AIエージェントの真の性能は「モデル」か「ハーネス」か？開発の視点が変わる
本記事は、AIエージェントの性能評価における新たな視点として、「モデル（LLM本体）」と「ハーネス（実行システム）」の分離と重要性を解説している。従来、AIの性能はモデルの賢さのみに注目されがちであったが、筆者は、実際の複雑なタスク（バグ修正や長時間の作業）においては、モデルの外側でタスクを制御する「ハーネス」の役割が極めて重要であると指摘する。
ハーネスとは、OpenAIが言う「周りの実行システム」であり、ファイルの読み書き、コマンドの実行、エラー発生時の処理、会話の文脈管理など、モデルが単独では担えない周辺のプロセス全体を指す。筆者はこれを「モデルが作業者、ハーネスが仕事場」と例え、仕事場（環境）の質が能力発揮に大きく影響することを強調している。
この視点は、2026年8月頃に大手AI企業から続々と発表された動きと一致している。Metaが長時間の作業を止めない仕組みを、DeepSeekがモデル・ツール・作業ループの交換可能性を、OpenAIが中核部分を組み込める基盤として公開したことがその例である。これらの企業は、単に新しいモデルを発表するだけでなく、「どう動かすか」という仕組みを製品の中心に据えている。
研究事例からは、モデルを変えずにハーネスを修正する「Self-Harness」が正答率を向上させた例や、Vercelが大量の専用ツールを削り、シンプルな環境に絞ることで効率と成功率を大幅に改善した例が紹介されている。結論として、AIの能力を評価する際は、「モデル単体」ではなく、「モデル × ハーネス」という組み合わせで全体を評価する必要がある。
背景
近年、AIエージェントは単なる質問応答を超え、コードの実行や複雑なタスク処理を求められるようになり、その複雑化に伴い、単なるLLMの性能だけでは対応しきれない課題が浮上した。本記事は、この課題を解決するため、AIの動作を「モデル」と「実行環境（ハーネス）」に分解し、後者の重要性を理論的・実証的に示した。
重要用語解説
- ハーネス: AIエージェントの「実行システム」全体を指す。モデルがタスクを遂行するための、ファイルの読み書き、コマンド実行、エラー処理、文脈管理など、周辺の制御機構を担う仕組み。
- エージェント: AIが自律的にタスクを計画し、実行し、結果を検証するシステム全体のこと。モデル（脳）とハーネス（体・環境）が組み合わさった複合的な存在。
- 文脈圧縮: AIとの会話が長くなる過程で、システムが処理能力の限界から、初期の重要な指示や制約条件を自動的に忘れてしまう現象。長い作業における安全性や一貫性の低下を招く。
今後の影響
今後は、単に高性能なモデルを開発するだけでなく、タスクの失敗を検知し、自己修正を促す「堅牢な実行環境（ハーネス）」の構築が、AI製品の競争力の源泉となる。開発者は、モデルの能力に頼るのではなく、仕組み（ワークフロー）の改善に注力することが求められる。