**AIエージェント ハーネス設計ガイド（2026年最新知見ベース）**

「AIエージェント ハーネス設計」は、現在最も重要なトピックのひとつです。プロンプトエンジニアリングの次に来るのが**ハーネスエンジニアリング（Harness Engineering）**です。

### ハーネスエンジニアリングとは

ハーネス（harness）とは本来、馬の力を制御・方向づけするための馬具（手綱・鞍など）を指します。これをAIエージェントに当てはめると：

> **「Humans steer, Agents execute」**
> 人間はゴール・制約・品質基準を決め、エージェントはそれに従って実行する。人間が馬を操るように、エージェントの raw な知能を「OS級の環境」で制御する仕組み全体を設計すること。

有名な事例として、OpenAIのチームが**Codexエージェントだけで5ヶ月で約100万行のコード（1500 PR）**を生成し、社内プロダクトを構築したケースが挙げられます。このアプローチ全体が「Harness Engineering」と呼ばれました。[[1]](https://x.com/i/status/2023008135464788127)

比喩としてよく使われるのは「**モデル = CPU、ハーネス = OS**」。モデルがどれだけ賢くなっても、ハーネス（環境・足場）が貧弱だと業務で使えないということです。

### ハーネス設計の全体像（推奨アーキテクチャ）

```mermaid
graph TD
A[Steering Layer
人間の手綱・SSoT] --> B[Orchestration Layer
Temporal / LangGraph / AgentCore]
B --> C[Agent Runtime / Execution Harness]
C --> D[Tool Harness
権限制御・サンドボックス]
C --> E[Memory Harness
階層型記憶]
B --> F[Observation & Evaluation Layer
Tracing + LLM-as-Judge]
F --> G[Quality & Safety Gates]
G --> H[Feedback Loop
自動改善]
H --> C
style A fill:#e3f2fd
style F fill:#f0f4c3
```

### 主要コンポーネント詳細設計

#### 1. Steering Layer（最も重要）
- タスク定義の標準化：**Goal + Constraints + Acceptance Criteria + Quality Rubric**
- **SSoT（Single Source of Truth）**の構築：オントロジー、設計ルール、最新仕様をリポジトリ内に集中管理（Chabitの事例で特に強調されているポイント）。[[2]](https://x.com/i/status/2067619762428101099)
- これをエージェントが常に参照できるように自動注入する仕組みが必須。

#### 2. Orchestration Layer
- 耐久性実行エンジン（**Temporal.io** を強く推奨）
- 状態管理、中断・再開、補償処理（SAGAパターン）
- Multi-agent協調（Planner Agent + Executor Agent + Reviewer Agent など）

#### 3. Execution Harness（実行中核）
- **Reasoning Gravity（推論の重心）に合わせた設計**が2026年現在の最重要ポイント。
- Claude Code系 → Plan-first（計画重視）のハーネス
- Codex系 → Execution-feedback（実行結果を見て修正）のハーネス
- 両者は根本的に必要な環境が異なるので、ここを間違えると大幅に性能が落ちる。

#### 4. Tool Harness
- ツールごとに権限分類（Read / Write / High-Risk）
- サンドボックス実行（E2B、Firecracker、動的Worktreeなど）
- 入力検証・出力検証・自動ロールバック機構

#### 5. Memory Harness
- 階層型記憶設計：
- Working Memory（現在のタスク）
- Semantic Memory（ベクトル検索）
- Procedural Memory（これまでの成功パターン）
- Project Memory（SSoT連携）

#### 6. Observation & Evaluation Layer
- **Trace Everything**：OpenTelemetry + Agent特化のセマンティック規約
- 評価軸：Correctnessだけでなく **Maintainability（保守性）・Security・Efficiency** も測定
- LLM-as-Judge + 自動テスト実行 + 人間レビューゲートを組み合わせる

### 設計原則（これを守るだけで品質が段違い）

1. **Environment > Prompt** — プロンプトを磨くより、ハーネスを磨け
2. **SSoT First** — 情報が散在している状態で高品質ハーネスは作れない
3. **Reasoning Gravityを意識** — 使う主力モデル/エージェントに合わせて環境を最適化
4. **QualityをAutomaticにする** — テスト・lint・セキュリティチェックをエージェント自身のループに組み込む
5. **Observability First** — 何が起きているかが見えないハーネスは本番投入不可

### 技術スタック例（2026年時点の実践的組み合わせ）

- **Orchestration**: Temporal.io または AWS AgentCore Harness
- **Agent Framework**: LangGraph（カスタムハーネスを載せる）または新世代Agent OS
- **LLM Layer**: LiteLLM + インテリジェントRouter
- **Observability**: Phoenix / LangSmith / Helicone
- **Sandbox**: E2B または自前Worktree自動生成
- **Guardrails**: Llama Guard系 + ドメイン特化分類器

### 実装の進め方（推奨順序）

1. SSoT + 品質Rubricの定義（これが一番効く）
2. 最小構成のExecution Harness + Tracing
3. Tool HarnessとSafety Gatesの強化
4. Evaluation Loopの構築（自動改善サイクル）
5. Multi-agentパターンとスケーリング

---

この設計で**Terminal Benchなどのベンチマークで大幅順位向上した事例**も複数報告されています。

もっと具体的に知りたい部分があれば教えてください：
- Tool Harnessの権限モデル詳細
- 品質Rubricの具体例
- LangGraphでの実装コード例
- Chabit式SSoTとの連携パターン
- コーディングエージェント特化ハーネス設計

必要に応じて、さらに深掘りした設計資料をお渡しします。