OpenHarness と GEP:agent stack の実行レイヤーと進化レイヤー

OpenHarness と GEP:agent stack の実行レイヤーと進化レイヤー

2026年4月9日
130 回閲覧
openharness gep agent-stack agent-harness agent-evolution ai-agent

また会いましたね。Lena です。ずっと頭のなかをぐるぐるしていたことがあって、しばらくはうまく名前がつけられませんでした。

会話の中心になるのは、たいてい model の話でした。どれが賢いか、どのベンチマークでどの点数か、どの版が出たばかりか。でも実際のエージェントが苦しむのを見ていると、原因は model の性能ではないことが多いです。周りの足場——scaffolding——が欠けているか、もろいからでした。タイミングの悪い tool call。静かに弾かれる権限の境界。終わらない retry のループ。一度うまくいった実行なのに、次の実行に引き継がれるものが何も残らない。

問題だったのは model ではありませんでした。model を取り囲むすべてでした。

そのレイヤー——model を包み、出力を振り分け、何をしてよいかを管理し、完了したタスクから何を残すかを決める部分——にもっと注意を向け始めました。きれいなひとことで言えるようになったのは最近で、harness という語が、だんだん一定の意味で使われるようになってからです。OpenHarness は、そのレイヤーをオープンに、検査可能に、そして組み合わせ可能にするプロジェクトです。そして GEP(Genome Evolution Protocol) は、その上に乗るプロトコルで、harness 単体にはまだないもの、つまり「うまくいった実行が何を生むか」のライフサイクルを足します。

まだ腹落ちしていない部分もあります。ただ、いまの理解はここまでです。

harness engineering とは何か、なぜいま重要か

harness engineering という言葉は、2026 年に入って増えてきました。指しているのは、AI エージェントをスケールで信頼できるものにするための環境・制約・フィードバックループを設計する領域です。model そのものではなく、model のまわりのインフラの話です。

この切り分けは、思っている以上に効きます。model はよく推論できても、本番では tool の実行が危険だったり、memory が正しく永続化されなかったり、負荷のかかる状況でマルチエージェントの連携が崩れたりすれば、失敗します。どれも model の問題ではありません。harness の問題です。

harness のレイヤーは、model の出力が現実世界に触れる場所です。tool_use の応答が、実際のファイル編集やシェルコマンド、web の取得、サブエージェントの起動になる。harness が、その tool call を許すかどうかを決めます。パス規則やコマンドの denylist、承認フローを課します。retry やストリーミングを扱います。タスクが終わるか境界にぶつかるまで、model と tool のあいだのループを回し続けます。

これはしばらく、プロプライエタリなシステムのなかで起きていました。いま違うのは、それが組み合わせ可能で、オープンで、検査できる方向に動き始めたことです。

OpenHarness が実際にやっていること

10 のサブシステム

OpenHarness は、コアとなる Agent Harness パターンを 10 のサブシステムで実装しています。engine(エージェントループ本体)、tools(ファイル I/O、シェル、検索、MCP など 43 の組み込み tool)、skills(必要に応じて読み込む Markdown の知識)、plugins(コマンド、hook、エージェント、MCP サーバーなどの拡張)、permissions(パス規則やコマンド denylist を含む多段の安全モード)、hooks(PreToolUse / PostToolUse のライフサイクル)、commands(/commit や /plan、/resume など 54 のスラッシュコマンド)、MCP(Model Context Protocol のクライアント)、memory(セッションをまたぐ永続の知識)、coordinator(マルチエージェントのサブエージェント起動とチーム調整)です。

その一覧を、二度見返しました。機能の寄せ集めではなく、サブシステムごとに役割がはっきりした一つの設計です。permissions が memory に染み出さない。hook は定義されたライフサイクルで発火し、ループのロジックには触れない。聞こえほど簡単ではない分離です。

エージェントループ

harness が担うのは how です。安全に、効率よく、観測しながら。流れはこうです。ユーザーのプロンプト → CLI か React の TUI → runtime のバンドル → query engine → API クライアント → tool_use なら tool のレジストリ → permissions と hook → 実際の実行(ファイル、シェル、web、MCP、タスク)→ 再び query engine。

query → stream → tool-call → loop というループが、あらゆるものの下にある実行の素です。model がループを回すのではありません。ループを回すのは harness です。 model はトークンと tool 要求を出す。それをどう扱うかは harness が決めます。

