[[1]](https://x.com/tetumemo/status/2037876018745385083)[[2]](https://x.com/taimuhanashiro/status/2023008135464788127)[[3]](https://x.com/takish/status/2089076198462865888)[[4]](https://x.com/beamnxw/status/2089397727578783923)**AIエージェント ハーネス設計（2026年最新プラクティス）**

### 1. ハーネスとは何か（コミュニティの共通認識）

2026年現在、「**ハーネスエンジニアリング**」はプロンプトエンジニアリングの次のレイヤーとして広く認識されています。

- **モデル** = 脳（CPU）
- **コンテキスト** = 記憶・知識・RAG
- **ハーネス** = 手綱（Harness） / OS / 制御系

ハーネスは「エージェントの力を正しく・安全に・再現可能に引き出すための全装備」です。単なるReActループ（try → check → retry）はすでに「 primitve（原始的）」と見なされており、**Graph Harness（明示的DAG + Scheduler）** への移行が強く推奨されています。[[4]](https://x.com/beamnxw/status/2089397727578783923)

重要な原則（特にO'Reilly記事などで繰り返し言及）：
> 「最初に作るべきは賢いエージェントではなく、**ログ・評価・再現性が確保されたハーネス**である。」

これがないと、モデルやツールをいくら変えても「なぜ成功したか／失敗したか」が分からず、改善が不可能になります。[[3]](https://x.com/takish/status/2089076198462865888)

**ハーネス vs ガードレール**（明確に分けるべき）
- ハーネス：実行・観測・再現・評価（改善責任）
- ガードレール：権限・承認・停止（被害限定責任）

### 2. 推奨アーキテクチャ（3-Layer Harness）

現代的なハーネスは以下の3レイヤーで構成します。

**Layer 1: Execution Harness（実行制御層）**
- Graph/DAG Scheduler（LangGraphを強く推奨）
- 明示的なノード（Plan → Tool Selection → Execution → Verification → Report）
- 無限ループ防止（step budget, token budget, timeout, escalation policy）
- Event-sourced Kernel（全ての行動をイベントとして永続化）

**Layer 2: Safety & Sandbox Harness（保護層）**
- **Git Worktree Sandboxing**（コーディングエージェント最強）
- Docker / gVisor / Firecracker
- Granular Permission Model + Approval Gates（危険操作で自動停止＋人間 or LLM Judge承認）
- High-risk action detector（`rm -rf`, ネットワークアクセス, ファイル書き換えなど）

**Layer 3: Observability & Evaluation Harness（観測・評価層）**
- 完全Trajectory記録（thought, action, observation, cost, latency, git diffなど構造化）
- Post-hoc Evaluation（実行後、何度でも異なる評価器を適用可能）
- LLM-as-Judge（rubricベースの構造化出力）
- Replay & Regression Test機能
- 比較ダッシュボード（A/Bテスト、ハーネスバージョン比較）

### 3. コアインターフェース設計

```python
from pydantic import BaseModel
from typing import Any, AsyncGenerator
from enum import Enum

class RiskLevel(Enum):
LOW = 1
MEDIUM = 2
HIGH = 3
CRITICAL = 4

class TaskSpec(BaseModel):
id: str
description: str
success_criteria: str # 評価用rubric（重要）
ground_truth: Any = None
category: str
risk_level: RiskLevel
metadata: dict = {}

class TrajectoryEvent(BaseModel):
turn: int
timestamp: float
type: str # thought, action, observation, approval, error
content: Any
token_usage: dict = {}
cost: float = 0.0
metadata: dict = {}

class RunResult(BaseModel):
task_id: str
trajectory: list[TrajectoryEvent]
final_outcome: Any
success: bool
score: float
evaluations: dict[str, dict] # 複数evaluatorの結果
total_cost: float
duration: float

class AgentHarness:
async def run(
self,
graph: Any, # LangGraphなど
task: TaskSpec,
config: HarnessConfig
) -> RunResult:
"""
1. Sandbox起動（Git worktreeなど）
2. Event-sourced Kernelで実行管理
3. 危険アクションでApproval Gate発火
4. 全イベントを永続化
5. 実行完了後、自動で複数Evaluator実行
"""
...
```

**推奨実行モデル**
- 純粋なReActループ → 非推奨（コンテキストが肥大化し、数学的に終了性が保証しにくい）
- **Graph Harness（DAG Scheduler）** → 現時点のベストプラクティス

### 4. 実装優先順位（Overengineeringを避ける）

1. **最優先（最初の2週間で完成させる）**：
- 完全なTrajectory Logger + Replay機能
- Event Store（SQLite + WALが現実的）
- シンプルRunner（Plan → Execute → Evaluate）

2. **次に作るもの**：
- Evaluation Harness（Rule-based + LLM Judge with rubric）
- Sandbox（Git Worktreeを最優先で実装）

3. **その後**：
- Graph Scheduler本格導入
- Approval Gates + 権限モデル
- ダッシュボード（実行比較、失敗パターン分析）

### 5. 技術スタック推奨（2026年）

- **フレームワーク**: LangGraph（最重要） + Pydantic v2
- **永続化**: SQLite (WAL mode) または PostgreSQL + Event Sourcing
- **Sandbox**: Git Worktree（コーディング最強） + Docker
- **評価**: Claude 4 / GPT-4.1などのStructured Output + 自作Judge
- **UI**: Tauri（承認フロー） + Streamlit/FastAPI（ダッシュボード）
- **Observability**: OpenTelemetry + 自前Trace Viewer（LangSmith風）

### 6. ドメイン別Tips

- **Coding Agent**: DeepCode（HKUDS）方式が参考になる。Git Worktree + Approval Gates + MCP（Model Context Protocol）が特に強い。[[5]](https://x.com/AlcidesTicllaCh/status/2089437038982426973)
- **Enterprise Agent**: 権限モデルとHuman Escalation Gateを徹底。
- **Research/Web Agent**: Graphで「Search → Read → Verify → Synthesize」を明示的ノード化。

---

この設計は、2026年8月現在のコミュニティ（特に日本）の議論と、先進事例（DeepCode、Graph Harness論文、OpenAI内部事例など）を総合した実践的なものです。

**さらに深掘りが必要な部分**：
- 具体的なGraphのノード設計
- Evaluation Rubricのテンプレート集
- Git Worktree Sandboxの実装例
- Event-sourced Kernelのコード
- ダッシュボードUI設計

どの部分を詳細に設計しますか？
または特定ドメイン（コーディング・法務・リサーチなど）に特化したハーネス設計が欲しい場合は教えてください。すぐに詳細版を作成します。