薄くなった後、戦い方は誰が決めるのか

harness が薄くなっても、外側に何も残らないわけではありません。その上に別の層が立ち上がります。対談では呼び名がまだ決まっておらず、冗談まじりに「いつか鞍（サドル）と呼ぶかも」と語られました。

これは対談での思いつきではありません。Anthropic のエンジニアリングブログが Managed Agents を扱った際、まさに「メタ harness」という語を使っています。定義は、将来どんな具体的 harness が必要になるかに立場を持たず、汎用インターフェースだけを提供し、多様な harness をその上で動かせるようにするシステム、です。

以下の 3 つの戦法は、すでに使われています。

実際にはこれらの戦法は混ぜて、しかも段階を分けて使われます。序盤は best of N（同じ問題を独立に N 回走らせ、最良の 1 本を選ぶ）で広く道を探り、どの道が通じるかを見る。正しい枠組みが定まったら、その枠組みの上で磨き込む。探索フェーズと収束フェーズでは戦法が違います。

注意したいのは、「何回か走らせて最良を選ぶ」が万能ではないこと。近年の研究では、複雑なタスクにおいて独立な再抽出の繰り返しは「基準を持って直し続ける」方式に明確に劣ることが多いとされています。後述する outcomes が採るのは後者の道です。

Agent には自分の身元が要る

今日ほとんどの Agent は、借り物の権限で動いています。誰かのアカウントでシステムに入り、その人が入れる場所にだけ入れる。問題が起きたときに記録に残るのもその人です。対談の見立ては、この道は長く続かない、Agent には自分の身元が要る、というものです。

変えざるを得ない理由は 2 つあります。1 つは時間が合わないこと。Agent は自分でタスクを組み、あなたが退勤したずっと後に動き出します。その時点で「あなたを代理する」は成り立ちません。もう 1 つは人が合わないこと。あるグループにエンジニア 3 名とプロダクトマネージャー 1 名がいるとき、Agent は誰の権限で動くべきか。すべての状況で正解になる人選はありません。

以下のやり取りが、対談で描かれた動き方です。

上のやり取りは対談の説明をもとに整理した想定シーンです。

このモデルには代償もあり、Anthropic 自身がブログで言い切っています。「あなた本人は入れない部屋に、Agent を代わりに入らせられる」状況が起こり得る。その区画が Agent にその権限を与えていれば、です。彼らの説明では、確かに直感に反するが、複数人で共有し自律的に働く Agent には必要な一歩だ、と。見返りは取り消しの簡単さです。この身元を無効化すれば、全システムでのアクセス権が同時に終わります。

Agent 同士はどう呼び出し合うか

関連する話がもう 1 本。ある Agent を包んで外に見せておけば、別の Agent がその使い方を理解できます。対談では、Claude Managed Agents の上に非常に薄い MCP server を載せてこれをやっている例が挙がりました。

MCP は Anthropic が 2024 年 11 月に公開したオープンソースのプロトコルで、公式のたとえは「AI アプリの USB-C 端子」。ただし「別の Agent が呼び出し方をすぐ理解できる」を成立させているのは、ある具体的な設計です。

動画冒頭の自嘲は、まさにこの話です。

私たちが API オタクなのがわかりますよね。Agent 同士も API で会話すべきだと言うんですから。対談の冒頭より

120 本のプロセスから切り込まない

企業が Agent の採算を考えるとき、よくある入り方は 2 つ。手元の巨大な既存プロセスを丸ごと Agent 化する（120 本あるかもしれません）、リストに沿って 1 本ずつ。あるいは、いっそ製品全体を作り直す好機だと考える。発想は悪くありませんが、全部やり切るのは非常に困難です。

対談が示した代案は、もっと単純なメンタルモデル。順番は入れ替えられません。

この順番で進めれば、会社が気にする指標が 1 つずつ点灯し、最後には整理したかった 120 本のリストにも自然と辿り着きます。多くの ROI 測定は、まず速度と産出効率を主軸に据えるのが先行しやすく効きやすい。社内に浸透してから財務指標やユーザー指標へ移す方が理にかないます。

全員が単独で動けるほど、調整は難しくなる

失敗パターンを問われたときの答えは、あまり耳に心地よくありません。Agent は一種の「超・自立感」をもたらすが、その感覚はやや虚である、と。

いまや誰もが開発者で、何でも自分でできる気がします。以前なら「この数案のどれが最善か」と少し吟味した。いまは安いので、プロトタイプを 10 本全部立てて、勝ったものを採る。

