---
title: Harness_Engineering
tags:  #ハーネスエンジニアリング  
author: [smile_yukiko_it](https://www.docswell.com/user/smile_yukiko_it)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/3EK9LQ9LED.jpg?width=480
description: Harness_Engineering by smile_yukiko_it
published: June 23, 26
canonical: https://www.docswell.com/s/smile_yukiko_it/5GNNX4-2026-06-23-162012
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/3EK9LQ9LED.jpg)

PoCの壁を突破する「知能の設計図」
ハーネスエンジニアリング 原理原則
2026年最新論文と実証データに基づく、
AIエージェントの本番稼働に向けた体系的アプローチ。
うさうさ研修工房

# Page. 2

![Page Image](https://bcdn.docswell.com/page/L73W3PW675.jpg)

優秀なモデルを採用したのに、
なぜPoCでつまずくのか？
観測される事象
・「タスクを完遂できない」
・「途中でループに陥る」
・「文脈を忘れる」
エンジニアの誤解
・「プロンプトの工夫が足りない」
・「もっとパラメータ数の多い、賢い
モデルに変えなければ…」
真のボトルネック：問題は「脳（モデ
ル）」の知能ではなく、それを動かす
「身体（実行基盤）」の設計にある。

# Page. 3

![Page Image](https://bcdn.docswell.com/page/87DK4LKMJG.jpg)

パラダイムシフト：エージェントの形式的定義
Agent = φ (Base Model) ⊕ A (Harness / Scaffold)
φ（推論器）：LLMなどの基盤モデル。
純粋な「思考」のエンジン。
A（足場・実行基盤）：モデルを“動くエージ
ェント”にする周辺ソフト一式（制御プレーン）。
Anthropic社が「Scaffold（足場）」と呼ぶ領域。
性能を最終的に律速するのはモデル（φ）ではなく、ハーネス（A）である。

# Page. 4

![Page Image](https://bcdn.docswell.com/page/VJPKM2KQE8.jpg)

実証データ：ハーネスの変更のみで性能は「10倍」飛躍する
データセット：SWE-bench（ソフトウェアエンジニアリングタスク）
68.3%
PoC Target
6.7%
旧ハーネス
新ハーネス：
Grok Code Fast 1
モデルは一切不変。編集ツール形式を
「str_replace」から「hashline」に変更
しただけで10倍の改善。（Boluk 2026）
Additional Evidence
• LangChain DeepAgents (TerminalBench):
ハーネス変更のみで+26% (52.8% →
66.5%)
• Meta-Harness (TerminalBench-2):
ハーネスの自動最適化が手作業設計を上回る
(76.4%)

# Page. 5

![Page Image](https://bcdn.docswell.com/page/2EVV9DVPEQ.jpg)

ハーネスの6成分形式モデル：H = (E, T, C, S, L, V)
S: 状態ストア
(State)
コア実行層
T: ツールレジストリ
(Tools)
E: 実行ループ
(Execution)
C: 文脈マネージャ
(Context)
V: 評価インタフェース
(Evaluation)
インフラ層
(Infrastructure)
L: ライフサイクル・観測
(Lifecycle)
2026年のサーベイ(Meng et al.)に基づく形式化。介入も評価も、この6成分の単位で設計・整理する。

# Page. 6

![Page Image](https://bcdn.docswell.com/page/57GLZYLQEL.jpg)

Core Execution：エージェントの「思考と行動」を制御する
E（実行ループ
- Execution)
• 役割：観測 → 思考 → 行
動の反復サイクル。
• 設計要素：終了条件の定
義、エラーからの自律
的復旧（リカバリ）メカ
ニズム。
T（ツールレジスト
- Tools)
• 役割：エージェントが外
部と介入するための「手
足」。
• 設計要素：型付きツール
群の管理、ルーティング、
厳格なスキーマ検証と監
視。
C（文脈マネージャ
- Context)
• 役割：コンテキストウィ
ンドウ（短期記憶）の最適
化。
• 設計要素：窓に何を入れ
るかの選別、情報の圧縮
(compaction)、効率的
な検索の仕組み。

# Page. 7

![Page Image](https://bcdn.docswell.com/page/4EQYLMYWJP.jpg)

Infrastructure：本番環境での「信頼性と再現性」を担保する
S
(状態ストア
- State)
• 役割：ターンやセッショ
ンをまたぐ記憶の永続化。
• 設計要素：外部データベ
ースとの連携、クラッ
シュ時の確実な状態復
旧。
L
(ライフサイクル
- Lifecycle)
• 役割：セキュリティと可
観測性 (Observability)
の確保。
• 設計要素：認証、詳細な
ロギング、ポリシーの強
制、計装
計装(instrumentation)。
V
(評価インタフェース
- Evaluation)
• 役割：改善のためのフィ
ードバックループ。
• 設計要素：行動軌跡（ト
レース）の記録、中間状
態の抽出、客観的な成功
シグナルの定義。

# Page. 8

![Page Image](https://bcdn.docswell.com/page/KJ4WDVW171.jpg)

