【評判】実践 Claude Code ハーネス設計完全ガイド - コンテキストエンジニアリングで AI エージェントを使いこなす

ハーネス設計者という役割の本質を理解し、AIエージェントを「使う側」から「使いこなす側」へと視座を引き上げ、同じモデルでもハーネスの有無で成果が劇的に変わる理由を、システムプロンプト・ツール設計・評価ループという制御構造と、事前設計・自動化・構造化・再利用の4キーワードから説明できるようになる
AIの「スパイキーな知性」という特性を深く理解し、パターンに基づくコード生成や大量ファイルの横断理解は得意でも、長時間の一貫性維持や自分の出力の客観的評価、曖昧な要件の解釈は苦手という凸凹を見極め、得意を活かし苦手を補う環境を設計するハーネス設計者の仕事の核心を言語化できるようになる
コンテキストウィンドウがAIの有限なワーキングメモリであることを理解し、Write・Select・Compress・Isolateという4つのコンテキストエンジニアリング戦略を、最小限の高シグナルなトークンで成果を最大化するという原則のもとで使い分けられるようになる
Write戦略を使い、学習した知識や作業の進捗、重要な判断の記録を外部ファイルへ永続化することでセッションをまたいで文脈を引き継ぎ、毎朝記憶がリセットされるチームメンバーのようなAIエージェントに、共通指示書や進捗ファイルやメモリファイルで長期記憶を持たせる仕組みを設計できるようになる
Select戦略のプログレッシブ・ディスクロージャーを理解し、最初に全ファイルや全ドキュメントを詰め込むのではなく、ファイルパスやURLという軽量な識別子だけを渡してエージェントに必要な情報を自ら探索させ、ジャストインタイムで取り込ませることでコンテキストのノイズを減らす設計ができるようになる
Compress戦略のコンパクションとツール結果クリアリングを使い、設計上の重要な判断や未解決の課題は保持しつつ古いツール結果や冗長な中間出力を除去し、Isolate戦略のサブエージェントで大量トークンを消費する作業をメインから分離して1,000～2,000トークンの要約だけを返させる設計ができるようになる
Claude Code固有の6つの制御インターフェース、すなわち共通指示書・Rules・Hooks・Skills・サブエージェント・MCPサーバーを理解し、それぞれがWrite・Select・Isolateのどの戦略に対応しいつ読み込まれるかの使い分けを説明できるようになる
プロジェクトの共通指示書を効果的に書くコツを習得し、「テストを書く」ではなく「全publicメソッドにユニットテストを書く」のように規約を具体化したうえで、なぜそのルールがあるのかという理由を添えることで、エージェントが似た場面でも応用的に判断できる生きたドキュメントを育てられるようになる
Rulesがファイルパターンに連動して条件付きで指示をコンテキストに注入する仕組みを理解し、テスト規約やAPI固有のルールをファイル種別ごとにルールファイルへ分離することで、共通指示書への常時読み込みを最小限に抑え、コンテキストウィンドウを効率的に使うSelect戦略の実装ができるようになる
Hooksが共通指示書の確率的な「お願い」とは根本的に異なり、exit 2 を返すことで100%実行を阻止できる決定論的な制御であることを理解し、失敗が許されない破壊的操作の防止にはHooksを、柔軟な判断が必要な場面には指示書をという使い分けの判断基準を持てるようになる
フックスクリプトのインターフェース仕様を理解し、stdinで受け取るJSONをjqで解析し、exit 0で許右しexit 2でブロック、stdoutでClaudeに理由を伝えstderrでユーザーに警告するという5つの要素を連携させて、危険な操作を確実に止めるガードレールを書けるようになる
PreToolUse・PostToolUse・Notificationとい〆3つのフックタイプを使い分け、危険なコマンドの実行前ブロック、ファイル編集後の自動リントやフォーマット、長時間タスクの完了通知を設定ファイルに統合し、AIエージェントの行動をあらゆるタイミングで制御できるようになる
Anthropicの「Building Effective Agents」が提唱するルーティング・ACI設計・投票の3つの設計パターンを理解し、ツールの命名やパラメータ設計がプロンプト全体の最適化以上に成果を左右するという知見を、相対パスより絶対パスを必須にしてファイル編集精度を上げる具体例から実装できるようになる
Generator-Evaluatorパターンで、同じエージェントの自己評価が構造的に信頼できないという弱点を生成者と評価者の分離によって克服し、グレーダブル・クライテリアやスプリントコントラクトをファイルベースで事前合意し、Playwrightによるライブ検証で品質を保証できるようになる
マルチエージェント設計の3パターン、リードが戦略を決め委任するオーケストレーター・ワーカー、工程を直列につなぐシーケンシャルパイプライン、独立タスクを同時に動かすファンアウト・ギャザーを、タスクの依存関係や速度要件に応じて選択し、並列実行で処理時間を最大90%短縮できるようになる
長時間エージェントに特有の、容量が埋まると早期に作業を打ち切るコンテキスト不安と、幻覚が文脈に残留するコンテキスト毒性を理解し、コンパクションより全リセットと構造化ハンドオフを選び、進捗ファイルとフィーチャーリストで連続性を保ち、テスト項目をロックして品質を守れるようになる
エージェント向けツール設計の原則を習得し、全APIエンドポイントをそのままラップせずタスク指向で3～5ツールに絞る選択的実装、UUIDや内部IDを除いた最小限のレスポンス、サービス・リソース・操作の3層命名、代替戦略を含むエラーメッセージで、エージェントの認知負荷を下げる設計ができるようになる
検証ループがフィードバックという構造そのものによって品質を2～3倍改善する理由を理解し、ルールベース・ビジュアル・LLM-as-Judgeの3戦略を、まずルールベースで高速に明らかな問題を弾き、必要に応じてビジュアルやLLM評価という深い検証を足すレイヤード設計で組み合わせられるようになる
エージェントハーネスと評価ハーネスを実行と計測として分離し、Tasks・Trials・Graders・Transcripts・Outcomesの5要素、Code/Model/Human3種のGrader、pass@kとpassˆkで非決定性に対処する評価の仕組みを設計できるようになる
3つの実践ケーススタディから、単独20分9ドルとハーネス6時間200ドルというコストと品質のトレードオフや、生成と評価の分離・構造化・反復・コスト意識という共通原則を学び、ハーネスの各部品が「モデルにできないこと」の前提を符号化しているという本質をモデル進化に合わせて問い直せるようになる

