11月7日、マイクロソフトはエージェント実行システムに関する技術白書を公開し、予想外のテスト結果を含んでいた：Claude Opus 4.8を同じく使用し、Copilot Studioの背後にあるHarnessのみを変更したところ、複雑なタスクの通過率が22.1ポイント向上した。新システムでは、各タスクごとのモデル呼び出し回数がほぼ2倍になったが、換算後の入力トークン消費量は21%削減された。
ちょうど10日前、マイクロソフトは、統合されたCopilot Harnessを複数の製品に展開し、クラウドプラットフォームを通じて開発者にマネージドサービスを販売すると発表しました。
11月5日、月之暗面はKimi Hosted Agents（マネージドエージェント）をリリースし、正式にHarness as a Serviceを提唱しました。8月にはDeepSeekが自社のHarnessをオープンソース化しました。OpenAIやAnthropicはそれより前から、内部運用システムを開発者が呼び出せるサービスとして提供しています。
大モデルの背後にある「運用システム」が、モデル企業にとっての鍵となる存在になり始めている。
画像はAIによって生成されました
01 Harnessに参戦
Harnessは、大規模モデルを基盤としたAgent実行システムと理解できます。これにより、モデルは外部ツールを使用し、複数ステップのタスクを継続的に実行し、実行結果に基づいて次の行動を調整できます。長時間実行が必要なAgentの場合、Harnessはタスクの状態を保存し、中断後に作業を再開できるようにします。
それはAIアプリケーションとは異なるレベルにあります。たとえば、Claude CodeやWorkBuddyなどの製品は直接ユーザーを対象としていますが、基盤となるHarnessはさまざまなアプリケーションで再利用可能であり、開発者向けの独立したサービスとしても提供できます。エージェントが担う作業がますます複雑になるにつれて、Harnessはタスクの成功率、実行効率、運用コストに重要な影響を与えるようになっています。
Anthropicは、Claude Codeが長時間のプログラミングタスクで直面する問題を解決するために、Harnessの開発に早期に取り組んだモデル企業の一つである。
2025年末、Anthropicは、Claudeのコンテキストウィンドウが満杯になると、新しい会話が以前の作業を継続できなくなることに気付いた。そのため、エンジニアはClaude Codeの背後にあるHarnessを改善し、エージェントが各段階の終了前に進捗を保存し、次の会話でその記録を読み取って未完了のタスクを継続できるようにした。これにより、1回のモデルセッションが終了しても、プログラミングタスク全体を着実に推進できるようになった。
今年4月、AnthropicはManaged Agentsをさらに発表し、このAgentの実行機能をクラウドサービスとして開発者に提供しました。企業がAgentを長期的かつ安定して実行できるよう、Anthropicは基盤アーキテクチャを調整しました。Harnessがタスクの実行を推進し、履歴は個別に保存可能で、AI実行環境のサンドボックスはいつでも交換できます。サンドボックスに障害が発生しても、Agentは以前の作業を復元できます。
Claude Codeの内部実行システムから、外部開発者向けのホスティングサービスまで、Anthropicは長年にわたり蓄積したharnessの能力を独立した製品として提供します。
OpenAIも、Codexの背後にあるHarnessをより多くの開発者に開放することを決定しました。今年2月、OpenAIはCodexのWeb版、コマンドライン、およびIDEプラグインが実際には同じAgentランタイムシステムを共有していることを明らかにしました。8月には、CodexをオープンなHarnessプラットフォームとして位置づけ、サードパーティアプリが直接接続できるようにしました。9月にリリースされたAgents APIは、OpenAIがこのシステムのホスティングとメンテナンスを担当し、開発者が直接Agentのランタイム環境に接続できるようにしています。
このルートにより、OpenAIはCodexを通じてユーザーに直接サービスを提供できるだけでなく、他のソフトウェア企業にも基盤となる実行能力を提供できます。開発者は自社の製品インターフェースとビジネスプロセスを維持しつつ、Codexに具体的なタスクを背後で実行させることができます。
