーネスとは

エージェントハーネスとは

エージェントハーネスは、AIエージェントのうちLLM（Large Language Model）を除いた部分を担当するソフトウェアです。
ツールの実行、作業の記録、権限と承認、完了前の検品などを担当し、人による詳細な監督がなくても作業を委任しやすくします。
LLMはツールの呼び出しを指示する文章を出力しますが、ファイルの参照やシステムの操作を自ら実行することはありません。
ツールを実行するのは、利用者のアプリケーションか提供者の実行環境です。
ハーネスはLLMの指示に従ってツールを実行し、結果をLLMに返却し、作業の進捗を保存し、許可していない操作を停止します。
LangChainは、エージェントはモデルとハーネスの合計で、モデル以外のコード、設定、実行の制御はすべてハーネスだと説明しています。

たとえばコーディングエージェントの製品は、ファイルの読み書き、コマンドの実行、作業ルールの文書の参照、操作前の承認の仕組みをLLMと統合しています。
LLM以外のこれらの仕組みの全体がハーネスです。
同じLLMを採用した製品どうしでも、ハーネスが異なれば作業の進め方と成果が変化します。
LLMが判断を担当する頭脳だとすれば、ハーネスは工具、作業の記録、作業手順、検品の工程を備えた作業場に相当します。

AIエージェントは、モデルとハーネスで構成される仕組み全体の名前です。
固定の指示文で質問に回答するだけのチャットボットには、エージェントハーネスの全体は必要ないとGoogle Cloudは説明しています。
ハーネスが必要になるのは、ツールを実行させ、結果に応じて次の手順を選択させる作業を委任する場合です。
ソフトウェアのテストに使用するテストハーネスや、モデルの性能を測定する評価ハーネスも同じハーネスという語を使用しますが、エージェントハーネスとは別のものです。

モデルの性能だけでは業務の作業を委任できない理由

LLMの性能が向上しても、長時間の作業を委任すると、モデルの知識とは別の原因で失敗します。
Anthropicは、自社のエージェントで次のような失敗が発生したと報告しています。

• 一度に全体を作成しようとして、途中でコンテキストウィンドウの上限に到達する
• 未完成の段階で作業の完了を報告する
• 動作を確認しないまま完了として処理する

これらは作業の分割、進捗の記録、完了前の確認という、モデルの外側の仕組みで発生を抑制できる失敗です。

同じモデルのままハーネスだけを改修して成績が向上した例もあります。
LangChainは、モデルを固定してハーネスだけを調整し、コーディングの課題集であるTerminal Bench 2.0で達成した課題の割合を52.8%から66.5%に改善したと報告しています。

この課題集の結果の統計的な分析では、最良のハーネスを選択する効果は最良のLLMを選択する効果と同程度で、効果はモデルとの組み合わせで異なりました。
モデル単体の順位だけでは、エージェントの成果を判断できません。

ハーネスが担当する機能

機能	内容	欠如した場合に起こりうる結果
ツールの実行	検索、ファイル、社内システムの呼び出し	必要な情報を取得できず、推測で回答する
作業の記録	進捗、決定事項、中断した位置の保存	長時間の作業で同じ作業を反復し、中断すると最初から再開する
入力の管理	LLMに入力する指示、資料、履歴の選択と要約	コンテキストウィンドウの上限に到達し、不要な情報が必要な情報と混在して精度が低下する
反復と停止	次の手順の実行、回数と予算の上限	作業が終了せず、費用が増加する
権限と承認	操作の許可、人への承認の依頼、実行環境の隔離	範囲外の削除や送信が実行される
結果の確認	テスト、出力の形式の判定、完了前の確認	未完成のまま完了を報告する

製品によってハーネスに含める範囲は異なります。
指示文を含める説明も、実行環境の制御だけを指す説明もあります。
会議で語の範囲が一致しない場合は、上の機能のどれを指しているかを確認します。

ハーネスの効果とコスト・リスク

効果

• 同じモデルのまま、作業の完了率や正確さを改善できる
• 失敗の種類ごとに、記録、確認、承認といった対策を追加できる
• モデルの選択と、権限、承認、記録の設定を分離して管理できる

コストとリスク

• 費用と待ち時間の増加。エージェントの分割や確認の工程を追加すると、モデルの呼び出しの回数と費用が増加する。工程が順に実行される構成では待ち時間も増加する。Anthropicが2Dのレトロゲームの制作ツールを作成する1つの課題で比較した結果では、所要時間と費用が単一のエージェントの構成で20分と9ドル、計画、作成、評価の3つのエージェントに分割した構成で6時間と200ドルだった。分割した構成の費用は単一の構成の20倍以上で、品質は分割した構成が明確に高かった