AI エージェントに仕事を任せて、がっかりした経験はありませんか。

「結局これなら自分で書いた方が早い」。複雑な開発を任せた途中で品質が落ちる。指示したはずの手順を勝手に飛ばす。自信満々に「完了しました」と言いながら、実は半分も終わっていない。多くのエンジニアが、AI コーディングツールにこうした失望を味わっています。プロンプトの工夫はひと通り試したのに、品質はいつも運任せ。そんな手応えのなさに、心当たりはないでしょうか。

しかし、ここに見落とされがちな真実があります。同じ AI モデルでも、成果は劇的に変わるのです。差を生むのは AI の賢さではなく、その周りに置く制御構造、すなわち ハーネス の設計にあります。本コースは、AI エージェントを「ただ使う側」から「使いこなす側」へと引き上げ、モデルが進化しても通用するハーネス設計の原則 を、全 12 セクションで体系的に学ぶ講座です。新しいモデルを待つのではなく、いま手元にある AI の眠った力を、自分の設計で起こせるようになります。

AI が期待を裏切る本当の理由

AI は、大量のコードを瞬時に理解する一方で、長時間の一貫性維持や、自分の出力を客観的に評価することが苦手です。この能力の凸凹を スパイキーな知性 と呼びます。ハーネス設計者の仕事は、この 得意を活かし、苦手を仕組みで補う環境を設計する こと。プロンプトをその場で考え、出力を目視で確認し、問題が起きてから対処する「使う側」から、事前設計・自動化・構造化・再利用 で品質を保証する「使いこなす側」へ。本コースは、この視座の転換を出発点に、具体的な手法へと一段ずつ降りていきます。

コンテキストエンジニアリング ― AI が見る世界を設計する

AI の成果は「何を見せるか」で決まります。本コースの土台となるのが、コンテキストウィンドウという 有限なワーキングメモリ を最大限に活かす 4 つの戦略です。知識を外部ファイルに永続化する Write、必要な情報だけを必要な時に取り込む Select、冗長な履歴を圧縮する Compress、サブエージェントで文脈を分離する Isolate。たとえば Write を使えば、セッションが終わるたびに記憶を失う AI に、進捗ファイルやメモリを通じて 長期記憶 を持たせられます。情報は多いほど良いのではなく、最小限の高シグナルなトークンで成果を最大化する ― この原則を体に染み込ませます。この 4 戦略は、このあと学ぶすべての機構を貫く共通言語になります。

Claude Code の 6 つの制御インターフェース

理論を実践に変えるのが、Claude Code 固有の 6 つの機構です。プロジェクトの知識を永続化する 共通指示書、ファイル種別ごとに指示を自動適用する Rules、ツール実行の前後に処理を差し込む Hooks、手順書をオンデマンドで読み込む Skills、文脈を分離する サブエージェント、外部システムをつなぐ MCP サーバー。これらは決してバラバラの機能ではありません。共通指示書は Write、Rules や Skills は Select、サブエージェントは Isolate ― と、先ほどの 4 戦略にきれいに対応しています。「常時読み込みは最小限に」 という設計原則とともに、どの機構をいつ使うかの地図が手に入ります。

Hooks ― 「お願い」を「強制」に変える決定論的制御

共通指示書に「危険なコマンドは使わないで」と書いても、AI が従う確率は高くても 100% ではありません。これが 確率的 な指示の限界です。一方 Hooks は、フックスクリプトが exit 2 を返せば、その操作を 決定論的に、100% ブロック できます。本コースでは、標準入力で受け取る JSON、exit 0 と exit 2、Claude へ伝える標準出力、ユーザーに見せる標準エラー出力という 5 つの要素 を一行ずつ読み解きます。さらに、実行前に止める PreToolUse、編集後にリントを走らせる PostToolUse、完了を知らせる Notification という 3 タイプを使い分け、危険な操作を確実に止めるガードレールを、自分の手で書けるようにします。「絶対に守らせたいこと」は Hooks で強制し、「できれば守りたいこと」は指示書で伝える ― この二層構造が、堅牢なハーネスの鍵です。

