Harness、Scaffold、そして AI エージェントに関する重要な用語を正しく理解する

[記事一覧に戻る](https://huggingface.co/blog) - 目次 - モデル - スキャフォールディング（Scaffolding） - ハーネス（Harness） - エージェント（Agent） - コンテキストエンジニアリング（Context Engineering） - ポリシー（Policy） - ツール使用（Tool Use） - スキル（Skills） - サブエージェント（Sub-agents） - 学習用 RL 環境（Training RL Environment） - トレーナー（Trainer） - ロールアウト（Rollout） - リワード（Reward） - さらに学ぶ ある分野が急速に進化すると、その用語も共有された理解よりも速く進化することがよくあります。用語の境界が曖昧になったり、異なる文脈で再利用されたり、十分に説明されないアイデアのための略語として使われたりするようになります。現在、AI エージェント（Agent）の分野でもこの現象が見られており、概念が混同されたり、名称が変更されたり、数ヶ月間広く使われた後に静かに姿を消したりしています。 これは新規参入者にとって圧倒的に感じられることですが、最新の動向を追おうとする実務家にとっても同様です。ICLR 2026 の後、私たちの一人（[@ariG23498](https://x.com/ariG23498/status/2049668725511737663)）が、この混乱をよく捉えた質問を投稿しました： ** *「エージェントの文脈における『ハーネス（harness）』と『スキャフォールディング（scaffold）』という用語の意味は何ですか？ICLR に参加している間に多くの説明を聞きましたが、なぜそれらが単一の説明に収束しなかったのか理解できませんでした。」* この用語集は、明確で一貫した説明なくして頻繁に登場する用語を根付かせる私たちの試みです。これは分野内のあらゆる用語の包括的な辞書になることを意図しているわけではありません。むしろ、しばしば混同されたり、異なる方法で再利用されたり、自明であると考えられていたりするが実際にはそうではない概念に焦点を当てています。 これらの用語は、エージェントを構築している場合も、デプロイしている場合も、Claude Code、Codex、Hermes Agent などのツールを使用している場合も、いずれの状況でも頻繁に登場します。最後のセクションでは、モデルのトレーニングに特有の概念について取り上げており、その分野で作業されている方にとってより関連性が高い内容となっています。 これらの用語の多くにはまだ普遍的に受け入れられた定義が存在せず、異なるフレームワークでは同じ単語が異なる意味で使用されることもあります。ここで目指しているのは、一つの正しい語彙を強制することではなく、議論を容易にするための実用的なメンタルモデル（思考モデル）を提供することです。 それでは始めましょう。 ## 目次 - モデル (Model) - スキャフォールディング (Scaffolding) - ハーネス (Harness) - エージェント (Agent) - コンテキストエンジニアリング (Context Engineering) - ポリシー (Policy) - ツール使用 (Tool Use) - スキル (Skills) - サブエージェント (Sub-agents) - トレーニング RL 環境 (RL Environment) - トレーナー (Trainer) - ロールアウト (Rollout) - リワード (Reward) - さらに学ぶ (Learn More) ## モデル (Model) モデルとは大規模言語モデル（LLM）のことです。テキストを入力として受け取り、テキストを出力します（例：Claude, Qwen, GPT, Kimi, DeepSeek など）。単独では呼び出し間での記憶を持たず、ループ機能も備えていません。モデルはツールを呼び出す意図を示すことはできますが、実際に実行するにはハーネスが必要です。1 つのプロンプトに対して回答し、そこで停止します。これをスキャフォールディングとハーネスで包み込むことで、エージェントとなります。 ## スキャフォールディング (Scaffolding) モデルを取り囲む、振る舞いを定義する層です。システムプロンプト、ツールの説明、モデルの応答をどのようにパースするか、ステップ間での記憶（コンテキスト管理）などを含みます。これはトレーニング時でも推論時でも、モデルが世界をどう認識し、どのように行動するかを形作るものです。 Claude Code、Codex、Antigravity CLI といった製品は、全体を「ハネス（harness）」と呼びます。