Harness Engineering
Prompt EngineeringとContext Engineeringを超えて、信頼性の高いAIエージェントシステムを構築する2026年の新パラダイムを習得
Claude・GPT・中国系モデルを 1 つのキーで。このページのやり方をそのまま試せます。
- トークン単位の課金・最新単価は /models
- カード（Visa / Mastercard）・Apple Pay・Google Pay・暗号資産で支払い可能
- チャージ後すぐにセルフサービスで開通
更新日 2026-11-07
3世代のエンジニアリングパラダイム進化
「より良いプロンプトの書き方」から「信頼性の高いエージェントシステムの構築方法」へ
Prompt Engineering
より良い入力指示の作成に焦点
Context Engineering
モデルが「見る」ものの設計――メモリ、ツール、ドキュメント
Harness Engineering
エージェント実行の完全な環境設計：制約、フィードバックループ、ライフサイクル管理
核心公式：Agent = Model + Harness
あなたがモデルでなければ、あなたはHarnessの一部。Harnessとは、AIエージェントを確実に動かすすべてのインフラ――CLAUDE.md、MCPツール、Hooksオートメーション、権限制約、フィードバック機構。
Agent
Model
Harness
Harnessの4大構成要素
制約システム（Constraints）
エージェントができること・できないことを定義。Claude Codeの権限設定、ツールアクセス制御、CLAUDE.mdのプロジェクト規約
フィードバックループ（Feedback Loops）
タスクの成功・失敗をエージェントに伝達。テスト結果、コードlint、CI/CDシグナル、人間レビューチェックポイント
コンテキスト足場（Context Scaffolding）
エージェントに適切な情報を提供。CLAUDE.mdプロジェクトメモリ、MCPツール統合、RAGドキュメント検索
ライフサイクル管理（Lifecycle Management）
エージェントの起動・実行・停止を管理。Hooksオートメーション、タスクキュー、例外処理、セッション永続化
QCodeチーム版：既製のHarnessインフラ
QCodeチーム版は独立した管理ダッシュボード、サブAPIキー権限管理、使用量モニタリングを提供――これ自体が完全なHarness。チームはビジネスロジックに集中できます。
AIハーネスの構築を始めるHarness Engineering の実践：言葉の出どころ、harness の中身、始め方
この言葉はどこから来たのか
Harness engineering とは、エージェントが確実に仕事をこなせるよう、モデルの周りにあるものすべてを作り込む仕事のことです。OpenAI は 2026-02-11 に「Harness engineering: leveraging Codex in an agent-first world」を公開し、Codex を使って手書きのコードなしで社内向けプロダクトを作ったチームの取り組みを紹介しました。記事の要約は Humans steer. Agents execute. で、チームの主な仕事は design environments, specify intent, and build feedback loops that allow Codex agents to do reliable work になったと述べています。
Anthropic も同じ言葉を使っています。2025-11-26 公開のエンジニアリング記事「Effective harnesses for long-running agents」は Claude Agent SDK を a powerful, general-purpose agent harness と呼び、2026-06-02 の Claude ブログ記事は、動的ワークフローによって Claude が write its own harness on the fly できるようになったと書いています。
OpenAI の記事にある 4 つの実践
記事は、こうした成果はそのリポジトリ固有の構造とツールに大きく依存しており、同様の投資なしに一般化できると考えるべきではないとも注意しています。
- マニュアルではなく地図を：AGENTS.md は短く保ち（OpenAI のものは約 100 行）、リポジトリ内のより詳しいドキュメントを指す目次として使います。記事の言葉では give Codex a map, not a 1,000-page instruction manual です。
- リポジトリを唯一の記録源に：実行中のエージェントがコンテキスト内で参照できないものは、エージェントにとって存在しないのと同じです。そのため設計ドキュメント、実行計画、技術的負債の一覧をバージョン管理してリポジトリに置きます。
- アーキテクチャを機械的に守る：独自の linter と構造テストで依存の方向、構造化ログ、ファイルサイズの上限を強制し、lint のエラーメッセージにエージェント向けの修正方法を書き込みます。
- 継続的なガベージコレクション：「ゴールデンプリンシプル」をリポジトリに書き、定期的なバックグラウンドの Codex タスクが逸脱を探して小さなリファクタリングのプルリクエストを出します。
Anthropic の長時間エージェント向け harness