DeepSeekは8月13日、MITライセンスでHarnessの全フレームワークコードを公開し、「すべてはプラグインである」という概念を提唱し、Agentの実行システム全体を自由に組み合わせ可能なプラグインに分解しました。開発者はモデルや外部ツールを置き換えるだけでなく、Agentがモデルを呼び出し、タスクを実行する方法を変更でき、さらにはAgent自身が新しいプラグインを書き出し、インストールすることも可能です。
このCordisに基づくアーキテクチャは、開発者がランタイムシステムをゼロから構築することなく、自身のニーズに応じてさまざまなタイプのエージェントを開発できるようにすることを目的としています。
11月5日、KimiはHosted Agentsが24時間365日クラウド環境を提供することを公式に発表し、企業はAgentを内部システムに導入したり、外部販売製品に組み込んだりできることを明確にし、Harness as a serviceを明示的に提案しました。
02 ハーネス進化
実際、Harnessの注目度はモデル企業によって始まったわけではありません。
今年初、OpenClawの人気により、基礎モデルを持たない企業でもAgent実行システムで多くのユーザーを引き付ける可能性があることが業界に示された。2月、OpenAIはOpenClawの創設者であるPeter Steinbergerを招き、次世代パーソナルAgentの開発に参加させた。
その後、Nous ResearchはHermes Agentをリリースし、Agentが業務で蓄積した経験を再利用可能なSkillsとして保存し、後続のタスクで継続的に改善することを試みました。
3月末、スタンフォード大学などの機関がMeta-Harnessを提案し、AIが失敗記録に基づいてHarnessコードを直接修正し、テストでその効果を検証できるようにした。あるテキスト分類実験では、精度が7.7%向上し、コンテキストトークンの消費量が元の4分の1に削減された。
これらの探索は、モデル企業が投資する価値があるのはなぜですか？10月、シンガポールの南洋理工大学は66のモデルとHarnessを組み合わせてテストし、Harnessを変更することがモデル間の性能ランキングをさえ変える可能性があることを発見しました。
FrontierHarness Evalでは、同じKimi K3を使用した場合、Codexでのタスク通過率は66.7％、DeepSeek Harness Creatorでは63.3％、Kimi Codeでは56.7％でした。
基礎モデル企業にとって、モデルの性能を向上させるためには、モデル自体の改善に加え、ハーネスの設計と最適化への依存度が高まっています。
研究者たちは、Harnessで蓄積された経験をモデルのトレーニングに活用しようとしています。7月に提案されたCo-Harnessは、失敗記録をもとにHarnessを改善し、最適化された実行データを用いてモデルをトレーニングします。11月に発表されたHarnessFlowは、より優れたHarness設計を自動で探索することを試み、6つのタスクで平均スコアを10.89ポイント向上させました。
ただし、自動最適化にはリスクもあります。11月初めの研究によると、特定の実験で、Harnessが新しいタスクに最適化された結果、SWE-benchでの成績が94%から32%に低下しました。モデルのアップグレードにより、これまで有効だった設計が無効になる可能性もあります。
これは、Harnessの技術的蓄積が一回の努力で完結できないことを意味する。継続的な改善の中で異なるタスクの安定性を維持する方法は、未解決の課題である。
業界関係者によると、これはオープンソースモデルを導入する際の大きな課題でもある。そのため、モデル企業はすでにHarnessサービスの販売を開始している。オープンソースフレームワークは無料で入手できるが、企業がAgentを長期的に安定して運用するには、導入と保守のコストが依然として発生する。KimiやAnthropicなどの企業は、これらの作業を引き受ける機会と捉え、Harnessを独立したビジネスに変えたが、各社のアプローチには大きな差がある。
03 Harnessの隠された価値
Harnessは単独で課金されるサービスとなりましたが、現在の価格表では、モデル推論が依然として主な課金源です。
Anthropicのマネージドエージェントは、アクティブなセッションあたり1時間0.08ドルを課金し、トークンは別途料金がかかります。公式が発表した1時間のプログラミングタスクの例では、総費用は0.58ドルで、そのうちマネージド実行料は約14％に過ぎません。
