blog.dopana

戻る

AIエージェントの能力ジャンプは、いつも同じパターンを辿ってきました。実務者が壁にぶつかり、本当にボトルネックになっている層を突き止め、その層を一つの工学分野に昇格させる。3つの層、3つの学問——Prompt Engineering → Context Engineering → Harness Engineering。この梯子を理解すれば、エージェントがどこから来たかだけでなく、業界が次にどこへ向かうのかも見えてきます。

01 Prompt Engineering2022–2023モデルにうまく答えさせる02 Context Engineering2023–2025モデルに正しい文脈を与える03 Harness Engineering2025–現在実行を確実にする

ステージ 01 · Prompt Engineering(2022–2023)#

起源#

2022年11月のChatGPT登場は、モデルの能力を初めて万人に見せると同時に、奇妙な事実を暴露しました。出力の質が入力の言い回しに大きく依存するということです。同じモデルに同じ質問を別の言い方ですれば、見事な答えもゴミも出る。プロンプトはスタック全体の中で最もレバレッジの大きい部分になりました。

最初期のエージェント原型もここで生まれています。「自律的にタスクを完遂するアシスタント」を演じるようモデルに指示する長いプロンプト1本。当時、プロンプトはモデルの振る舞いに対する唯一のプログラマブルなインターフェースでした。

中核テクニック#

  1. Few-shot例示 — 数個のデモを見せてパターンを模倣させる。
  2. Chain-of-Thought — 「一歩一歩考えて」で明示的な推論チェーンを引き出し、複雑タスクの成績を測定可能に改善する。
  3. システムプロンプト / ロール設定 — システムレベルの指示で人格・境界・出力スタイルを縛る。
  4. 構造化出力 — JSONやXMLを要求し、プログラムが結果を消費できるようにする。

なぜ物足りなくなったのか#

  • 記憶がない — 会話のたびにゼロから始まる。
  • 知識のカットオフ — 学習後のことは何も知らず、あなたのプライベートデータも知らない。
  • 行動できない — テキストを生成するだけ。APIも呼べなければファイルにも触れない。
  • 限られたウィンドウ — どんなに完璧なプロンプトでも無限のタスクは入らない。長いタスクはすぐに集中を失う。

[!NOTE] ボトルネックは「どう聞くか」ではなく、モデルが何を見れ、何ができるかだった。この気づきが第二の時代を開きました。

ステージ 02 · Context Engineering(2023–2025)#

なぜコンテキストが新しいメモリなのか#

モデルの重みは学習時に凍結されます。推論時、モデルがあなたの状況について「知っている」ことは、コンテキストウィンドウに収まったものすべてです。つまりコンテキストウィンドウはエージェントの作業メモリであり、それをうまく組み立てること(何を入れ、どれだけ入れ、どんな順で、いつ捨てるか)が独自の工学分野になりました。それがコンテキストエンジニアリングです。

この転換を一文でいうなら:指示文を磨くことから指示を取り巻く情報環境を設計することへ。

3本の柱#

柱役割解決する問題
RAG(Retrieval-Augmented Generation)文書をベクトル化して分割し、質問時に最も関連する断片を検索してコンテキストへ注入知識の新鮮さとプライベートデータ
Memory古いやり取りを要約して短期ワーキングメモリに、事実や選好をベクトル化して長期保存に「毎セッションゼロから始まる」問題
Tool Useモデルが構造化された呼び出し指示を出し(Function Calling、MCP)、プログラムが実行して結果を返す現実世界との相互作用
|ツール呼び出し||結果|ユーザーの質問RetrieverVector DBコンテキスト組立器Memory storeLLMTools / APIs回答

RAGは関連する知識をウィンドウに満たし、Memoryは履歴と選好をセッションを超えて生かし続け、Tool Useはモデルが自分の外に手を伸ばすことを可能にします。組み立てさえ正しければ——重要な情報を「lost in the middle」を避ける位置に置き、古い履歴を圧縮する——凍結されたモデルが、学習するシステムのように振る舞います。

ステージ 03 · Harness Engineering(2025–現在)#

プロンプトからエンジンへ#

ハーネスとは、モデルを包むエンジニアリングシステム全体のことです:計画ループ、ツール実行、サンドボックス、権限管理、エラー回復、可観測性。モデルが知性を担い、ハーネスが信頼性を担います。

フレームワークの歴史がまさにその物語です:

2023AutoGPT時代1ファイルのループスクリプト2024框架化LangChain / LangGraph /CrewAI2025ハーネス工学サンドボックス・権限・文脈管理2026標準化MCP / A2Aプロトコル
  • 2023 · AutoGPT時代 — 目標を入れれば思考と行動の自律ループが回る。モデル+ループ+ツールの組合せが機能しうることを証明し、同時に途方もなく不安定であることも証明しました。
  • 2024 · 框架化 — LangChain、LangGraph、CrewAIがエージェントを組み立て可能なグラフと役割チームに変えた。決定論的コードとLLMステップを一つの監査可能な構造に。
  • 2025 · ハーネス工学 — Claude CodeやOpenClawのような製品が、サンドボックス・権限ゲート・コンテキスト管理を第一級の市民にした。ハーネスそのものが製品になったのです。
  • 2026 · 標準化 — MCP(統一的なツール接続)やA2A(エージェント間通信)のようなプロトコルが、エージェントを組み立て可能なインフラに変える。

代表的な製品#

  • AutoGPT(2023) — 先駆者。目標を与えると最小限のハーネスで自律的に分解・実行した。その価値は信頼性よりも「可能性の証明」にありました。
  • ACPAgent — プロトコル優先の協調:複数エージェントが標準的なエージェント通信プロトコルで相互に発見・委譲・コンテキスト交換を行う。工学の重心が単体の内側ループから協調ネットワークへ移ります。
  • OpenClaw — オープンソースのパーソナルエージェントハーネス:ローカルサンドボックスで動き、メッセージングチャンネルに接続し、長期記憶とツール権限を管理する。まさにハーネス工学の目指す「工学の確実性」を製品化したものです。

[!TIP] 3つの時代を貫くより深いパターン:モデルが強くなるほど、ハーネスがより多くの工学的確実性を引き受ける。知性はモデルが担い、失敗してはならないすべてをハーネスが担うのです。

一つの表で見る梯子#

時代学問核心的な問いメンタルモデル
Prompt Engineering指示の技法どう聞くか?プロンプトはプログラム
Context Engineering情報の組み立てモデルに何が見えるか?コンテキストはメモリ
Harness Engineeringシステムの信頼性安全に完遂できるか?ハーネスはOS

各層は前の層を置き換えたのではなく、吸収しました。プロンプトは今も重要ですが、コンテキスト戦略の中に。コンテキストも今も重要ですが、ハーネスの中に。抽象化のレベルは上がり続け、本質は変わりません:モデルに確実に仕事をさせる。

次は何でしょう?マルチエージェント協調、検証可能な実行、そしてエージェント同士が取引する「エージェント経済」。それぞれが新たな工学レイヤーを要求するでしょう——これまでの物語と同じ展開です。

参考文献#