MetaとUIUC、AIエージェントの自律的ハーネス制御手法を発表

MetaのAI研究部門とイリノイ大学アーバナ・シャンペーン校（UIUC）の共同チームが、AIエージェントの行動を制御する仕組みを自動的に最適化するフレームワーク「EvoHarness-RL」を発表した。人間の開発者が手作業でルールを書く従来のアプローチを見直し、エージェント自身が環境から得た情報をいつ読み込み、更新し、整理すべきかを学習できるようにするものだ。

AIエージェントが複雑な業務タスクを自律的にこなすには、「ハーネス」と呼ばれる実行制御の仕組みが欠かせない。たとえば、大量の顧客データを古いシステムから新しいクラウドデータベースに移行するような長時間にわたる作業では、エージェントは自分の記憶（コンテキストウィンドウ）だけに頼ることができない。ハーネスは、サーバーのログといった実行中のフィードバックを提供し、完了済みと未完了の作業を追跡し、予期せぬエラーが起きたときの回復手段を与える役割を担う。

これまでの一般的な手法では、人間の開発者がエージェントの動作を一手順ずつ細かく記述したルールを書き、エージェントはそのスクリプトを忠実に実行するにとどまっていた。共同著者のXuying Ning氏は、この手動設計のアプローチの課題を明確に指摘する。「最適なハーネスはモデルによって異なる。モデルが変わると必要なプロンプトや記憶設計、権限設定なども変わるため、すべてを手動で書いていると、モデルをアップグレードするたびに長い調整・デバッグ作業が発生する」と説明した。また、過去の経験をただ積み重ねるだけの既存の記憶システムについても、「情報を追記し続けることで文脈が増えれば増えるほど良いとは限らず、むしろ推論を劣化させることがある」と語っている。

EvoHarness-RL が解決しようとするのは、長時間にわたるタスク（ロングホライズンタスク）において生じるこうした問題だ。従来の「Harness-1」のような自己進化型フレームワークは、過去の行動履歴を蓄積して再利用可能なスキルとして整理する機能を持つ一方、リアルタイムの状態追跡と長期的なスキル管理を別々に扱っていた。つまり、エージェントが「今この瞬間に何をすべきか」を動的に判断する能力については、十分に訓練されていなかった。EvoHarness-RL はハーネスに抽象化の層を加え、この即時的な環境管理とスキル蓄積の両方をモデル自身が学習できる形でつなぎ合わせる設計になっている。

このアプローチが意味するのは、AIエージェントの「汎用性」を高める方向への一歩だという見方ができる。特定のモデルや業務フローに合わせて開発者が都度ハーネスを書き直す必要がなくなれば、エンジニアリングコストの削減につながるだけでなく、より多様な場面でエージェントを活用しやすくなる。AI分野では現在、モデルの性能そのものの向上と並行して、エージェントがいかに自律的かつ効率的に行動できるかという「エージェント基盤の設計」が重要な研究領域として位置づけられており、EvoHarness-RLはその流れに沿った取り組みと言える。

今後注目すべきは、このフレームワークが実際の業務環境でどれほどのスケーラビリティを持つかという点だ。研究段階で示された成果が、企業の現場で扱うような複雑かつ多様なシステム環境においても有効かどうかは、引き続き検証が必要と考えられる。また、強化学習（RL）を用いてハーネス自体を自動最適化するという手法は、今後のエージェント設計における標準的な考え方のひとつになり得るという見方もできる。