目次

Sanabi(@0xSanabi)の投稿が伝えているのは、Claude Codeを単発の質問に使うだけでなく、複数のエージェントが作業し、結果を確認して次へ進む仕組みにしよう、という話だ。まず真似したいのは50体の構成ではなく、実行・確認・停止の条件を持つ小さなループだ。

要点#

  • Sanabiは、Claudeのエージェントを50体以上動かすハーネスを紹介するワークショップを案内している。
  • 投稿の軸は「モデル→ツール→ハーネス→閉じたループ→自己改善システム」という段階だ。
  • 投稿が紹介する調査では、36,487件のリポジトリを調べた結果、ループには起動条件があっても、確認・状態・終了条件が欠けがちだという。
  • 最初は担当を分けた2体程度で試し、品質とコストを測ってから増やすのが現実的だ。

投稿の主張を読む#

Sanabiの投稿は、Anthropicのエンジニアの発言として「99%はOpus 5.5をGoogleのように使い、上位1%は複数エージェントを動かすハーネスを作っている」と紹介する。さらに、ChiefやPM役のエージェントが全体を管理する構成と、26分のワークショップを案内している。

この割合や「最大の成果を最低コストで」という表現は、投稿内の宣伝文句として読むのがよさそうだ。ここにある情報だけでは、割合の算出方法やワークショップの効果までは確認できない。注目点は数字の大きさより、モデルに指示を出すだけで終わらず、ツールや実行ルールまで設計するという考え方にある。

ハーネスは仕事の枠組み#

ハーネスは、エージェントに渡す作業、使えるツール、共有する状態、結果の判定方法をまとめた実行環境だ。役割を分けるなら、たとえば1体がコードを変更し、もう1体が差分を読んで条件を満たすか確認する。ChiefやPM役は、依頼を分解して担当に渡す。

ただし、エージェントを増やせば自動で速くなるわけではない。作業が重複したり、同じファイルを同時に変更したりすれば、調整の手間が増える。まずは「変更担当」と「確認担当」の2つに分け、どの作業を誰が持つかを明示する。

ループには出口を作る#

投稿が引く調査の見出しは「Harness, Loops, Graphs: What 217 Real Agent Loops Are Missing」。本文の紹介によると、36,487件のリポジトリを調べ、ループには起動条件がある一方、確認、状態、終了条件が不足していたという。これは投稿がまとめた調査内容であり、詳細な集計方法は元の記事で確認が必要だ。

実装では、処理を始める条件だけでなく、成果をどう判定するか、失敗時に何をするか、いつ止めるかを決める。たとえば「テストが通らなければ修正を1回だけ再試行し、それでも失敗なら人に返す」とすれば、無限に試行を繰り返すリスクを抑えられる。

小さく組んで測る#

最初の実験は、対象を一つの小さなタスクに絞る。入力、完了条件、試行回数の上限を決めてから、担当エージェントと確認役を動かす。コード変更なら、対象ファイルや実行してよいコマンドも制限しておくと、結果を追いやすい。

比較する数字は、完了率、確認で見つかった不備、1タスクあたりの時間と費用の4つで十分だ。単独のエージェントで処理した場合とも比べる。費用や確認の手間が増え、完了率も変わらないなら、エージェントを増やす理由は薄い。

自己改善は記録から始める#

「自己改善システム」という言葉から、エージェントが自分で仕組みを書き換える姿を想像するかもしれない。だが、最初から自動変更まで任せる必要はない。失敗した指示、修正回数、確認で見つかった問題を記録し、次の実行でどこを変えるか人が決めるだけでも改善の材料になる。

自動でプロンプトや設定を更新する段階に進むなら、変更内容を記録し、以前の設定へ戻せるようにする。改善したように見えても、別の種類のタスクで悪化することはある。評価用の課題を固定し、変更前後で同じ条件を比べたい。

次の一歩#

手元の小さな作業を一つ選び、「担当エージェント1体・確認役1体・再試行は1回・失敗時は停止」の条件で試し、単独実行と時間・費用・不備の数を比べてみよう。

出典: https://x.com/0xSanabi/status/2118412839081988342

目次