Anthropic の方法は 2 段構えです。初回は initializer agent が環境を整えます。init.sh スクリプト、エージェントの作業履歴を記録する claude-progress.txt、最初の git コミットです。その後のセッションでは coding agent が 1 回に 1 機能ずつ少しずつ進め、最後に git コミットと進捗の更新を残します。
機能リストは JSON で書きます。記事によると、モデルは Markdown より JSON のほうを不適切に変更したり上書きしたりしにくいためです。各機能は最初 failing とし、きちんとテストした後でだけ passing にします。記事は、ブラウザ自動化などのテストツールを Claude に与え、人間のユーザーと同じようにエンドツーエンドでテストさせると性能が大きく向上したとも報告しています。
Claude Code や Codex で最初の harness を作る
これらはすべてローカルの設定で、どのモデルサービスを使っても同じように機能します。QCode を使う場合、Claude Code と Claude Agent SDK は ANTHROPIC_BASE_URL=https://api.qcode.cc/api、Codex は config.toml に base_url = https://api.qcode.cc/openai を指定し、cr_ で始まる 1 つのキーを両方で使えます。課金はトークン単位で、各モデルの単価は /models に掲載しています。
- 指示：Claude Code は毎セッションの開始時に CLAUDE.md を読みます（/init で下書きを作れます）。Codex は AGENTS.md を読み、~/.codex/AGENTS.md がグローバル層、プロジェクト内のファイルがその上に重なり、既定の合計上限は 32 KiB です。
- 制約：Claude Code の権限ルールは deny、ask、allow の順に評価されます。Codex ではサンドボックスと承認の設定を親セッションで行い、サブエージェントはそれを引き継ぎます。
- フィードバック：Claude Code の hooks は PreToolUse、PostToolUse、Stop などの時点で動き、PreToolUse の hook が終了コード 2 で終わるとそのツール呼び出しを止められます。Codex にも PreToolUse、PostToolUse、Stop などの hooks があります。
- 再利用：決まった手順は skill（SKILL.md ファイル）にまとめるか、Claude Code の動的ワークフローでタスクに合わせた harness を作らせます。
- 引き継ぎ：Anthropic の方法にならい、進捗ファイルと git コミットを残して、次のセッションが前回の続きから始められるようにします。
Harness Engineering のよくある質問
harness engineering とは？
AI エージェントが確実な結果を出せるように、その作業環境を設計することです。エージェントが読む指示、使えるツールと権限、テストや linter などのフィードバックループ、セッションをまたいだ進捗の記録方法が含まれます。OpenAI は 2026-02-11 の記事のタイトルにこの言葉を使いました（Harness engineering: leveraging Codex in an agent-first world）。
prompt engineering や context engineering とは何が違う？
prompt engineering は指示の書き方、context engineering はモデルに何を見せるかを扱います。harness engineering は作業環境全体、つまり制約、フィードバックループ、セッションをまたぐ記憶、ライフサイクルの制御までを対象にします。OpenAI の表現では、エンジニアの仕事は環境の設計、意図の明確化、フィードバックループの構築へと移ります。
Claude Code そのものも harness？
そうです。Anthropic のエンジニアリングブログは Claude Agent SDK を汎用の agent harness と呼び、Claude ブログも既定の Claude Code harness はコーディング向けに作られていると書いています。その上に加える CLAUDE.md、権限、hooks、skills、ワークフローが、プロジェクト独自の harness になります。
harness は何で構成される？
実用的なチェックリストは次のとおりです。地図の役割を果たす指示ファイル（CLAUDE.md または AGENTS.md）、権限ルールやサンドボックス、テスト・linter・CI・hooks からのフィードバック、新しいセッションがすぐ追いつけるための進捗ファイルと git 履歴、そして skills や保存したワークフローのような再利用できる手順です。
どこから始めればいい？
詳しいドキュメントを指す短い CLAUDE.md か AGENTS.md を書き、テストを実行する hook か CI チェックを追加し、作業を 1 セッション 1 機能に分け、セッションの終わりにエージェントが更新する進捗ファイルを置きます。エージェントが同じ形で失敗するのが見えてから、構造を足していけば十分です。
Claude Code と Codex 用に QCode を支払うには？
クレジットカード（Visa / Mastercard）、Apple Pay、Google Pay、Alipay、WeChat Pay、暗号資産（複数の通貨とネットワーク）で支払えます。1 つのキーで Claude、GPT、主要な中国系モデルを呼び出せ、手続きはすべてセルフサービスで数分で始められます。