AIエージェントのハーネスとは？——AIを動かす「外側の仕組み」が今重要な理由と、理想の構成を図解で解説

この記事でわかること

• AIエージェントの「ハーネス」とは何か（モデルの外側で、AIが仕事をできるように支える仕組み）
• なぜ今ハーネスが重要なのか（同じモデルでも、ハーネスだけで成績が変わった実例）
• ハーネスを形づくる2つの役割「案内役」と「見張り役」と、理想の構成を5つの層で整理した図解
• 弊社がブログ記事づくりで使っているハーネスの実例と、作るときの注意点

AIエージェント（指示を受けて、自分で考えながら作業を進めるAI）を仕事で使い始めると、「同じAIなのに、人や会社によって成果がまったく違う」と感じる場面があります。
その差を生んでいるものとして、2026年に入って海外のAI企業や技術者が盛んに使い始めた言葉が「ハーネス」です（出典：OpenAI・Birgitta Böckeler氏）。

この記事は、AIエージェントの解説3部作の2回目です。
1回目のAIエージェントに仕事を任せるフォルダ構成では、AIに読ませる情報の置き場所を整理しました。
今回はその土台の上で、AIを動かす「外側の仕組み」であるハーネスとは何か、なぜ今重要なのか、どういう構成が理想なのかを順に解説します。

結論——ハーネスは「AIのモデル以外のすべての仕組み」

---

ハーネスとは、AIのモデル（考える頭脳の部分）の外側で、AIが仕事をできるように支える仕組みのすべてを指します。
AIエージェント開発の基盤を提供するLangChain社は、この関係を「エージェント＝モデル＋ハーネス」という式で表し、「モデルでないものは、すべてハーネスだ」と説明しています（出典：LangChain「The Anatomy of an Agent Harness」2026年3月10日）。
Claude Codeの公式ドキュメントでも、Claude Codeは「モデルの周りのレイヤー」で、ツールを提供し、モデルが見る情報を管理するものであり、それがハーネスという言葉の指すものだと書かれています（出典：Claude Code Docs「Claude Code の仕組み」）。

ハーネスとは？——馬具のたとえで分かる「モデル」と「外側の仕組み」

---

ハーネス（harness）は、もともと馬に付ける手綱や鞍などの馬具を指す言葉です。
馬そのものの力が強くても、馬具が無ければ、その力を畑を耕す・荷物を運ぶといった仕事に変えることはできません。
AIでいえば、馬がモデル、馬具がハーネスにあたります。

LangChain社の解説では、モデルだけでは「作業の状態を覚えておく」「コード（コンピューターに実行させる処理を書いたもの）を実行する」「最新の情報を調べる」といったことができず、ハーネスがそれを補うことで初めてエージェントになると説明されています（出典：LangChain（同上））。
ハーネスに含まれる主なものを、役割ごとに整理すると次のとおりです。

ハーネスの要素	役割	Claude Codeでの例
指示書	仕事の前提やルールを伝える	CLAUDE.md
道具（ツール）	ファイル操作・検索・実行などを可能にする	組み込みツール・MCP
手順	決まった仕事の進め方を渡す	スキル
情報の管理	長い作業でも必要な情報を保つ	会話の自動要約・自動メモリ
安全の仕組み	してよい操作・いけない操作を決める	権限の設定・チェックポイント
確認の仕組み	作業の結果が正しいかを確かめる	フック・テストの実行

MCP（Model Context Protocol）は、AIを外部のツールや情報源に繋ぐ為の共通の規格です。
チェックポイントは作業途中のファイルの状態を保存して元に戻せるようにする仕組み、テストは作ったものが想定どおりに動くかを確かめる検査です。
表の例は、Claude Codeの公式ドキュメントで説明されている機能から選んでいます（出典：公式ドキュメント（仕組み））。

製品に入っているハーネスと、自分で足すハーネス

ハーネスには2つの層があります。
Martin Fowler氏のサイトで公開されたThoughtworks社のBirgitta Böckeler氏の記事では、Claude CodeやCodexのような製品には最初からハーネスの一部が組み込まれていて、利用者はその外側に、自分の仕事に合わせたハーネスを足していく、と整理されています（出典：Birgitta Böckeler「Harness engineering for coding agent users」2026年4月2日）。
つまり、Claude Codeを入れた時点で製品側のハーネスは手に入っており、成果の差が生まれるのは、その外側に何を足すかだと考えています。

「ハーネスエンジニアリング」という言葉が広まった流れ

ハーネスを設計して改善していく取り組みは「ハーネスエンジニアリング」と呼ばれ、2026年の2月に一気に広まりました。
主な発信を時系列で並べると次のとおりです。

公開日	発信元	内容
2025年11月26日	Anthropic	長時間動くエージェントのハーネスの工夫を公開
2026年2月5日	Mitchell Hashimoto氏	自身のAI活用の手順の1つを「ハーネスエンジニアリング」と呼ぶ
2026年2月11日	OpenAI	人が書いたコード0行で製品を作った実験を公開
2026年2月17日	LangChain	ハーネスだけを変えて成績を上げた結果を公開
2026年4月2日	Birgitta Böckeler氏	利用者が作るハーネスの考え方を体系化

