近日公開
エージェントハーネスとは そして、WhatsAppサポートに必要な理由
カスタマーメッセージングのAIの多くは、1つの質問に1つの回答を返すものです。エージェントハーネスは、言語モデルを、計画し、ツールを使い、結果を確認し、記憶しながら案件を進められる存在に変えます。その意味、現在利用できるハーネス、MonoChatに搭載される予定についてご紹介します。
または150ドル分のクレジットで始めましょう。Growthの初月分に相当します
公開日:
この1年で、AIをめぐる議論は、モデルそのものからモデルを取り巻く仕組みへと静かに移ってきました。同じモデルでも、1通のメッセージに答えるチャットボットにも、3つのシステムと2日間にまたがる配送トラブルを解決するエージェントにもなり得ます。違いはモデルではありません。ハーネスです。
この記事では、この考え方をわかりやすく説明し、現在使えるハーネスを比較し、WhatsApp、Instagram、Webチャットなど受信トレイのあらゆるチャネルでビジネスがハーネスを運用できるよう、MonoChatに組み込もうとしているものをご紹介します。
エージェントハーネスとは？
エージェントハーネスとは、大規模言語モデルを包み込み、返信するだけでなく行動できるようにするソフトウェア層です。モデルは推論し、次に何をすべきかを判断します。ハーネスはその判断を実行し、結果をモデルに戻し、作業が完了するまで繰り返します。簡単に言えば、エージェント＝モデル＋ハーネスです。
この用語が広く使われるようになったのは、Claude CodeやCodexのようなコーディングエージェントの信頼性が、モデル単体よりもこの周囲の層によるところが大きいとチームが気づいてからです。現在、Anthropic、OpenAI、Google、Microsoftは、開発者が利用できる製品として自社のハーネスを提供しています。
ハーネスの構成要素
- ループ: 推論し、行動し、観察し、繰り返します。ハーネスは、タスクが完了するか人が必要になるまで続けます。
- ツール: モデルが呼び出せる関数：注文の確認、予約の検索、返金の実行、ナレッジベースの検索など。多くの場合、MCPで接続されます。
- メモリと状態: この案件でこれまでに起きたこと、お客様の好み、すでに試したこと。メッセージやセッションをまたいで保持されます。
- コンテキスト管理: 各ステップでモデルに何を見せるかを決め、長い履歴を要約（圧縮）して、重要な部分が見えるようにします。
- ガードレールと承認: 費用が発生する、または取り消せない操作に対する、権限、ポリシー、人によるチェックポイント。
- サンドボックスとファイル: エージェントが本番システムに触れずに、コードの実行、ドキュメントの作成、見積もりの計算ができる隔離された作業領域。
- トレースと評価: すべてのステップとツール呼び出しのログ。エージェントがなぜその行動をとったかを確認し、多数の実行にわたって測定できます。
推論とハーネス：違いは何か
推論とは、モデルへの1回の呼び出しです。プロンプトを送ると、モデルがテキストを返し、やり取りは終わります。高速で低コスト、予測しやすく、メッセージの分類、返信の下書き、会話の要約など、多くの用途にまさに適しています。
ハーネスは、多数の推論呼び出しをループで実行し、その周囲にツール、メモリ、チェック、制限を加えます。1タスクあたりの速度は遅く、トークンの使用量も増えますが、複数のステップ、外部のデータ、途中での判断が必要な作業を完了できます。
| AI推論 | エージェントハーネス | |
|---|---|---|
| 概要 | モデルへの1回のリクエストと1回の応答 | モデルの周囲で計画、実行、確認を行うループ |
| タスクあたりのステップ数 | 1回 | タスクに必要な数だけ（設定した上限の範囲内） |
| ツールとシステム | 任意。通常は1回の関数呼び出し | 案件に応じて、多数のツールを呼び出し、連鎖させる |
| メモリ | プロンプトにある内容のみ | 案件の履歴と状態を、ステップやセッションをまたいで保持 |
| 失敗したとき | 生成された内容をそのまま返す | エラーに気づき、再試行するか人に確認する |
| 最適な用途 | 分類、下書き、要約、単発の回答 | 案件の解決、複数ステップの依頼、数日にわたるフォローアップ |
| コストと速度 | 最も低コストで、ほぼ即時 | トークン使用量は多め。1タスクあたり数秒から数分 |
実際には、優れたチームは両方を使い分けています。素早く明確なステップには推論を、本当に複数のステップが必要な作業にはハーネスを使います。
ハーネスがWhatsAppカスタマーサポートを変える点
カスタマーメッセージングは、回答することと解決することの違いが最も表れる場です。お客様が「注文が届いていません」と書いたとき、求めているのは説明ではなく、問題の解決です。
