概要

単一の応答ではなく、複数ステップのタスクを自律実行する AI システム。Claude Code、OpenAI Codex、Cursor など複数ツールで実装されている。エージェント間協調、分散実行、メモリ管理が 2026 年の主要トレンド。

主な実装パターン

  • シングルエージェント: 1つの LLM が計画→実行→検証を繰り返す（Claude Code など）
  • マルチエージェント: 複数のエージェントが役割分担して協調（Agent Teams）
  • メタエージェント: エージェントのハーネスを AI 自身が改善（AutoAgent）

品質保証

AI エージェントの出力品質を担保するにはハーネスエンジニアリングが必須。CLAUDE.md（入力層）、Hooks（検証層）、Agent Skills（ワークフロー層）の多層構造で品質を保証する。

エージェント基盤の分類

2026年時点の主要なエージェント基盤は大きく3種類に分類できる。

種別代表例特徴
マネージドクラウド型Claude Managed Agentsインフラ不要、スケーラブル、ベンダー依存
ローカル自律型OpenClawプライバシー重視、カスタマイズ自由、セルフホスト
クラウド連携型Gemini Agent特定サービス（Google Workspace 等）に最適化

ハーネスとメモリのロックイン

LangChain 創設者 Harrison Chase が指摘する重要な概念。エージェントのメモリ（長期記憶）はハーネスの設計と不可分であり、クローズドなハーネスを使うと以下のリスクが生じる:

  • コンパクション（会話圧縮）のロジックが不透明になる
  • 長期メモリが第三者のサーバーに保存される
  • ハーネス移行時にメモリの移植が困難になる

関連ページ

ソース記事