出典は順に、Anthropic・Mitchell Hashimoto氏・OpenAI・LangChain・Birgitta Böckeler氏の各記事です。
Hashimoto氏自身も「業界で広く使われている言葉かは分からない」と書いており、誰が最初に使った言葉かは定まっていません。

なぜ今ハーネスが重要なのか——3つの理由

---

同じモデルでも、ハーネスだけで成績が変わる

LangChain社は、AIエージェントの実力を測る試験「Terminal Bench 2.0」（89問の作業課題）で、モデルをOpenAIの「gpt-5.2-codex」に固定したまま、ハーネスだけを変える実験をしました。
その結果、正答率は52.8%から66.5%へ上がり、順位は30位圏外から上位5位以内に入ったと報告しています（出典：LangChain「Improving Deep Agents with harness engineering」2026年2月17日）。
変えたのは、指示書の中身、作業を終える前に確認を促す仕組み、同じファイルを何度も直していたら考え直させる仕組みなどです。
AIの性能はモデルだけで決まるのではなく、外側の仕組みで大きく変わることが数字で示されました。

長い仕事ほど「引き継ぎ」の仕組みが要る

Anthropic社は、AIエージェントに何時間もかかる仕事を任せるときの難しさを、前の担当者の記憶を持たないまま交代で働くエンジニアにたとえています（出典：Anthropic「Effective harnesses for long-running agents」2025年11月26日）。
そこで同社は、最初の回に作業環境と進み具合の記録ファイル、200以上の機能の一覧を作らせ、次の回からは記録を読んでから1機能ずつ進めて、終わったら記録を更新させる形にしました。
モデルが賢くなっても、作業を跨いで記憶を持ち越せない以上、引き継ぎは外側の仕組みで用意する必要があると考えています。

人の仕事が「作業する」から「環境を整える」へ移っている

OpenAIは、人が書いたコード0行で社内向けの製品を作る実験を公開しました。
約5か月で、およそ100万行のコードと約1,500件の変更がAI（Codex）によって作られ、始めた時点のエンジニアは3名でした（出典：OpenAI「Harness engineering: leveraging Codex in an agent-first world」2026年2月11日）。
同社は、最初の進みが遅かったのはAIの能力不足ではなく、作業環境の準備が足りなかった為だと振り返っています。
そして人の役割を「人が舵を取り、AIが実行する」と表現しています。

ハーネスを形づくる2つの役割——案内役と見張り役

---

Böckeler氏は、利用者が足すハーネスを、AIが動く前に方向を示す「ガイド（案内役）」と、動いた後に結果を見て直させる「センサー（見張り役）」の2つに分けています（出典：Birgitta Böckeler（同上））。
さらに見張り役は、テストや検査のように機械が毎回同じ基準で判定するものと、別のAIが内容を読んで判断するものに分かれます。

役割	働くタイミング	例
案内役	AIが動く前	指示書・スキル・フォルダ構成
見張り役（機械）	AIが動いた後	テスト・検査のスクリプト
見張り役（AI）	AIが動いた後	別のAIによるレビュー

スクリプトとは、決まった処理を自動で実行する短いプログラムのことです。
同氏は、見張り役だけだと同じ失敗を繰り返し、案内役だけだとルールが守られたかを確かめられないと指摘しています。
指示書を書き足すだけでは、ハーネスの半分しか作れていないということです。

理想のハーネス構成——5つの層で考える

---

ここまでの各社の発信をもとに、利用者が足すハーネスの理想の構成を5つの層に整理しました。
上の2つが案内役、下の3つが見張り役と引き継ぎにあたります。

1. 指示書は「短い地図」にする

OpenAIは最初、1つの大きな指示書（AGENTS.md）にすべてを書く方法を試しましたが、情報が多すぎて大事な条件が埋もれ、古いルールも残り続けて失敗したと書いています。
そこで指示書は約100行の「目次」にとどめ、詳しい資料は別のフォルダに置いて、どこを見ればよいかだけを示す形に変えました（出典：OpenAI（同上））。
置き場所の考え方は、前回のフォルダ構成の記事で詳しく紹介しています。

2. 決まった手順はスキルにして、必要なときに読ませる

毎回は使わない手順は、指示書に書かずにスキル（手順をまとめたファイル）にしておくのがおすすめです。
AIは最初にスキルの名前と説明文だけを読み、使うと判断したときに中身を読むので、毎回読む量を小さく保てます。
作り方はClaude Codeのスキルの解説記事で紹介しています。

3. 破られると困ることは、設定とフックで止める

フックとは、決まったタイミングで自動で動く処理のことです。
Claude Codeの公式ドキュメントでは、フックはAIが実行を選ぶかどうかに頼らず、特定の操作が常に行われるようにする仕組みだと説明されています（出典：Claude Code Docs「フックガイド」）。
「本番のファイルは消さない」のように、守られないと困ることは、指示書でAIに指示するより、設定やフックで止める方が確実です。

