AIエージェントに仕事を任せるための設計図：プロンプトからグラフまで、4つのエンジニアリング技術を解説
本記事は、AIエージェント（特にClaude Codeのようなシステム）に複雑なタスクを委任する際、人間がどのような設計を行っているのかを、具体的な4つの「エンジニアリング」の概念を用いて解説しています。AIエージェントの活用が進む中で、「プロンプトエンジニアリング」「ハーネスエンジニアリング」「ループエンジニアリング」「グラフエンジニアリング」といった用語が増加していますが、筆者はこれらが「任せる範囲」が広がるにつれて、設計対象が変化していく構造を持っていると指摘しています。
この4つの設計は、単なる技術の羅列ではなく、入れ子構造になっています。最も基本的な「①プロンプトエンジニアリング」は、単発の指示（目的、制約、完成条件）を洗練させることで、AIの出力の質を向上させる段階です。しかし、単発の指示では検証が人間頼みになるため、次の「②ハーネスエンジニアリング」が必須となります。ハーネスは、AIの成果物が正しいかを人間の目を通さずに自動で判定する仕組み（テスト、サンプルデータ、チェックリスト）や、危険な操作を物理的に止める安全帯（権限設定、フック）を指します。
さらに、②の判定装置ができると、「③ループエンジニアリング」が可能になります。これは、AIが「実行→判定→修正」のプロセスを自律的に繰り返す仕組みであり、人間が毎回介入する必要がなくなります。この際、無限ループやテストの不正な書き換えを防ぐための「止まり方」の設計が重要です。そして、最も高度な「④グラフエンジニアリング」は、複数の作業が絡む大規模な仕事の流れを、ノード（作業）とエッジ（依存関係）で図式化するものです。これにより、作業の依存関係や並列実行を明確にし、手戻りの少ない大規模なワークフローを構築できます。
結論として、これらの4つの設計は、それぞれが独立しているのではなく、より大きなタスクを扱うために段階的に組み込まれていく「入れ子構造」であり、開発者は「任せる範囲」を広げるほど、より高度な設計（②→③→④）を積み重ねていく必要があると提言しています。
背景
近年、大規模言語モデル（LLM）を搭載したAIエージェントの登場により、AIに単なる質問応答以上の「タスク実行」が求められるようになりました。しかし、複雑な実務プロセスをAIに任せるには、単なる指示（プロンプト）だけでは不十分であり、信頼性、検証可能性、自律的な修正能力といった構造的な設計が必要となり、本記事で解説された4つのエンジニアリング概念が注目されています。
重要用語解説
- プロンプトエンジニアリング: AIエージェントに対し、目的、制約、完成条件を明確に記述し、単発の指示の質を高める手法。最も基本的な設計段階です。
- ハーネスエンジニアリング: AIの成果物が正しいかを、人間の目を通さずに自動で判定する検証枠組み（テスト、サンプルデータなど）や、危険な操作を物理的に阻止する安全装置。
- グラフエンジニアリング: 複数の作業ステップ間の依存関係、並列処理、分岐といった複雑な流れを、ノードとエッジで図式化し、ワークフロー全体を設計すること。
今後の影響
本記事で解説された設計思想は、AIを活用したソフトウェア開発の標準的なワークフローとなりつつあります。開発者は、単にプロンプトを工夫するだけでなく、テストやフロー設計といった「構造的な設計」を組み込むことが必須となり、AI開発の専門知識がより高度化することが予想されます。特に、検証（ハーネス）の仕組みが、AIの信頼性を担保する鍵となります。