情報開発と利活用

令和維新

2004年4月から企業を離れ、コンサルタントや情報起業を試行しながら、失われた２０年を取り戻し、日本再生をめざす私の歩みをみて一人でも多くの後継者が出てくれることを祈りつつ友達から紹介されたこのホームページの更新を続け、これまでの活動の記録と今やビッグデータ、AI,、IOT,ブロックチェーン、仮想通貨の時代になってしまいましたが、私の現状認識と関連技術を紹介していきたい。

フォローする

UX

(0)

オンライン

(0)

ソーシャルメデイア

(0)

開発

(0)

スマートマネー

(0)

教育訓練開発手法の紹介

Headline News

Shopping List

お買いものレビューがまだ書かれていません。

< 新しい記事

新着記事一覧(全8820件)

過去の記事 >

2026.11.11

（2）エージェント・ハーネス「完全ガイド」

テーマ：人工知能(922)

カテゴリ： AI

COMPONENTS OF AGENT HARNESS
エージェント・ハーネスの構成要素

Whatever we call a harness, it should fall into one of the components below.
私たちがハーネスと呼ぶものはすべて、下記構成要素のいずれかに分類される。

• Agent state. Answers the question: Where am I right now? It keeps track of the current task, step, observations, decisions, etc. For example, if there are 4 steps in the agent’s plan to accomplish a goal, the state keeps track of what is complete, the current state, and what remains to be done.
エージェントの状態： 「私は今どこにいるのか。」という問いに答える。現在のタスク、ステップ、観測結果、決定事項などを追跡する。例えば、ゴールを達成するための計画に4つのステップがある場合、状態は「何が完了したか」「現在の状態は何か」「何が残っているか」を追跡する。
• Tools. Answers the question: What can I do? Gives the agent capabilities like code execution, browser, APIs, databases, shell, etc. The tools are the most obvious of all the components. For example, for a coding agent, a read_file function could be one of the fundamental tools.
ツール：「私には何ができるのか。」という問いに答える。コード実行、ブラウザ、API、データベース、シェルなどの機能をエージェントに与える。ツールは、すべての構成要素の中で最も分かりやすいものである。例えば、コーディング・エージェントの場合、read_file関数は基本的なツールの1つになり得る。
• Planning. Answers the question: What should I do? Decides what should happen next and creates/revises a plan. In a coding task, the planning component can come up with a sequence of 4–5 steps that need to be accomplished in order to complete the task.
計画： 「私は何をすべきか。」という問いに答える。次に何が起きるべきかを決定し、計画の作成や修正を行う。コーディングタスクにおいては、計画コンポーネントが、タスクを完了するために達成すべき4〜5ステップのシーケンスを考案することができる。
• Memory.
メモリ： 「私は何を知っているか／覚えているか？」という問いに答える。ステップやセッションを跨いで情報を保存および取得する。ベクトルDBから何らかの情報をコンテキストに取得するときはいつでも、コンテキスト（ひいてはワーキングメモリ）を最適化するためにその内容を要約することが有益である場合がある。こうしたことは、ハーネスのメモリコンポーネントによって管理される必要がある。
• Orchestration. Answers the question: How do I execute this process?Controls the execution loop, tool calls, retries, sub-agents, parallelism, handoffs, etc. For instance, lets say the agent is dealing with a purchase task. A payment sub-agent can be invoked, and the execution of the rest of the operation, such as updating the inventory, can be executed in parallel by an inventory agent. Or, the inventory agent should only execute in sequence after the payment agent has completed its task successfully.
オーケストレーション：「 私はこのプロセスをどのように実行すべきか。」という問いに答える。実行ループ、ツール呼び出し、再試行、サブエージェント、並列処理、引き継ぎ（ハンドオフ）などを制御する。例えば、エージェントが購入タスクを処理しているとする。決済サブエージェントが呼び出され、在庫の更新といった残りの操作の実行は、インベントリ・エージェントによって並列に実行されるかもしれない。あるいは、インベントリ・エージェントは、決済エージェントがそのタスクを正常に完了した後にのみ、順番に実行されるべきである。
• Context Management. Answers the question: What should the LLM see right now? Decides what information gets placed into the LLM’s context window at each step.
コンテキスト管理： 「今、LLMには何が見えているべきか。」という問いに答える。各ステップにおいて、どのような情報がLLMのコンテキストウィンドウに配置されるかを決定する。
• Safety & Governance. Answers the question: What am I allowed to do? Permissions, sandboxing, approval gates, policies, limits, authentication, etc. are all covered under this component. Even if the model has a killer tool at its disposal, to what extent can it go? For example, even if the model is allowed to edit files in a coding task, it is safe not to allow it to delete all or some of the files in the file system.
安全性と統治： 「私は何をする許可を得ているのか。」という問いに答える。権限、サンドボックス、承認ゲート、ポリシー、制限、認証などはすべてこの構成要素に含まれる。たとえモデルが手元に強力なツールを持っていたとしても、どこまで踏み込んでよいのだろうか。例えば、コーディングタスクでファイルの編集が許可されているモデルであっても、ファイルシステム内のファイルの一部または全部を削除することは許可しないでおくのが安全である。
• Observability & Evaluation. Answers the question: Did it actually work?Traces what happened and measures whether the agent succeeded, failed, or violated constraints. Things like what it took for the model to complete the given task get tracked in observability. For example, the model may need 3 tools out of 10 to complete a task. It's worth tracking how these tools get used. If they fail, is it because the model is missing some tools in its repertoire, or is it because some data is missing from the context?
観察可能性と評価： 「それは実際に機能したのか。」という問いに答える。何が起きたかを追跡し、エージェントが成功したか、失敗したか、あるいは制約に違反したかを測定する。モデルが与えられたタスクを完了するのに何が必要だったかといったことが、観察可能性において追跡される。例えば、モデルがタスクを完了するために10個のうち3個のツールを必要とする場合がある。これらのツールがどのように使用されたかを追跡することは価値がある。それらが失敗した場合、それはモデルのレパートリーにいくつかのツールが欠けているからなのか、それともコンテキストにいくつかのデータが欠けているからなのかだ。

And harness engineering is the new discipline of how we design, implement, and execute the above components so that the agent is at its best.
そして、ハーネス・エンジニアリングとは、エージェントが最高の状態を発揮できるように、上記の構成要素をどのように設計、実装、実行するかという新しい学問分野なのだ。

A PRACTICAL CODING AGENT EXAMPLE
実践的なコーディング・エージェントの例

さて、さまざまな構成要素について理解したところで、これらの構成要素がシンプルなコーディングタスクのためにどのように相互作用するのかを見ていこう。

Let’s say we have implemented the harness for a coding agent. The user sends the PRMPT:
ここに、コーディング・エージェント用のハーネスが実装されているとする。ユーザーが次のプロンプトを送信した：

Solve the bug in issue #122 in github
GitHubのIssue #122にあるバグを解決して

Note that this is not a simple, “explain to me… “ kind of PRMPT. This is a genuine task. To complete this task, we need agentic capabilities like planning, tool use, memory, and much more.
これは、「〜について説明して」といった単純なプロンプトではないことに注意してほしい。これは本格的なタスクである。このタスクを完了するには、計画、ツール使用、メモリ、その他多くのエージェント的機能が必要となる。

下記に、ハーネスを実装するための論理的なアプローチの1つを示す：

• To start with, the user’s input goes into the context. The model starts to reason and comes up with a goal. The goal remains in the context till its accomplished.
まずはじめに、ユーザーの入力がコンテキストに入る。モデルは推論を開始し、目標を導き出す。その目標は、達成されるまでコンテキスト内に保持される。
• It then decides to “plan” the execution of the task. It comes up with this plan, which is: check any related bugs, fix the right file, compile and test, run test cases, and update memory.
次に、モデルはタスクの実行を「計画」することを決定する。そこで次のような計画が立案される：関連するバグの確認、該当ファイルの修正、コンパイルとテスト、テストケースの実行、そしてメモリの更新である。
• As the first step of execution, the harness retrieves some memory from the Vector DB, which is the details of past bugs relevant to the task at hand. It finds authentication-related information as the closest match. So, it puts it in the context.
実行の最初のステップとして、ハーネスはベクトルDBから、手元のタスクに関連する過去のバグの詳細といったメモリを取得する。最も一致するマッチとして、認証に関連する情報が見つかる。そこで、それをコンテキストに配置する。
• The model then uses the info in the context to decide to exit the auth.py file to fix the authentication bug. This, however, needs the read_file and write_file tools. The model uses these tools, edits the file, and saves it.
次に、モデルはコンテキスト内の情報を使用して、認証バグを修正するためにauth.pyファイルを編集することを決定する。ただし、これにはread_fileおよびwrite_fileツールが必要となる。モデルはこれらのツールを使用し、ファイルを編集して保存する。
• The model decides to test the code change through the terminal. Now the terminal tool needs to be used, which is available in the set of tools at the model’s disposal. (The harness ensures that the model has the right level of access to the terminal and files)
モデルはターミナルを介してコードの変更をテストすることを決定する。ここで、モデルが自由に使用できるツールセットに含まれているターミナルツールを使用する必要が生じる（ハーネスは、モデルがターミナルやファイルに対して適切なレベルのアクセス権を持っていることを保証する）。
• The model moves on to the next step in the plan and executes test cases. It will need access to further tools for this. Also, note that every step of the way updates the context to ensure the model keeps track of where it is and what remains to be done.
モデルは計画の次のステップへと進み、テストケースを実行する。これにはさらに別のツールへのアクセスが必要になるだろう。また、プロセスのすべてのステップにおいて、モデルが「自分がどこにいて、何が残っているのか」を確実に把握できるよう、コンテキストが更新されることに留意してほしい。
• All along the way, the observability component ensures that everything is logged. The logging includes the tools used, the time it takes for the task, memory used, any failures in the middle, etc.
その全過程を通じて、観察可能性コンポーネントが、すべてが確実にログに記録されるようにする。ロギングには、使用されたツール、タスクにかかった時間、使用されたメモリ、途中の障害などが含まれる。
• Note that we haven’t touched upon evaluation, which is a beast on its own. It is not just about accuracy and can cover several metrics in line with the observed behaviour of the agent.
なお、ここでは評価については触れていないが、評価はそれ自体が巨大なテーマである。それは単なる精度だけでなく、エージェントの観測された挙動に沿ったいくつかの指標を網羅しうるものである。

