AIエージェントの挙動がランダムすぎる…その解決策：決定論的エージェントの構築方法（Archon）

하이라이트

• AIエージェントの挙動を運に任せるのではなく、計画、コーディング、テスト、レビューの全プロセスをYAML形式で定義する「ハーネスエンジニアリング」を導入します。

• 各実行プロセスを個別のGit worktreeで処理することで、メインブランチを汚さず、複数のエージェントが同時に動いてもマージコンフリクトが発生しません。

• エージェントのスキルを再利用可能な指示パックとして自動ロードし、プロンプトの微調整なしで常に同一の構造を持つプルリクエストを生成します。

• Apple M4 Proチップを搭載したローカル環境で軽快に動作し、VPS設定やクラウド連携を必要とせずにUI上で全プロセスの透明性を確保します。

• Archonはコード特化型のエージェント管理ツールであり、実行ログやプロンプト履歴が整理されるため、ナレッジがチャット履歴に埋もれるのを防ぎます。

타임라인

1. 00:00 - 01:05

   AIエージェントが抱える現状の課題

   AIエージェントの進化は驚異的ですが、一貫性の欠如が実運用上の大きな壁となっています。プロンプトの再実行や壊れたコードの修正に追われる現状では、本来の目的である時間の節約が達成できません。開発者はエージェントが次に何を壊さないか祈るような状況に置かれています。

   • 同一のタスクを与えても、実行のたびにAIエージェントの意思決定やコード品質がバラバラになる問題があります。
   • 複数のエージェントを並列して動かすと、リポジトリの構造が破壊され、修復作業に時間を奪われる本末転倒な事態が起きています。
   • Claude CodeやCursorなどのツールでは、文脈の逸れや予期せぬ方向転換により開発スピードが著しく低下します。
2. 01:06 - 02:39

   ハーネスエンジニアリングによる解決策

   エージェントが自らスキルを見つけ出し、定義されたワークフローに従って順次タスクを遂行する仕組みです。M4 Proチップなどのローカル環境で動作し、クラウドに依存しない点も特徴です。チャット履歴が混乱しやすい従来のツールに比べ、ログやプロンプトの全容をUI上で確認できる高い透明性を提供します。

   • Archonは「ハーネスエンジニアリング」という概念を用い、エージェントが従うべきプロセスをYAMLファイルで厳格に定義します。
   • UIインターフェースを通じて実行ステップを完全に可視化し、失敗した箇所の特定と修正を容易にします。
   • Git worktreeを活用して作業を隔離し、クリーンなプルリクエストと同一の結果を保証します。
3. 02:40 - 04:01

   一貫性を生む3つの技術的柱と他ツールとの比較

   プロンプトを毎回手動で詰め込む代わりに、コンテキストを自動ロードする「スキル」機能がランダム性を排除します。このシステムにより、同じ入力に対して常に同じ出力を得る「決定論的エージェント」の構築が可能になります。ナレッジがプロセスとして蓄積されるため、実行を重ねるほど開発の一貫性が向上します。

   • YAML形式の有向非巡回グラフ（DAG）がチェックリストとして機能し、AIステップと固定ステップを組み合わせて信頼性を高めます。
   • 各実行を個別のworktreeに閉じ込めるアイソレーション技術により、エージェント同士のコード上書きを完全に防ぎます。
   • LangChainのような汎用ツールとは異なり、Archonはコード生成とリポジトリ管理に特化した設計を採用しています。
4. 04:02 - 05:31

   Archonの利点と導入時の注意点

   Git worktreeの採用は、複数の修正を並列で行う現実的な開発課題を解決します。一方で、ツールの仕様が発展途上であることや、依然として基盤となるLLMモデルの性能に依存する側面も存在します。エージェントが正しく動くことを祈るのではなく、人間がその動作を論理的に定義することが「ハーネスエンジニアリング」の本質です。

   • オープンソースで提供され、ローカル環境での高速な動作とYAMLによるプロセスの可視化が最大のメリットです。
   • 単発の簡単なプロンプトを投げるだけの用途には向かず、事前のワークフロー設計に一定のコストがかかります。
   • エージェントの動作を定義し制御することで、デモレベルの技術を実務で信頼できるツールへと昇華させます。