**AIエージェント ハーネス設計ガイド（2026年最新トレンド対応）**

### 1. ハーネスとは何か？なぜ今重要か

**Agent = Model + Harness**

- **Model**: LLMが「考える」部分（推論・計画立案）
- **Harness（ハーネス）**: モデルを包む「制御・実行・保証システム」。馬具（手綱・鞍）の意味から、人間が方向性をsteerし、エージェントの力を安全かつ効率的に引き出す仕組み全体を指す。[[1]](https://x.com/taimuhanashiro/status/2023008135464788127)

2026年現在、最も重要なのは**Harness Engineering（ハーネスエンジニアリング）**です。同じモデル・同じベンチマークでも、ハーネス（ルール・スキルファイル・ツール構成・フィードバックループ）を変えるだけで性能が42%→78%に跳ね上がった事例が複数報告されています。[[2]](https://x.com/i/status/2037332209003282747)

哲学はシンプルです：
> 「エージェントが1回間違えたら、手動で直すのではなく、**二度と同じ間違いを犯さないようシステム（ハーネス）をエンジニアリングする**。」

これはPrompt Engineering（2023）→ Context Engineering（2025）の次のステージです。モデルは商品化されつつあり、差別化要因は「その組織・ドメインに最適化されたハーネス」になります。OpenAIのCodexチームが人間が1行もコードを書かずに100万行超の社内プロダクトを構築した事例も、この考え方が基盤です。[[1]](https://x.com/taimuhanashiro/status/2023008135464788127)

### 2. 推奨アーキテクチャ（Layered Harness Design）

ハーネスを**変更容易性（Maintainability）を最優先**に設計します。ハーネスは肥大化しやすいため、Gota氏が指摘するように「優先順位付け」と「頭の使い方」が重要です。[[3]](https://x.com/i/status/2046794926604931447)

#### 推奨レイヤー構造

```
Human / Product Owner
↓ (Goal設定・制約・最終承認)
[Harness Core]
├── Soul Layer（魂）：硬いルール・行動憲法（CLAUDE.md / AGENTS.md）
├── Skills Layer（技能）：オンデマンドMarkdownモジュール（漸進的知識開示）
├── Capability Layer（能力）：Tool + MCPサーバー（最大2-3個厳守）
├── Runtime Engine（実行エンジン）：Loop + State Machine + Hooks
├── Memory & Persistence Layer：ステップ永続化・圧縮・チェックポイント
├── Sub-Agent Manager：コンテキストファイアウォール（長タスク分離）
└── Safety & Verification Layer：Pre/Post Hook、人間介入、LLM-as-Judge

[Observability + Evaluation Harness] ← 並行設計必須
├── Full Tracing（Thought → Action → Observation全て記録）
├── Metrics（成功率・経済性・安全性・編集容易性）
├── Regression Test Suite + Self-Harness Improvement Loop
└── Dashboard（trajectory可視化）
```

### 3. 各レイヤーの詳細設計

**1. Soul Layer（最も重要）**
- 60行以内に**硬いルールのみ**記述（AI生成禁止）。
- 内容例：品質基準、禁止行動、思考フォーマット、エスカレーション条件、ドメイン固有の憲法。
- ETH Zurichの調査でも、人間が書いた短い硬ルールが最も効果的だった。

**2. Skills Layer（2026年の勝負所）**
- 全てをプロンプトに詰め込まず、**漸進的知識開示**（必要なスキルだけロード）。
- Markdownファイル群としてバージョン管理（skillportなどのツール推奨）。
- タスク種別ごとに分割し、RAG的または明示的importで呼び出す。

**3. Runtime Engine（心臓部）**
- 基本ループ：**Think → Plan → Act（Tool or Sub-agent） → Observe → Verify → Loop or Escalate**
- **Hooksが最もインパクト大**：
- Pre-Action Hook（リスク分類 → 自動/人間承認）
- Post-Completion Checklist
- Failure Handler（失敗ログを自動解析し、新ルール提案）
- ステートはUUID + Redis/Postgresで永続化。任意の時点からresume可能。
- 長期実行時は自動compaction（記憶圧縮）を実施。