ここは、しばらく胸の内に置いておきたいパーツでした。model はループの参加者であって、オーケストレーターではない。……うん、見えてきました。

harness が終わる場所

うまく言い表せているか、まだ自信がないのですが、書いてみます。

OpenHarness は実行します。うまくいったことを「捕まえる」ことはしません。

複数の tool call や retry を含む、往復を重ねてようやく着地した修正——そういう成功した実行も、終わればそこで終わりです。次のセッションは、それなしで始まります。OpenHarness の skill は、実行前に手当てするオンデマンドの Markdown 知識で、anthropics/skills 形式と互換です。しかし、成功した実行が自動で書き込むわけではありません。よい実行が、そのまま再利用可能な成果物になるわけではないのです。

これは OpenHarness の設計ミスというより、harness がそもそもやることです。実行する。学んだことをどうするかは、別レイヤーの仕事です。

……そこで GEP を見始めました。

GEP がその上に足すもの

実行から進化へ

GEP プロトコル(Genome Evolution Protocol)は、harness のレイヤーの上に置かれることを想定しています。役割は実行ではありません。よい harness 実行の出力に形を与え、ライフサイクルを管理し、他のエージェントへ継承される道を用意することです。

GEP は単なるログではありません。エージェント進化のための標準です。試行・検証・固定化のループを通じて、エージェントが新しい能力をどう獲得するかを定義します。遺伝子(Gene)は能力の最小単位で、検証済みの再利用可能なコード片やプロンプト片です。遺伝子カプセル(Capsule)は、うまくいったタスク実行の経路です。複雑な問題を解いたプロセスが、事後的に Capsule として封じ込められます。

この区別は重要です。harness の skill ファイルは、実行に 持ち込む 知識です。GEP の Capsule は、実行 から抽出する 知識です。事後で、検証を経て、結果が本当に機能したと確認されたあと。

harness にない検証レイヤー

GEP のアセットは四つの状態をたどります。candidate(公開直後、レビュー待ち)→ promoted(検証済みで配布可能)→ rejected(検証またはポリシーで不合格)→ revoked(発行者が取り下げ)。

promote には最低限の GDI スコアが必要です。低いものは却下されるか、改善のため隔離されます。手動での上書きも、形だけの承認もありません。promoted だからといって永久ではありません。品質が落ちたり、コミュニティが問題を挙げたりすれば、revoked になり得ます。

OpenHarness にこれに相当するものはありません。~/.openharness/skills/ の skill ファイルに、promotion の状態も適合度スコアも取り下げの経路もありません。あるかないか、それだけです。ローカルの手順知識としてはそれで足ります。一方で、本当に持ちこたえた修正と、一度きりの環境でしか通らなかった修正を分ける仕組みは、そこにはありません。

GEP の検証レイヤーが、まさにその仕組みです。

二つの層がどう組み合わさるか

理解を試すとき、何度も頭に戻ってきた具体例があります。

OpenHarness 上のエージェントが、外部サービスへの API 呼び出しを繰り返すマルチステップのタスクを進めているとします。呼び出しが失敗し始めます。断続的なタイムアウトで、一定のパターンもありません。harness が retry します。一部は成功します。いくつかの反復のあと、特定のバックオフと retry の組み合わせが呼び出しを安定させ、タスクは完了します。

harness は仕事を果たしました。 permissions は守られ、tool call は正しい実行経路を通り、ループは最後まで回りました。

しかし、そのリカバリ戦略——この環境とこのサービスで効いた、あのバックオフの型——は、いま消えています。次に同じタイムアウトの型に当たるエージェントは、ゼロからやり直します。

ここに GEP が入ります。GEP のプロトコルループは、ローカルで進化させ、Gene と Capsule の束として公開し、hub で検証とランキングを受け、他者が継承して結果を返し、将来の選択をよくする、という流れです。その OpenHarness 実行から得た修復戦略は Capsule になり、POST /a2a/publish で公開されます。検証を通れば promoted になります。別のエージェント——どの harness でも、どの model でも——が POST /a2a/fetch で取りに行き、修正を継承できます。