Kimiの料金はモデルトークン、サンドボックス実行、有料プラグインに分かれています。同社が公開した投資銀行の法律分析タスクの推定コストは約30元で、サンドボックス料金は0.1元未満です。OpenAIはAgents APIのパブリックベータ期間中に追加サービス料を無料とし、主にモデルおよびツールの使用量に基づいて課金します。DeepSeekはHarnessをMITライセンスでオープンソース化しており、直接的な課金ロジックは存在しません。
したがって、モデル企業が現在ハーネスから得ている直接収入は非常に小さい可能性があります。
それでは、なぜ大量の研究開発リソースを投入するのでしょうか？
重要な理由の一つは、企業がエージェントを実際に導入した後、特定のモデルよりもHarnessへの需要がより安定する可能性があることです。
米国の法律サービス企業ABC Legalは、当初、Agentを社員のパソコンにデプロイし、タスクスケジューラで実行していた。利用範囲が拡大するにつれ、CTOのBrandon Fullerは、これらのAgentを一元管理できるプラットフォームを探し始めた。彼は複数のソリューションを比較した結果、企業が分散した実行環境の維持を継続したくないという理由から、AnthropicのManaged Agentsを選択した。
Anthropicの発表によると、ABC Legalは1か月以内に50以上のエージェントを本番環境に導入し、約310名の従業員が日常的にClaudeを使用しています。従業員はソフトウェア開発の知識がなくても、設定だけで新しいエージェントを作成できます。
これは、Harnessのホスティングが実際の企業ニーズから生じる魅力を持っていることを示しています。企業は、システムをゼロから開発・デプロイし、長期的に運用・保守するよりも、既成のサービスを購入してエンジニアリングリソースを自社のビジネスに集中させることを好む可能性があります。
しかし、企業は必ずしもそのような理由で1つのモデル企業と結びつくことを望まない。
今年8月、VentureBeatは107社を対象とした調査を発表した。回答企業の85％が、2つ以上のエージェントオーケストレーションプラットフォームを同時に使用している。プラットフォーム選定において、29％の企業がモデルとツールの柔軟性を最優先事項として挙げたのに対し、特定のリーディングモデルとのネイティブ互換性を優先したのは10％に過ぎなかった。サンプルは大手テクノロジー企業に偏っているが、顧客がモデルの変更を自由に選択したいという購買傾向がすでに示されている。
これは、Harnessの競合となる別のビジネスロジックを提供しています。企業が長期的に一連の運用システムを使用することを希望する場合、プロバイダーはモデル呼び出しを独占できなくても、ホスティング、保守、およびエンタープライズ開発サービスの収益を継続的に得ることができ、顧客とより安定した協力関係を築くことができます。
これにより、Harnessは企業の実際の作業プロセスにアクセスできます。単なるモデルAPIと比較して、Harnessはモデル呼び出し、ツール実行、失敗時の再試行、最終結果を含む、タスクの開始から完了までの作業トラジェクトリを記録できます。これらの記録は、障害のトラブルシューティングに役立ち、モデル開発にも貴重なフィードバックを提供します。
検証済みのリアルなタスクフィードバックを継続的に得られれば、モデル企業はモデルの本番環境における問題をより迅速に発見できる機会を得る。しかし、この利点はデータ権利によって明確に制限される。
これはモデル企業にとって新たな課題を提起している：企業が底層モデルを自由に変更でき、自社のデータを掌握し続ける場合、Harnessはどれほど長期的な優位性を築けるだろうか？
モデル企業にとって、Harnessは直接的な料金収入よりも長期的な価値をもたらす可能性がある。企業がますます多くの作業をエージェントに委ねる中で、信頼できる運用システムを提供できる企業は、モデルの選択やAIが実際のビジネスにどのように関与するかに影響を与える機会を得られる。
なじみ深い古くからの言葉：入口。
しかし、インターネット時代に深く根付いたこの言葉は、AI時代の競争に敏感な神経を刺激し続ける。今、Harnessはその期待と想像力を某种程度担っている。
Twitter：https://twitter.com/BitpushNewsCN
比推TG交流群：https://t.me/BitPushCommunity
比推のTGサブスクライブ：https://t.me/bitpush