案件を回答するだけでなく解決する
エージェントは注文を調べ、配送業者を確認し、荷物が止まっていることを把握し、補償請求を開始して、同じ会話の中で代替品を提案できます。
約束する前に確認する
在庫、価格、予約枠、ポリシーを、学習データからの推測ではなく、回答する時点でお客様のシステムで確認します。
案件を記憶する
お客様が翌日にまた連絡しても、すでに試したことや約束したことをエージェントが把握しています。WhatsAppの24時間ウィンドウが閉じた後でも同様です。
時間をかけてフォローアップする
返金の完了や部品の到着を待つといった長期のタスクも継続でき、状況が変わったらお客様にメッセージを送ります。WhatsAppで必要な場合は、承認済みテンプレートを使用します。
人がコントロールを握る
上限を超える返金、キャンセル、機密性の高い内容は、チームメンバーの承認を待ちます。人への引き継ぎでは、履歴がすべて保持されます。
すべてのステップが見える
ツール呼び出しと判断は記録されるため、管理者はエージェントの行動の理由を確認し、指示を改善できます。
例：WhatsAppでの返品
- お客様が破損した商品の写真を送り、返品を依頼します。
- エージェントは注文を見つけ、返品期間内であることを確認し、写真を読み取ります。
- お客様のECシステムに返品を作成し、翌日の配送業者による集荷を手配します。
- 返金額が自動承認の上限を超えているため、受信トレイ内でチームメンバーに承認を依頼します。
- 承認後、お客様に確認を送り、2日後に配送業者が荷物をスキャンした時点で、返金完了の確認を送信します。
推論だけなら、返品ポリシーを説明するチャットボットで終わります。ハーネスがあれば、返品そのものが完了します。
現在利用できるエージェントハーネス
複数の企業やオープンソースプロジェクトが、開発の土台にできるハーネスを提供しています。ホスト方法、実行できるモデル、標準で含まれる機能が異なります。
| ハーネス | 提供元 | ホスティングとライセンス | モデル | 特長 |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | ライブラリ（Python、TypeScript） | Claude | Claude Codeを支えるハーネス：ツール、MCP、サブエージェント、スキル、コンテキスト圧縮、権限 |
| Claude Managed Agents | Anthropic | ホスト型API（2026年4月からパブリックベータ） | Claude | Anthropicがループを実行：サンドボックス実行、長時間セッション、マルチエージェント、トレース |
| OpenAI Agents SDK | OpenAI | オープンソース、MIT（Python優先） | OpenAIモデル。その他はアダプター経由 | 複数プロバイダーのサンドボックス、メモリ、MCP、スキル、AGENTS.md、再開可能な実行 |
| Codex | OpenAI | CLIはオープンソース（Apache 2.0）、クラウド版もあり | OpenAIモデル | 自社サービスから実行できるSDKを備えたコーディングエージェントのハーネス |
| Agent Development Kit (ADK) | オープンソース、Apache 2.0（Python、Java、Go、TypeScript） | デフォルトはGemini、モデル非依存 | マルチエージェントツリー、MCP、Agent2Agent（A2A）プロトコル、組み込みの評価機能 | |
| Agent Framework | Microsoft | オープンソース、MIT（Python、.NET） | Azure OpenAI、OpenAI、Anthropicなど | 2026年7月から安定版のハーネス：ツールループ、履歴、圧縮、スキル、承認、OpenTelemetry |
| Deep Agents | LangChain | オープンソース、MIT | モデル非依存 | LangGraph上での計画、サブエージェント、ファイルシステム、コンテキストエンジニアリング |
| Pi | Earendil Works | オープンソース、MIT | 任意のプロバイダー、ご自身のキーを利用 | 意図的に最小限としたコア（読み取り、書き込み、編集、シェル）を、共有可能なスキルで拡張 |
| Mastra | Mastra | オープンソース（TypeScript） | モデル非依存 | 永続スレッド、ツール承認、ローカルスタジオを備えたエージェント |
| OpenCode | OpenCode | オープンソース、MIT | モデル非依存 | エージェントの計画と構築、SDK、ターミナル、デスクトップ |