Claude Code の[公式ドキュメント](https://code.claude.com/docs/en/how-claude-code-works)も明確に述べています："Claude Code は Claude の周りにあるエージェント用ハネスとして機能します"。これが広義の用法です。ハネスとは、モデル以外のすべてを指します。この「スケフォールド（scaffold）」と「ハネス」の区別が重要になるのは、これらを個別に推論する必要がある場合、例えばトレーニングパイプラインなどにおいてです。また、「スケフォールド」という用語はより広義に用いられ、ハネスが依存するあらゆるインフラストラクチャを指すこともあります：フック（hooks）、ランタイム設定、さらにはディレクトリ構造までを含みます。 Claude Code や Codex といった一部の製品は、プロバイダーのモデルと密結合しています。一方、Antigravity CLI や Hermes Agent といった製品では、任意のモデルをプラグインして利用できます。 ## ハネス（harness） エージェント内部の実行レイヤーです。モデルを呼び出し、ツールの呼び出しを処理し、停止するタイミングを決定します。ハネスこそが、エージェントを実行可能にするものです。前述したスケフォールドは、モデルが作業を行う基盤です：その指示、ツール、フォーマットのことです。 ハネスエンジニアリング**とは、このレイヤーを適切に設計するための分野です：エージェント何时停止すべきか、エラーをどのように処理するか、そして軌道から外れないようにするガードレール（guardrails）は何かを決定することです。これはトレーニング時と推論時の両方に適用されます。[Addy Osmani の記事](https://www.oreilly.com/radar/agent-harness-engineering/)と[OpenAI が Codex を用いて構築した際の記述](https://openai.com/index/harness-engineering/)の両方が、推論側の視点からこのトピックを扱っています。 評価時において、同じパターンは**評価ハネス（eval harness）**として現れます。これは訓練データの収集ではなく、モデルのチェックポイントに対して固定されたシナリオセットを実行し、重みの更新ではなく指標を記録するものです。 ## エージェント この用語は強化学習に由来しており、ここではエージェントとは単に観測値を受け取って行動を返す関数を指します。環境はその行動を受け取り新しい観測値を返し、そのループが繰り返されます。このループこそが、LLM エージェントの動作の中核です。 LLM の世界では、この用語の意味は拡張されています。エージェントとは、単に反応するだけでなく行動できるモデルと、それを取り巻くすべての要素を指します。これは生きたテキスト生成を、情報を取り込み、何をするかを決断し、その結果に基づいて行動するというループの中で動作可能なものへと変換します。 コーディングエージェントを具体的な例として挙げましょう。システムプロンプト、ツールの説明、そしてモデルが従う出力形式が、この構造を支える足場（scaffolding）となります。モデルを呼び出し、そのツール呼び出しを処理し、いつ停止するかを決定するループがハネスです。訓練時において、このハネスは多数のこうしたループを並列で実行し、その結果をフィードバックしてモデルを更新します。 コミュニティでは通常、**Agent = Model + Harness**（[@Vtrivedy10](https://x.com/Vtrivedy10/status/2031408954517971368) と [Will Brown のツイート](https://x.com/willccbb/status/2049844685095715289) を参照）と表現されます。モデルでなければ、それはハーネスです。混乱のほとんどを生み出しているのは、ハーネスとスキャフォールド（Scaffold：基盤構造）の微妙な違いであり、これは上記の 2 つのセクションで説明されています。 Claude Code、Codex、Cursor といった製品について語る際、人々は特定のモデルの上に構築され、一緒に設計・最適化された特定のハーネスを指しています。同じ基盤モデルを使用している 2 つの製品でも、そのハーネスが異なる選択を行うため、全く異なる体験に感じられることがあります。また、より優れたモデルを同じハーネスに組み込むだけでも、体験は変化します。モデル、ハーネス、そして製品は、それぞれ別々のものです。 ## コンテキストエンジニアリング エージェントのコンテキストウィンドウに何を含めるかを設計する：各ステップでモデルが見るもの、システムプロンプト、ツール記述、会話履歴、取得された知識。