エンジニアリングチームはどう変わったか

構造自体は大きく変わっていません。自分たちが何を作っているか理解し、運用でき、障害時に当番を回せる人たちは依然として必要です。変わったのはチーム内部の配分です。

希少なものが「誰が書くか」から「何を作るべきか説明できるのは誰か」へ移りました。

個々のツールから、1 枚の土台へ

終着点の構想はこうです。これが得意、あれが得意という Agent ツールを個別に開くのではなく、共通の土台が 1 枚あり、皆がその上で協働する。

画面は見慣れたものですが、いつでも Agent を呼び出せます。立てたいときに立て、止めたいときに止め、裏で黙々と働く。向こうから声をかけてくることもあります。これが落ちていたので詳細を調べ、原因もわかって直しました、コードの変更はこれです、見ますか、と。あなたは返せます。この程度のことで今後は呼ばなくていい、そのまま出して、と。

さらに先では、チームの Agent が特定の数人の協働の好みに合っていきます。あなたと私のある協働フローには対応する Agent があり、3 人のチームには別の Agent があり、理解している好みも少し違う。能動的に手に取るツールというより、オペレーティングシステムに近い姿です。

プラットフォーム側の手がかりは outcome

締めくくりは具体的な仕組みです。Claude にやり方を教えるのではなく、どうなれば合格かを伝え、採点基準を添えます。Claude は自分で作り、基準に照らして採点し、合格するまで止まりません。

これはスローガンではなく、公式ドキュメントに設計があります。outcome を定義すると、システムは自動的に採点役を割り当て、渡された採点表で成果物を検収します。この採点役は別の独立したコンテキストを使い、主 Agent 自身の実装方針に引きずられるのを防ぎます。不合格なら差し戻して作り直し。既定の手戻りは最大 3 回、上限は 20 回です。

この方向をさらに進めた構想上の使い方はこうです。「この結果が欲しい、予算はこれ、始めて」と言えば、あとはほぼ気にしなくていい。

対談の見立ては、あのマスが削除されつつある、というもの。理由は簡潔さではありません。あのマスはすでに足を引っ張っています。Anthropic のエンジニアリングブログに具体例があります。Sonnet 4.5 には癖があり、タスク途中でコンテキスト上限が近づくと雑にまとめに入る。チームはこれを「コンテキスト不安」と呼び、外殻にコンテキストリセット専用のパッチを足しました。Opus 4.5 に切り替えると癖は自然に消え、パッチは彼らの原文どおり dead weight、死荷重になりました。

解体できるのは、モデルが「状況を見る、次を決める、動く、結果を見る」を 1 つのループで繰り返せるようになったからです。ただし外殻が薄くなっても外に何も残らないわけではなく、その上に別の層が立ち上がりつつあります。対談の 2 人も呼び名を決めかね、冗談まじりに「いつか鞍（サドル）と呼ぶかも」と言っています。

この層は 1 歩目、2 歩目を定めません。決めるのは、この問題をどの戦法で解くか。Anthropic のエンジニアリングブログではメタ harness と呼ばれます。下の図は旧来のやり方と 3 つの新しい戦法を横並びにしたもの。お題は同じ、小互が新発売の AI イヤホンについて 2000 字のレビューを書く、手元にユーザーの不満が 12 件。

もう 1 つ付随する話。モデルが手順を自分で考えるようになると、権限も主体を変える必要があります。今日ほとんどの Agent（自分で手順を組んで働く AI プログラム）は借り物の権限で、誰かのアカウントでシステムに入り、その人が入れる場所にだけ入れます。対談の見立ては、この道は長く続かない、というもの。退勤後に動き出す相手に「あなたを代理する」は成り立たず、エンジニア 3 名とプロダクトマネージャー 1 名のグループで誰の権限に従うのかも決まりません。向かう先はこうです。触れるシステムの一覧を先に出し、あなたが 1 項目ずつ承認し却下もでき、やり遂げれば自分のアカウントを持ち、各操作が自分の名義で記録され、後から 1 件ずつ追える。

企業でよくある入り方は 2 つ。手元の百数十本の既存プロセスを全部 Agent 版に作り替え、リスト順に 1 本ずつ。あるいは製品を根本から作り直す好機だと考える。対談が示した代案はもっと愚直な順番で、逆走はできません。40 人の制作会社を例に、3 つの段にかかる時間は次のとおり。

これらはいずれも Anthropic 自身が公開した対談動画と公式ブログに基づきます。登壇者 2 名は自社プラットフォームの方向性を語っており、製品能力に関する部分は一方の説明です。outcome などの機能は現在も個別申請が必要で、「Agent が自分でサービスアカウントを作る」のは対談での説明。公式ドキュメントが記す運用は、管理者があらかじめアカウントを用意する形です。