公式の設計パターンと品質保証の仕組み

Anthropic が公開する実践知をベースに、効果的なエージェント設計の原則を学びます。入力を分類して振り分ける ルーティング、ツールの使い勝手を最適化する ACI 設計、複数実行で合意を形成する 投票。注目すべきは、ツールの命名やパラメータ設計が プロンプトの最適化以上に成果を左右する という知見です。さらに、AI の 自己評価バイアス ― 自分の作業を「よくできています」と過大評価してしまう構造的な弱点を、生成者と評価者を分離することで克服する Generator-Evaluator パターン。採点可能な評価基準やスプリントコントラクトをファイルで合意し、ブラウザ操作によるライブ検証で品質を保証する手順まで踏み込みます。

マルチエージェント設計と長時間タスクの攻略

単一エージェントの限界を超えるための 3 パターン ― オーケストレーター・ワーカー、シーケンシャルパイプライン、ファンアウト・ギャザー を、タスクの依存関係と速度要件から選び分けます。並列実行で処理時間を最大 90% 短縮する判断軸も明確になり、実際にリサーチタスクで単一構成比 90% 超の性能向上を出した事例も取り上げます。さらに、容量が埋まると作業を早期に打ち切る コンテキスト不安、幻覚が文脈に残る コンテキスト毒性 といった長時間タスク特有の罠と、進捗ファイルやフィーチャーリストによる 構造化ハンドオフ での対処法を学びます。テスト項目をロックして「失敗するテストを消して全合格にする」事故を防ぐ工夫まで、実践的です。

ツール設計・検証ループ・評価ハーネス

成果を最も左右するのは、実はツールの設計です。全 API をラップせず 3〜5 ツールに絞る 選択的実装、不要な情報を削るレスポンス設計、エージェントを正しい戦略へ導くエラーメッセージ。あるチームはツールを 80% 削減 して、かえって精度を上げました。そして、品質を 2〜3 倍 改善する検証ループを、ルールベース・ビジュアル・LLM-as-Judge の 3 戦略で組み立てます。最後に、ハーネスそのものをデータで改善し続ける 評価ハーネス ― Tasks や Graders、pass@k といった指標で、感覚ではなく数値で設計を磨く仕組みを、20 タスクから始める現実的なロードマップとともに設計できるようになります。ツールは作って終わりではなく、エージェントの実行ログを読んで改善し続ける ― その継続的な開発プロセスまで身につきます。

3 つの実践ケーススタディで全体像をつかむ

学んだ知識が実際のプロジェクトでどう組み合わさるのかを、3 つの事例で立体的に理解します。3 エージェント構成のフルスタックアプリ開発 では、単独 20 分の安価だが壊れた成果物と、6 時間かけた実用品質との コストと品質のトレードオフ を具体的な数字で検証。コンテンツ生成パイプライン では並列評価と最大 3 回の反復改善を、マルチエージェントリサーチ では動的な多段検索を取り上げます。3 事例に共通する 分離・構造化・反復・コスト意識 という設計原則と、「各部品はモデルにできないことの前提を符号化している」という本質が、自然と腹落ちするはずです。

マイクロラーニングだから、続く

本コースは スマホだけで学べる マイクロラーニング形式です。1 レクチャーは数分で完結し、スライドとトークスクリプトだけで理解できるよう設計されているため、PC がない通勤中や休憩時間でも、一つずつ着実に消化できます。ハンズオン環境の構築は不要。コードを書きながらでなくても、設計の考え方がしっかり頭に残る構成になっています。忙しい毎日の細切れの時間が、AI を使いこなす力へと積み上がっていきます。

こんな方におすすめです

• AI に開発を任せて品質が安定せず、その原因と解決策を体系的に知りたい方

• プロンプトの工夫だけでは限界を感じ、ハーネス全体の設計で成果を底上げしたい方

• チームに AI を導入し、誰が使っても同じ品質で動く再現性ある仕組みを作りたい方

• 破壊的な操作を確率ではなく 決定論的に防ぐ ガードレールの作り方を知りたい方

• 半年で変わる流行ではなく、数年通用する設計原則とメタスキル を身につけたい方

• MCP サーバーや独自ツールを、AI が正しく使えるよう設計し直したい方

モデルが進化しても古びない「メタスキル」を

「もっと賢いモデルが出れば、ハーネスは不要になるのでは」と思うかもしれません。確かに一部の部品は不要になります。実際、新しい世代のモデルは、より少ない足場でも同等以上の成果を出すようになっています。しかし、Write・Select・Compress・Isolate のような 設計原則そのものはモデルに依存しません。本コースで手に入るのは、特定世代でしか通用しない小手先のテクニック集ではなく、変化に適応し続けるための考え方 です。AI を「導く側」として、新しい開発の世界を切り拓くための確かな第一歩を、ここから一緒に踏み出していきましょう。