これは一度きりの決定ではありません：モデルが実行される間、以前のターンが将来の呼び出しの内容を形成し、ハネス（harness）は実行全体を通じてこれを積極的に管理します。これはトレーニングと推論の両方に適用されますが、間違えた場合のコストは非常に異なります。トレーニングでは、モデルが見るものが学習される内容を形作ります。間違えると再トレーニングが必要になります。一方、推論では単なるテキストなので、プロンプトを変更して再デプロイするだけです。[HF Context Engineering Course](https://huggingface.co/learn/context-course/en/unit0/introduction) ではこれを詳しく解説しています。 メモリはこの図の一部です。**短期記憶**は、単一の実行中にコンテキストウィンドウ内に残るもの：会話履歴、ツールの結果、以前の推論です。**長期記憶**はセッションを超えて持続し、外部に保存されて必要に応じて取得され、関連する際に再びコンテキストに注入されます。 ## ポリシー ポリシーとは、エージェントが従う行動の指針です：あらゆる状況において、各可能なアクションを実行する確率を定義します。LLM システムでは、このポリシーの一部はモデルの重みとして学習されますが、その行動は周囲の足場（scaffolding）やハッチ（harness）にも依存します。同じモデルでも、プロンプト、ツール、メモリ、実行ループの違いによって、非常に異なる振る舞いを見せることがあります。 ポリシーはエージェントそのものではありません。ポリシーは行動を定義するものであり、エージェントとは環境内で行動する完全なシステムです。チェックポイントを足場とハッチで包み込んでデプロイすれば、その行動がポリシーであるようなエージェントが得られます。 ## ツール利用（Tool Use） エージェントが自分自身を超えて外部へアクセスする方法：API、コードインタープリタ、データベース、ウェブ検索、ファイルシステムなど。モデルは、ツールを使用する意図を構造化された形式で表現します。最新の推論 API ではこれがファーストクラスオブジェクトとして提供され、ハッチが呼び出しを直接受け取り、適切な関数へルーティングします。結果はコンテキストにフィードバックされ、ループが続きます。 ## スキル（Skills） 多段階タスクを可能にする、再利用可能で構造化された知識のパッケージです。**ツール**が「このコマンドを実行する」というアクションであるのに対し、**スキル**は目標達成に必要なすべてを束ねたもの（例：「このバグを調査し、仮説を立て、修正を書く」）です。これらはエージェント間で移植可能で、必要に応じてロードされます。ツール、スキル、サブエージェントの境界線はフレームワークによって異なります。[HF コンテキストエンジニアリングコース](https://huggingface.co/learn/context-course/en/unit1/introduction) ではスキルについて詳しく解説しています。 ## サブエージェント（Sub-agents） 別のエージェントによって呼び出され、特定のサブタスクを処理するエージェント。独自のモデルとスキャフォールドを持ち、独立して推論を行い、結果を返します。呼び出し元のエージェントは内部の仕組みを知る必要はありません。これが**サブエージェント**を**ツール**（関数呼び出し）や**スキル**（パッケージ化された知識）から区別する点です：サブエージェント自体が推論を行ったり、ツールを使用したり、さらに他のサブエージェントを呼び出したりできます。 ## 訓練 上記の用語は、トレーニング中かデプロイ中かを問わず適用されます。以下の4つは、エージェントがタスクを実行し、スコアリングを受け、モデルの重みが更新される**トレーニング**に特有のものです。LLM のすべての RL トレーニングシステムは、同じパイプラインを基盤として構築されています。 ## RL 環境 環境とは、あなたが相互作用できるあらゆるものを指します：アクションを入力として受け取り、内部状態を更新し、観測結果を返す状態保持オブジェクトです。LLM の文脈では、アクションは通常ツール呼び出しです。ファイルシステムはその簡単な例です：`touch foo.txt` というアクションはファイルを作成することで状態を更新し、観測結果としては更新されたファイル一覧が返されます。定義はフレームワークによって異なります。 私たちは最近これに特化したガイドを公開しましたので、ここでは圧縮して説明するのではなく、種類の分類、フレームワーク、および具体例の完全な解説については [RL 環境への究極のガイド](https://huggingface.co/spaces/AdithyaSK/rl-environments-guide) をご覧ください。 ## トレーナー トレーナーこそがエージェントをより良くするものです：多数のエージェントエピソードを実行し、結果にスコア付けを行い、それを用いて内部モデルの重みを更新します。[TRL の GRPOTrainer](https://huggingface.co/docs/trl/main/en/openenv) は具体的な例であり、エピソード生成、報酬スコアリング、重み更新を処理する単一のクラスです。 ## Rollout ロールアウトとは、開始から終了までのエージェントの完全な実行一回のことです：各ステップでエージェントが何を見たか、何を行了したか、そしてどのような報酬を得たかを指します。文脈によっては *trajectory*（軌道）や *trace*（追跡）とも呼ばれます。これは RL アルゴリズムが学習する際の生データです。 ## Reward モデルが改善されているかどうかをトレーニングアルゴリズムに伝えるスコアです。これは *verifiable*（検証可能：テストの合格/不合格、回答の一致など）、*learned*（学習済み：人間の嗜好、LLM-as-judge など）、*sparse*（スパース：エピソード終了時の単一のスコア）、または*dense*（密：各ステップごとのスコア）のいずれかになり得ます。これがトレーナーが実際に内部モデルの重みを更新するために使用するものです。各タイプの詳細な解説については、[Adithya](https://huggingface.co/AdithyaSK) のガイド内の [Reward Architecture](https://huggingface.co/spaces/AdithyaSK/rl-environments-guide#dimension-4-reward-architecture) セクションをご覧ください。 **Rubrics**（評価基準）は、単一の数値ではなく、重み付けされた明示的な次元に報酬を分割します。[OpenEnv](https://github.com/meta-pytorch/OpenEnv) と [Verifiers](https://github.com/willccbb/verifiers) は、これらを組み合わせ可能なオブジェクト（WeightedSum, Sequential, Gate など）として実装しています。 ## Learn More - @Vtrivedy10: エージェント・ハーネスの解剖学：ハーネス構成要素の詳細な分解と、各要素が存在する理由 - エージェント・ハーネス工学：エージェント = モデル + ハーネスという収束的な枠組みについて、コーディングエージェントの事例を交えて解説 - ハーネス工学：エージェントファーストの世界における Codex の活用：Codex エージェントのみで製品を構築した実務報告。スキャフォールディング（足場）、フィードバックループ、推論時のコンテキスト管理について詳述 - Tool Schema Rendering Atlas (evalstate): プロバイダーテンプレート適用後の各モデルが実際に目にするプロンプトテキストとしてツールスキーマがどのように変換されるかを示す - Simon Willison の「コーディングエージェントの仕組み」ブログ：コーディングエージェントがハーネスとしてどのように機能するかを解説 - AI エンジニアによる「AI におけるハーネス」論考：深掘り編。ハーネスとは何か、そしてその構築方法について - RL（強化学習）環境の究極ガイド：フレームワークごとの比較と用語の翻訳 - エージェント・ハーネスの継続的改善：Cursor が製品としてのハーネスをどのように反復更新しているか - lm-evaluation-harness: 標準的な評価用ハーネス *もし定義が不正確に感じられる場合、あるいは私たちが見落とした用語に出会った場合は、ぜひご意見をお聞かせください。* *本記事のレビューにご協力いただいた [Pedro Cuenca](https://huggingface.co/pcuenq)、[Quentin Gallouédec](https://huggingface.co/qgallouedec)、[Shaun Smith](https://huggingface.co/evalstate)、[Adithya S Kolavi](https://huggingface.co/AdithyaSK) に感謝いたします。*

Harness、Scaffold、そして AI エージェントに関する重要な用語を正しく理解する

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト