エージェントハーネス（エージェントスキャフォールディングとも呼ばれる）は、大規模言語モデル（LLM）をAIエージェントとして動作させることを可能にする、その周囲を囲むソフトウェア基盤である。これは、モデル内部の推論とは対照的に、ツール使用、メモリ、状態永続化、実行環境、フィードバックループを管理する。英国のAI安全保障研究所は、2023年にAIエージェントがモデルとスキャフォールディングの組み合わせによって形成されると説明し、その関係はしばしば エージェント = モデル + ハーネス と表現される。
「ベースモデル」LLMは、入力トークン列を出力トークン列にマッピングするステートレスな確率関数であるため、ハーネスこそがモデルをエージェントにするものである。つまり、外部ツールとインターフェースし、非トークンデータ（画像など）を入出力し、タスク環境と複数ラウンドにわたって首尾一貫して相互作用する存在である。ハーネスは、コンテキストウィンドウ内で際限なく成長するトランスクリプトを繰り返し読み直すのではなく、エージェントの状態を管理する構造化されたソフトウェア環境に記録管理をオフロードできる。最小限のハーネスは、単一のプロンプトと応答のやり取りには不要だが、タスクが多段階になり、ツール指向になり、または長時間実行されるようになると重要になる。
人気のあるエージェントハーネスはAI支援ソフトウェア開発に焦点を当てており、AnthropicのClaude Code、OpenAIのCodex、Google DeepMindのAntigravity、SpaceXAIのCursor、Qwen、DeepSeek、Kimi、GLMなどが含まれる。
アーキテクチャ
ハーネスが調整するメカニズムは、この用語より前から存在していた。モデルが推論と行動をループ内で交互に行うパターンは、査読付きのReActフレームワークで導入され、モデルが外部ツールを呼び出す能力はToolformerで実証された。
ハーネスの下に一般的にグループ化されるコンポーネントには、ツールディスパッチ、メモリと状態永続化、分離されたサンドボックスまたはワークスペース、コンテキスト管理、およびスコープ付き権限、承認段階、モニタリングなどのガードレールが含まれる。2026年のエンジニアリング解説書で、Anthropicは、環境を準備する初期化エージェントと、次の未完了タスクを繰り返し選択し、コミットし、停止する前に進捗記録を更新するコーディングエージェントから構築された実例を説明した。
ThoughtworksのBirgitta Böckelerは、モデルの構築元が出荷する内部ハーネス（エージェントSDKや、CursorやCodexなどのコーディングツールなど）と、ユーザーがその上に組み立てる外部ハーネス（命令ファイル、Model Context Protocolサーバー、カスタムスキルなど）を区別している。彼女はさらに、エージェントが行動する前にそれを導くガイドと、結果を観察してエージェントが自己修正できるようにするセンサーを分離している。それぞれは、計算的（リンターやテストなどの決定論的チェック）または推論的（「LLM as judge」などの意味論的チェック）であり得る。
歴史と用語
モデルの周囲のスキャフォールディングに関する関連概念は、ソフトウェアテスト（テストハーネス）、LLMベンチマーク（評価ハーネス）、そして強化学習における学習エージェントを囲む環境とラッパーに存在する。名詞 エージェントハーネス と LLMハーネス は、関連する分野が命名される前に実務者の間で流通していた。
「ハーネスエンジニアリング」という語彙は2026年初頭に出現し、特定の語句の帰属は議論の的となっている。いくつかの説明は、2026年2月のHashiCorp共同創業者Mitchell Hashimotoによるブログ投稿に由来するとしている。彼は、エージェントが間違いを犯すたびに、環境に恒久的な修正を組み込むという実践を説明した。他の説明は、LangChainのVivek Trivedyによるもので、彼の「Anatomy of an Agent Harness」の投稿は、エージェント = モデル + ハーネス という公式からハーネスコンポーネントを導き出した。広く引用されたOpenAIのエンジニアリングレポート（コーディングエージェントによって主に構築された大規模なコードベースを説明）と、Thoughtworks、LangChain、Anthropicからの後続の執筆が、この用語の普及に貢献した。
2026年半ばまでに、ハーネスは学術研究の対象となった。独立した報道は、エージェントが自身の失敗を反復的にマイニングしてハーネスの変更を提案および検証するSelf-Harnessや、モデルを拡大するのではなく、モデル周囲のソフトウェア環境を再設計することによって主に検索精度を向上させたオープンソースの検索エージェントHarness-1などの研究を説明した。
プロンプトおよびコンテキストエンジニアリングとの関係
ハーネスエンジニアリングは、単一の相互作用を最適化するプロンプトエンジニアリングや、モデルが特定の時点で見る情報を管理するコンテキストエンジニアリングよりも広い層として位置付けられることが多い。この枠組みでは、ハーネスは運用環境全体を設計し、他の2つを部分として含む。際立った特徴は、ラップされるコンポーネントが非決定的であることである。そのため、ハーネスは、モデルがアクションを捏造したり、タスクが完了していないのに完了と報告したりした場合に、優雅に回復するように設計されている。
関連項目
- AIエージェント
- 大規模言語モデルの一覧
- Model Context Protocol
- プロンプトエンジニアリング
- ソフトウェアエージェント
- テストハーネス