SO WHERE ARE WE HEADING?
では、私たちはどこへ向かっているのだろうか

One of the largest challenges in agentic AI today is long-horizon reliability. As running agents for hours, if not days becomes a reality, we need to ensure that the run is absolutely reliable. If the agent is stuck in an infinite loop or some corrupt state, we may end up wasting resources and compromising safety.
現在のエージェント型AIにおける最大級の課題の一つは、長期的な信頼性である。エージェントを数時間、あるいは数日間にわたって稼働させることが現実味を帯びるにつれて、その稼働が完全に信頼できるものであることを保証する必要がある。もしエージェントが無限ループや何らかの破損した状態に陥った場合、リソースを無駄にし、安全性を損なうことになりかねない。

Next, evaluation gets quite challenging as we build more sophisticated harnesses around the models. Every task is going to leave traces with tons of data, like the memory used; should I have to swap the model or engineer the harness? Should I have to add more tools or fix existing ones?
次に、モデルの周囲に高度なハーネスを構築するにつれて、評価が非常に困難なものになっていく。すべてのタスクは、使用されたメモリといった膨大なデータに裏打ちされた痕跡を残す。モデルを置き換えるべきか、それともハーネスを設計し直すべきか。より多くのツールを追加すべきか、それとも既存のツールを修正すべきか。

These are questions that are popping up as the community actively works on building sophisticated harnesses.
こうした疑問は、コミュニティが高度なハーネスの構築に積極的に取り組む中で湧き上がっているものである。

Let’s wait and watch where we head next. See you in my next…
私たちが次にどこへ向かうのか、静観するとしよう。次回の……（記事）でお会いしよう。

Lastly, if you liked this article, why not follow us on X, where we share AI news and research updates — daily.
最後に、この記事を気に入っていただけたなら、AIのニュースや研究の最新情報を毎日共有しているXをぜひフォローしてほしい。

Check out and subscribe to our YouTube channel, where we explain AI concepts and papers visually.
AIの概念や論文を視覚的に解説しているYouTubeチャンネルもチェックして、チャンネル登録をお願いしたい。

Do not forget to clap, and let’s celebrate you reaching the end of this story.
「拍手」を押すこともお忘れなく。そして、このストーリーの最後までたどり着いたあなた自身を称えよう。

AI Agent
AIエージェント
Artificial Intelligence
人工知能
AI
人工知能
LLM
大規模言語モデル
Large Language Models
大規模言語モデル

Written by S Sankar
執筆：S サンカル

AI Lead | Investor | Founder of AI Bites YouTube channel. I write about AI, LLMs, and RAG. I also share my journey with finance that led to financial freedom.
AIリード｜投資家｜ AI Bites YouTubeチャンネルの創設者。AI、LLM、RAGについて執筆している。また、経済的自由へと導いた自身のファイナンスの歩みについても共有している。

Published in Level Up Coding
レベルアップコーデイングに掲載

Coding tutorials and news. The developer homepage gitconnected.com && skilled.dev && levelup.dev
コーディングのチュートリアルとニュース。開発者のホームページである gitconnected.com && skilled.dev && levelup.dev

==============================

インターネット・コンピュータランキング

==============================

ネットサービスランキング

==============================