**4. Capability & Tool Layer**
- **ツール数は絶対に3個以内に抑える**（tool thrash防止）。
- MCP（Model Control Protocol）風の標準化されたツールインターフェースを採用。
- 各ツールに明確な権限スコープとサンドボックスを設定。

**5. Safety & Human-in-the-Loop**
- 高リスク行動（金銭操作・コード実行・外部API呼出）は必ずPre-approval。
- 出力ガードレール（PII検知・毒性チェック・事実検証）。
- Sub-agentは「コンテキストファイアウォール」として活用（主エージェントのコンテキストを汚染しない）。

### 4. Evaluation Harness（評価ハーネス）の並行設計

エージェント本体と**分離して設計**すべきです。

- **Evals** = 測定基準（Task Completion, Cost Efficiency, Safety Score, Editability）
- **Harness** = それらを自動実行・比較・回帰テストするインフラ
- ワークフロー：Test Dataset → Run with current Harness → LLM-as-Judge + Human Preference → Report + Regression Detection
- 生産環境では常時ONではなく、**プロンプト/スキル/ハーネス変更時**に実行。
- Langfuse / LangSmithをベースに、カスタム評価ロジックを追加することを推奨。

### 5. 実装ベストプラクティス & 落とし穴回避

**推奨習慣**
- **Config-First / Schema-First**：ハーネス定義をYAML + JSON Schemaで管理（コードより設定優先）。
- **Weekly Failure Review**：毎週失敗を振り返り、1つずつルールをharnessに追加。
- **Self-Harnessing**：エージェント自身に失敗を分析させ、harness改善を提案させる閉ループ（最新研究でも有効）。
- 全てを1つの巨大プロンプトにしない。SkillsとHooksで分離。

**避けるべきアンチパターン**
- ツールの多重化（tool thrash）
- コンテキストの肥大化（長文脈での性能低下）
- 変更しにくい巨大ハーネス（肥大化したら即リファクタ）
- 評価ハーネスを後回し（これをやると「なんとなく動く」止まりになる）

### 6. 技術スタック例（すぐに始められる構成）

- **コア**：LangGraph + Custom Harness または Pydantic AI Harness、AWS Bedrock AgentCore
- **スキル管理**：MarkdownベースのSkills loader（skillportなど）
- **観測性**：Langfuse / LangSmith / OpenTelemetry + Grafana
- **永続化**：Postgres（状態・履歴） + Vector DB（スキル検索） + Redis（実行中状態）
- **UI**：Streamlit / TUI（grok-build風） / Web Dashboard

### 7. 参考資料（必読）

- Qiita「ハーネスエンジニアリング入門 — Agent = Model + Harness で読み解くAIエージェント運用」[[4]](https://x.com/tech_wiki/status/2075833373541683208)
- @gota_bara SpeakerDeck「μでハーネスの設計〜ハーネスの変更容易性を高めるための優先順位〜」[[5]](https://x.com/gota_bara/status/2046794926604931447)
- Chen Cheng氏のHarness Engineering解説（5つのレバー：System Prompt, Skills, MCP, Sub-agents, Hooks）[[6]](https://x.com/chenchengpro/status/2037332209003282747)
- GitHub: `walkinglabs/awesome-harness-engineering`
- Philipp Schmidブログ「2026 will be the year of Agent Harnesses」

この設計は**ソフトウェア開発エージェント、業務自動化、研究エージェント**など幅広く適用可能です。具体的なドメイン（例：Findyのようなエンジニアリング組織での活用、コーディングエージェント、画像編集エージェントなど）を指定いただければ、さらに詳細な実装例やYAMLスキーマ、サンプルコードを提示できます。

必要であれば、Mermaid図でのアーキテクチャ図や、具体的なSkillsファイル・Hookの実装例も提供します。どのようなユースケースで使いたいですか？