• プロンプトインジェクション。ツールで取得したWebページ、メール、社内文書に記載された指示に従い、付与した権限で送信や削除をする攻撃。被害の範囲の大部分はハーネスが許可する操作に依存する
• 保守の継続。モデルの更新で不要になる仕組みや、モデルごとに再調整する設定がある
• 提供者による更新。製品のハーネスは提供者が更新することがあり、利用者が変更しなくても動作が変化する場合がある
• 評価の工数。改修の効果は実際の作業で測定しないと判定できない

エージェントの比較はハーネスを含めた全体で行う

エージェントの製品や社内で構築するエージェントを選択するときは、採用しているモデルの名前ではなく、ハーネスを含めた全体を自社の業務の実例で比較します。
公開されているモデルのベンチマークの順位は特定のハーネスで測定した結果で、自社の作業での成果を示しません。

比較では、目安として実際の作業を数十件用意し、完了した割合、人が修正した量、1件あたりの費用と処理時間を記録します。
同時に、製品の資料か構築の担当者への質問で、次の点を確認します。
右の列は、確認の結果として満たしたい状態です。

確認すること	満たしたい状態
どのツールを、どの権限で実行するか	業務に必要なツールだけで、書き込みや送信は業務ごとの専用の権限で実行する
どの操作の前に人の承認を求めるか	社外への送信、支払い、削除など取り消しが困難な操作の直前に承認がある
外部から取得した内容を参照した後に、何を実行できるか	外部の文章を参照した作業では、送信や削除を人の承認なしに実行しない
作業の記録が保存されるか	1件ごとに、参照した資料、実行したツールと入力、出力が保存され、後から監査できる
完了を報告する前に、何で結果を確認するか	テストや形式の判定など、人の確認の前に合否を判定する手段がある
手順の数と費用に上限を設定できるか	1件あたりの手順の数と予算の両方に上限があり、到達したら人へ引き継ぐ
モデルを変更したときに再評価できるか	同じ実例で再評価してから変更できる

製品のハーネスの利用と自社での構築の判断

製品の権限の設定とデータの保存の条件が自社の要件に適合する場合は、製品のハーネスをそのまま利用し、作業ルールの文書、使用してよいツール、承認の設定、テストを外側に追加する形で十分です。
Thoughtworksの技術者であるBirgitta Böckelerは、Martin Fowlerのサイトの論考で、製品に内蔵されたハーネスと、利用者が外側に追加する仕組みを区別しています。

選択肢は次の3つです。

• 製品をそのまま利用する
• エージェントの開発キットやフレームワークを利用して構築する
• すべて自社で構築する

開発キットを利用する形は、実行の反復や記録の仕組みを開発キットに委任し、ツールの接続、権限、評価を自社で作成する形です。
ツールの接続と権限を自社で作成する範囲が広範なほど、保守の負担はすべて自社で構築する場合に近くなります。
すべて自社で構築するのは、開発キットの仕組みが自社の権限や記録の要件に適合せず、すべての仕組みを保守する体制がある場合です。

次のような場合は、開発キットの利用を第一の候補にします。

• 社内システムを操作するエージェントを、自社のサービスや業務システムに統合する
• 製品の権限の設定やデータの保存の条件が、自社の要件に適合しない
• 処理件数が多く、1件あたりの費用と処理時間を自社で管理する必要がある

自社で構築する場合は、ツールの接続、権限、記録、評価の仕組みを自社で保守します。
モデルの更新のたびに、同じ実例で再評価し、設定やツールを改修する担当の技術者を確保できなければ、製品のハーネスを選択するほうが安全です。

よくある誤解

高性能なモデルの選択でエージェントの成果が向上する

成果はモデルとハーネスの組み合わせに依存します。
上位のモデルに変更しても、作業の記録や完了前の確認がなければ、途中で上限に到達する、未完成のまま完了を報告するといった同じ種類の失敗が残存します。

ハーネスは一度構築すれば改修は不要である

モデルが更新されると、以前は必要だった仕組みが不要になることも、再調整が必要になることもあります。
Anthropicは、Claude Opus 4.5では上限が近いと判断して作業を早めに終了する挙動がほぼ解消したため、作業の途中で入力を初期化する仕組みを除去したと報告しています。
モデルを更新したら、同じ実例で再評価し、不要になった仕組みと調整が必要な仕組みを判別します。