GEP は設計上、model に依存しません。GPT-4 のエージェントが公開した解も、Claude のエージェントが継承して使えます。GEP のアセットは振る舞いの記述であって、model 固有の重みではないからです。

harness が修正を可能にした。GEP が、それを永続的で持ち運べるものにした。

それぞれが「やらない」こと

誤解がありそうなので、はっきり書いておきたいです。

harness の skill ファイルは、GEP の Gene と同じではありません。

OpenHarness——あるいは agentskills.io と互換のあらゆるシステム——の skill ファイルは、手順の文脈を与える Markdown です。実行が始まる前に、ある種のタスクへどう近づくかを示します。静的でローカルで、検証のライフサイクルはありません。OpenHarness の skill は anthropics/skills 形式と互換で、.md を ~/.openharness/skills/ に置けば使えます。

GEP の Gene は、前提条件・制約・検証ステップを伴う、検証済みの再利用可能なコードまたはプロンプト片です。promotion の状態があります。GDI スコアがあります。revoked され得ます。事前のドキュメントとして書いたのではなく、実際の実行から生じ、実結果に対して検証されています。

同等だとみなすと、きちんとしたカテゴリ違いになります。skill ファイルは harness への入力です。Gene はそこからの出力です——構造化され、監査可能で、skill ファイルが想定していない形で継承可能です。

いまのところ、二つのレイヤーの違いを言うなら、これがいちばんはっきりしている気がします。harness は実行環境です。GEP は、その上に乗る進化のレイヤーです。

FAQ

AI エージェントの文脈で、harness engineering とは何ですか?

harness engineering とは、スケールで AI エージェントを信頼できるようにするための環境・制約・フィードバックループを設計する領域です。model のまわりのすべて——tool 実行、permissions、retry、memory、マルチエージェントの調整——を、都度の糊コードではなく、組み合わせ可能で検査できるシステムとして扱うことです。

OpenHarness は LangChain や AutoGPT とどう違いますか?

ここは十分に比較したとは言えず、自信を持って断定はしません。言えるのは、OpenHarness が明示的に harness パターンを骨格にしていることです。責務の決まった 10 のサブシステムに分かれ、本番のエージェントが内部でどう動くかを理解し拡張したい研究者やビルダー向けです。LangChain は、より広いオーケストレーションの枠組みです。AutoGPT は、フルプロダクトに近いエージェントです。OpenHarness は、「ここが設計で、オープンで検査できる」に近い立ち位置です。

下に OpenHarness のような harness がなくても、GEP は動きますか?

技術的には動きます。GEP はプロトコルであって runtime ではないからです。HTTP が打てれば Capsule の publish と fetch はどのシステムからでも可能です。ただ、GEP の価値は成功した実行が何を生むかを捕まえることにあり、その実行はどこかで起きる必要があります。自然なのは、harness です。そこで走り、捕るに値する成果物が生まれるからです。

OpenHarness が捕まえない成功した実行は、どうなりますか?

終わります。修正も戦略もリカバリの経路も、セッションログに残る以外の居場所はありません。次の実行は、それなしで始まります。これが GEP が埋めようとしている隙間ですが、意図的な統合が要ります。Capsule が自動で公開されるわけではありません。誰か、あるいは何かが a2a/publish を起動する必要があります。

harness の skill ファイルは、GEP の Gene と同じですか?

いいえ——そして、この記事全体でいちばん大事な区別だと思います。skill ファイルは、実行に持ち込む静的な手順知識です。Gene は、実行から抽出した検証済みの能力アセットです。向きもライフサイクルもスコープも違います。

OpenHarness の行方は、まだ早い段階で、この稿を書く数日前に v0.1.2 が出たばかりです。単一の機能というより、設計に注目しています。名前のついた 10 のサブシステムが、それぞれ一つのことをして、すべてがオープンで検査できる。

ここには、ちゃんと見ておく価値がありそうです。

Previous Posts:

関連記事