トラブルシューティングの定石：5ステップ対応フロー
観測 (Observe)：
トレース(L,V)を
用いてエー
ジェントの行動
軌跡を完全に
可視化する。
切り分け
(Isolate)：
問題がE/T/C/
S/L/Vのどの
成分に起因する
かを特定する。
介入
(Intervene)：
該当する成分の
コード・設定を
修正する。
評価
(Evaluate)：
評価ハーネス(V)
で再計測し、回帰
(デグレード)
がないか確認
する。
恒久化
(Permanence)：
個別の対応を
システム規則や
新しいツールに
変換し、再発を
システムレベル
で防止する。

# Page. 9

![Page Image](https://bcdn.docswell.com/page/LE1YZ3Y57G.jpg)

The Golden Rule of Intervention：介入の絶対的な優先順位
1. ハーネス (Harness)
[最優先]
2. プロンプト (Prompt)
[次点]
3. モデル (Model)
[最終手段]
E, T, C, S, L, Vの修正。
確実性が高く、コストが安い。
システムプロンプトの調整。
モデルの変更やファインチューニング。
コストが甚大で、改善効果が不確実。
「モデル変更は最後の手段。必ず安価で確実なハーネス側の修正から着手すること。」

# Page. 10

![Page Image](https://bcdn.docswell.com/page/GEWG9PGWJ2.jpg)

アーキテクチャ比較マトリクス：目的に応じた6つの設計類型
Pattern
Pros
Cons
Best For
最小/ネイティブSDK
軽量・高パフォーマンス
拡張性が低い
定型・短いタスク
モジュラー
部品の再利用・分析が容易
設計と境界定義の手間
多様な環境・研究開発
長時間（複数窓）
記憶を越境し長尺タスク完遂
状態管理が複雑化
数時間〜数日の作業
マルチエージェント
親子委譲等で複雑さに対応
管理負担・結合コスト増
複雑さが読めないタスク
評価ハーネス
同条件での挙動採点・回帰検知
構築と維持のコスト
品質保証・継続運用
ランタイム適応
モデル不変で自動チューニング
探索コスト・過適合のリスク
本番環境の継続最適化

# Page. 11

![Page Image](https://bcdn.docswell.com/page/47ZL9KL2J3.jpg)

トレードオフ：ハーネス工学が効くレジームと落とし穴
Why it Works - 効く理由
■ モデル非依存で改善が可能（LLMの差し
替えが不要）。
■ 観測(L)と評価(V)により、再現性と説明性
が担保される。
■ コーディング等の複雑タスクで大幅改善の
実例 (6.7% → 68.3%)。
Pitfalls - 注意点・落とし穴
■ 複雑化のしすぎ：最初からマルチエージェント
等を組み、最小構成から始めない失敗。
■ 標準からの逸脱：ハーネスとエージェントは
密結合。非標準化による劣化リスク。
■ 評価の形骸化：観測・評価を後回しにすると
改善不能に。また、ベンチマーク通過が本番
採用と乖離するリスク。

# Page. 12

![Page Image](https://bcdn.docswell.com/page/YJ6WKQM6JV.jpg)

中堅エンジニアへの5つの戦略的推奨
1. 観測と評価(L,V)を最優先で導入する
なぜ：計装なしに改善も回帰検知も不可能。最初に軌跡と成功シグナルを確保する。
2. モデルの前に、まずハーネスを疑う
なぜ：モデル不変で10倍改善する事実（安く確実なアプローチ）。
3. ネイティブSDK/標準に合わせる
なぜ：密結合の恩恵を受け、不必要な劣化を防ぐ。
4. 文脈(C)を「有限資源」として厳密に設計する
なぜ：詰め込みは劣化（Context Rot)を招く。選別・圧縮・検索を仕組み化する。
5. 失敗を「システム」として恒久化する
なぜ：環境の未規定が失敗の主因。個別のエラーを規則や新ツールに変換し、再発を防止する。

# Page. 13

![Page Image](https://bcdn.docswell.com/page/GJ5MPRZ5J4.jpg)

ハーネスエンジニアリング習得へのロードマップ
Step 1: 地図を持つ
H=(E,T,C,S,L,V)のパラダイ
ムをチームで共有する。
Step 3: 計装 (L/V)
トレースと評価を組み込み、
軌跡と成功率を可視化する。
Step 5: 本番コードの読解
自社タスクにおいて、評価駆動の
改善サイクルを回し統計を学ぶ。
Step 2: 最小実装
ReActループを自前で書き、
ツールを1つだけ接続して動かす。
Step 4:
成分別の深掘り
文脈・記憶・ツー
ル・安全を1つずつ
強化していく。
Step 6: 最適化の反復
自社タスクにおいて、評価駆動
の改善サイクルを回し続ける。

# Page. 14

![Page Image](https://bcdn.docswell.com/page/9E296DRG7R.jpg)

Summary：本番稼働への鍵は「身体」の設計にある
● 原理：Agent = φ ⊕ A。本番の信頼性は
モデルではなくハーネスが律速する。
● 構成と介入：6成分 H=(E,T,C,S,L,V)
で事象を切り分け、「ハーネス優先」
で介入する。
● 実践：最小構成から始め、観測(L)
と評価(V)を基盤に、目的応じた
アーキテクチャへと拡張する。
「面白きこともなき世を面白く」
最新論文(Meng et al. 2026 / SWE-bench 等)およびAnthropic公式技術録に基づく。うさうさ研修工房