4. 結果を確かめる役を、作る役と分ける

Anthropic社は、AIに自分の作業を評価させると、出来が良くなくても自信を持って褒めてしまう傾向があると報告しています。
そこで作る役とは別に、実際にブラウザを操作して確かめる評価役のAIを置き、基準を下回る項目が1つでもあれば作り直させる構成にしました（出典：Anthropic「Harness design for long-running application development」2026年3月24日）。
機械で判定できることは検査のスクリプトに任せ、内容の良し悪しは別のAIに見てもらう、という分け方がおすすめです。

5. 記録を残して、次の作業に引き継ぐ

最後の層は、作業の記録と引き継ぎです。
進み具合のメモ、決めたことの一覧、変更の履歴を残しておくと、次の作業のAIがそこから再開できます。
OpenAIも、計画と進み具合、決めたことの記録を、AIが読める場所に置いて管理していると書いています（出典：OpenAI（同上））。
5つの層を整えることで、人への確認を判断が必要な場面に絞れる可能性があります。

弊社の実例——ブログ記事づくりのハーネス

---

弊社では、ブログ記事の執筆から下書きの投稿までをClaude Codeに任せており、その周りに次のようなハーネスを置いています。

層	弊社で置いているもの
指示書	記事の構成・表記のルールをまとめた指示書
手順（スキル）	執筆→検査→レビュー→下書き投稿までの手順
止める仕組み	投稿は必ず下書きにする投稿用のスクリプト
見張り役（機械）	字数・表記・リンク切れを調べる検査のスクリプト
見張り役（AI）	別のAI（Codex）が基準書で合否を出すレビュー
記録と引き継ぎ	人が手直しした箇所を残す台帳

この仕組みの中心は、人が手直しした箇所を台帳に残し、繰り返し出たものをレビューの基準書や検査のスクリプトに足していく流れです。
Hashimoto氏も、AIが失敗したら二度と同じ失敗をしないように仕組みを作ることを、ハーネスエンジニアリングと呼んでいます（出典：Mitchell Hashimoto「My AI Adoption Journey」2026年2月5日）。
弊社では、この流れを始めた最初の記事では、人が直す前にレビュー役のAIが拾えた指摘は全体の58%でした。
基準書を育てた結果、最近は8割を超える記事が多くなり、人の手直しが0件の記事も出ています。

ハーネスづくりでよくある失敗と気をつけたいこと

---

1つ目は、最初から作り込みすぎることです。
Anthropic社は、ハーネスの部品はどれも「モデルが自分ではできないこと」を前提に作られており、モデルが良くなれば外せる部品もあると書いています（出典：Anthropic（同上））。
同じ記事では、AI単体なら20分・9ドルで終わった作業が、作り込んだハーネスでは6時間・200ドルかかった例も紹介されています。
品質は大きく上がっていましたが、すべての仕事に同じ重さの仕組みが必要なわけではありません。

2つ目は、一度に全部を作ろうとすることです。
実際に失敗が起きた所から1つずつ足していく方が、本当に必要な仕組みを見極めやすいと考えています。
3つ目は、ルールをチャットや人の頭の中に置いたままにすることです。
AIに守ってほしいことは、AIが読める場所に書いて初めてハーネスの一部になります。

まとめ——ハーネスの次は「ループ」

---

ハーネスは、AIの力を仕事の成果に変える為の仕組みです。
次回は、ハーネスの中でAIが「考える・動く・確かめる」を繰り返す仕組みである「ループ」を、図解で解説する予定です。
AIエージェントそのものの基本は、AIエージェントとは？対話型生成AIとの違いを図解でやさしく解説で紹介しています。

よくある質問

---

Q. ハーネスとプロンプトは何が違いますか？

A. プロンプト（AIへの指示文）は、ハーネスの一部です。
ハーネスには指示文のほかに、道具、手順、権限の設定、結果を確かめる仕組み、記録など、モデル以外のすべてが含まれます。

Q. Claude Codeを使っていれば、ハーネスは自分で作らなくてよいですか？

A. Claude Codeには、道具や情報の管理といった製品としてのハーネスが入っています（出典：公式ドキュメント（仕組み））。
ただし、自分の会社の仕事のルールや確認の基準は利用者が決めるものなので、指示書やスキル、検査の仕組みなど、仕事に合わせた外側の層を足していくことをおすすめします。

Q. エンジニアがいない会社でも、ハーネスは作れますか？

A. 作れます。
まずは仕事のルールを短い指示書にまとめ、AIが同じ失敗をしたら、その対策を指示書に1行加えるところから始めるのがおすすめです。
検査の仕組みが必要になったら、AIに指示をしてから作ってもらうこともできます。

Q. ハーネスエンジニアリングとコンテキストエンジニアリングの違いは何ですか？

A. コンテキストエンジニアリングは、AIに何を見せるかを設計することです。
Böckeler氏は、利用者がハーネスを作ることはコンテキストエンジニアリングの1つの形だと位置付けており、ハーネスはそれに加えて、結果を確かめて直させる仕組みまでを含む、より広い考え方といえます（出典：Birgitta Böckeler（同上））。