詳細は頻繁に変わります。最新の状況は各プロジェクトのドキュメントをご確認ください。製品名とロゴは各所有者に帰属します。
この記事で比較したハーネス
MetaのBusiness Agentはどうなのか？
2026年、MetaはWhatsApp、Instagram、Messenger向けの独自AIエージェントであるMeta Business Agentを開始しました。これは実質的に、Metaが構築・運用するハーネスです。お客様のコンテンツから回答し、接続されたシステムを呼び出し、チームに引き継ぎます。
多くの小規模ビジネスにとっては良い選択肢です。一方で、閉じたシステムでもあります。モデルを選べず、会話データはMeta内にとどまり、金融や医療などの一部の業種は対象外で、2026年8月からはトークン単位で課金されます。Meta自身の見積もりでは、1メッセージあたり約4～5米セントです。
各アプローチの比較
| メッセージングプラットフォームの組み込みAIエージェント | Meta Business Agent | MonoChatのハーネス（近日公開） | |
|---|---|---|---|
| モデルを選べる | 通常は固定、または少数から選択 | いいえ | はい、接続した任意のモデル |
| 独自のハーネスを持ち込める | いいえ | いいえ | はい：Claude Agent SDK、OpenAI Agents SDK、ADK、Piなど |
| ホスト型オプション（ノーコード） | はい | はい | はい |
| 独自のツールとAPI | 限定的な連携 | コネクター | カスタム関数、MCP、Webhook、お客様のAPI |
| フローとアプリ内で使える | 別のボットビルダー | フローとは別 | フローとアプリ内のノードとメソッドとして、AI推論と並べて利用 |
| チームへの引き継ぎ | はい | はい、スレッドコントロールあり | 全履歴と承認を備えた共有受信トレイ |
| データの保管場所 | ベンダーのプラットフォーム | Meta | MonoChatと、お客様が選んだプロバイダー |
2026年10月時点の公開製品情報に基づく内容です。調査したほとんどのメッセージングプラットフォームが組み込みのAIエージェントを提供していますが、同じ受信トレイとフロー内で、ホスト型ハーネスの実行や独自ハーネスの接続のいずれかをビジネスに提供しているものは見つかりませんでした。
MonoChatで開発中の機能
MonoChatでは、すでに言語モデルとベクターデータベースを選べます。当社が提供するものを使うことも、ご自身のものに接続することもできます。ハーネスも同じ方式で利用できるようになります。
現在ご利用のAI推論ノードとメソッドに加えて、MonoChatにはハーネスノードとハーネスメソッドが追加されます。ノードをフローに置くか、アプリからメソッドを呼び出すと、会話は、計画し、お客様のツールを使い、結果を報告できるエージェントに引き渡されます。
- 当社がホストするハーネスをノーコードで使い、モデルと利用できるツールを選べます
- Claude Agent SDK、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Deep Agents、Pi、または独自のコードで構築した、ご自身のハーネスを接続できます
- カスタム関数、MCPサーバー、Webhook、MonoChat内のデータをツールとして渡せます
- WhatsApp、Instagram、Messenger、Telegram、TikTok、Webチャット、SMSで、フローとアプリ内で実行できます
- 承認ルールと有人対応への引き継ぎを設定でき、すべてのステップが会話に記録されます
- 推論と組み合わせて使えます：素早いステップは1回の呼び出しで、複雑な案件はハーネスで処理します
推論を使う場面とハーネスを使う場面
- 1ステップで完結する作業には推論を使います：タグ付け、ルーティング、翻訳、返信の下書き、会話の要約など。
- お客様のリクエストに複数のステップ、お客様のシステムのデータ、途中での判断が必要な場合は、ハーネスを使います。
- まずは小さく始めましょう。ハーネスに2～3個のツールと承認ルールを与えて効果を測定し、そのうえで任せる範囲を広げていきます。
MonoChatに近日登場
ハーネスのノードとメソッドは開発中で、まずMonoChatアカウントに順次提供されます。今すぐ無料アカウントを作成してチャネルを接続し、AI推論フローを設定しておけば、ハーネスが登場した日からすぐに有効にできます。
出典と参考資料
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing