AIエージェントハーネス自体は以前から存在しますが、ここ1年半で大きく進化しました。Bashコマンドの実行とファイル編集しかできなかったシンプルなエージェントから、ウェブ検索、外部ツール連携、コンテキスト管理、会話履歴の記憶、複雑タスクの完了まで可能なシステムへと発展しています。
最新のAIハーネスは、再利用可能なスキル、複数エージェントの協調、ツールの並列実行をサポートします。開発者はコンテキスト管理の工夫やトークン使用量の削減、エージェントの高速化と信頼性向上にも成功しつつあります。
興味深いのは、焦点がAIモデルそのものの改善から、それを取り巻くハーネスの改善へと移りつつある点です。今日見られるエージェントの性能向上の多くは、より良いツール、賢いワークフロー、効率的なコンテキスト管理によってもたらされており、必ずしもモデルの改良だけが要因ではありません。
本質的に、AIエージェントハーネスとは、AIモデルをツールに接続し、実行を管理し、結果に基づいて調整や誤り訂正を可能にするフィードバックループを作るコード群のことです。
この記事では、2026年時点で人気かつ実用的なオープンソースAIエージェントハーネス10種を取り上げ、それぞれの特長と導入方法を紹介します。GitHubスター数は2026年11月時点です。ハーネスの設計を深掘りしたい場合は、Agent Harness Engineering Guideをご覧ください。
AIエージェントハーネスとは？
AIエージェントハーネスは、AIモデルがタスクを完了するために必要なツールと環境を提供するシステムです。
AIモデルを「頭脳」、ハーネスを「行動を支える装置一式」と考えるとわかりやすいでしょう。ハーネスによって、モデルは自分の提案に基づいて行動できます。ファイルの読み取り、コマンド実行、結果の確認が可能になります。
例えば、Pythonアプリがクラッシュし続けているとします。エラーをChatGPTに貼り付け、提案された修正を手作業で適用する代わりに、AIコーディングエージェントにこう依頼します。
"なぜPythonアプリがクラッシュしているのか原因を特定し、問題を修正し、すべてのテストが通ることを確認してください。"
ハーネスがあることで、AIモデルはコードを読み、アプリを実行し、エラーを見つけ、関連ファイルを編集し、テストを走らせられます。テストが失敗した場合は結果をモデルへ返し、別解を試せるようにします。
これらは1回のリクエストで、最小限の手作業で進められます。
AIエージェントハーネスは実際に何をするのか？
多くのAIエージェントハーネスは、次の5つの基本機能を提供します。
- ツール実行: モデルがファイルを読み、コマンドを実行し、ウェブを閲覧し、アプリケーションと対話できるようにします。
- コンテキスト管理: 関連ファイル、過去のアクション、タスク遂行に必要な情報を追跡します。
- エージェントループ: モデルがツールを繰り返し使い、結果を確認し、完了または上限到達まで誤りを修正できるようにします。
- 権限と安全性: エージェントがアクセス・実行できるファイル、ツール、コマンドを制御します。
- メモリと拡張: 再利用可能なスキルや外部連携、ハーネスによってはセッションをまたぐメモリをサポートします。
プロジェクトの異なる部分を複数エージェントで分担する機能を持つハーネスもあります。
同じAIモデルでも、ハーネス次第で性能は大きく変わります。ComposioのDeepSeek V4 Flashのテストでは、同一モデルのスコアがハーネスにより46.7%から66.7%まで変動し、ミニマルなPiエージェントが最上位となりました。
必要なツールを厳選し、良好なコンテキスト管理を備えた設計の良いハーネスは、より複雑なものを上回ることがあります。だからこそ、モデル選びと同じくらい慎重にハーネスを選ぶ価値があります。
それでは、2026年のオープンソースAIエージェントハーネスのトップ10を見ていきましょう。
1. Codex CLI: ソフトウェア工学向けベストのオープンソースAIエージェントハーネス
Codex CLIは、オープンソースのAIコーディングエージェントとして私の最有力候補です。OpenAIが開発し、主にRustで実装。軽量で、プロフェッショナルなソフトウェア開発に取り組む開発者向けに作られています。GitHubスターは約134K。
Codexの強みは、自律的にこなせる作業範囲の広さです。プロジェクトの構築、既存ツールとの連携、バグ修正、テスト実行まで対応。複雑なタスクを渡しても、開発プロセスの大半を任せられます。
欠点はOpenAIへの依存です。クイックスタートではChatGPTアカウントまたはOpenAIのAPIキーでサインインします。
Codex CLIの強み
- Rust製・オープンソース: ターミナル中心の軽量エージェントで、ハーネスはOSS。開発者がカスタマイズ・拡張可能。
- マルチエージェント対応: 専任のサブエージェントに作業を委任し、独立タスクを並行実行。
- ローカルとクラウドの併用: ローカルで着手しCodex Cloudへ移行、CLI・IDE・デスクトップアプリから継続可能。
- 拡張可能なエコシステム: Model Context Protocol（MCP）サーバー、再利用スキル、プラグインにより外部ツール連携や自動化をコーディング以外にも拡張。
- 実務志向の設計: 自動コードレビュー、CI/CD連携、長時間タスク管理、サンドボックスと権限による実行制御。
Codex CLIのインストール方法
以下のインストーラーはリモートスクリプトをシェルにパイプします。内容を確認したい場合は、事前にスクリプトをレビューしてください。
macOSおよびLinux:
curl -fsSL https://chatgpt.com/codex/install.sh | sh提供：
Windows（PowerShell）:
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"提供：
npmまたはHomebrew（対応プラットフォーム）:
npm install -g @openai/codex
brew install --cask codex提供：
プロジェクトディレクトリへ移動してCodexを起動します。
codex提供：
ChatGPTアカウントでサインインするか、APIアクセスを設定すればコーディングを開始できます。
例えば、フロントエンド、バックエンド、テスト、ドキュメントを含む完全なPythonダッシュボードの作成を依頼できます。実装の大半をCodexが担い、結果をレビューするだけで済みます。手順はOpenAI Codex CLIのチュートリアルをご覧ください。
2. OpenCode: モデル選択の自由度に優れたオープンソースAIエージェントハーネス
OpenCodeはここ1年以上、私のお気に入りのAIコーディングエージェントの1つです。Windows・macOS・Linuxに対応し、幅広いAIモデルをサポート。開発者はワークフローを自在にカスタマイズできます。
オープンソースのコーディングエージェントとしても屈指の人気で、GitHubスターは約226K。特に気に入っているのは、特定のAIプロバイダに縛られないことです。OpenAI、Anthropic、Google、ローカルモデルなどを同じインターフェースで使えます。
OpenCodeの強み
- 75以上のモデルプロバイダ: 開発環境を変えずに商用・ローカルモデルを切り替え可能。
- クロスプラットフォーム対応: ターミナル、デスクトップアプリ（現在ベータ）、Web、SDKを各OSで利用。
- 並列エージェントとセッション: 複数のコーディングタスクを同時実行し、用途別の専任エージェントを作成。
- 高いカスタマイズ性: プラグイン、MCPサーバー、カスタムコマンド、再利用スキルで機能拡張。
- クライアント・サーバー構成: エージェントとUIを分離し、他ツールやアプリ、ワークフローに接続可能。
唯一の難点は、シンプルなエージェントと比べるとやや重量級に感じることです。多くの機能が同梱されており、ほとんどの開発者には不要なものもあります。大規模セッションでは反応が鈍く感じられる場面も。ただし、柔軟性とモデル選択を重視するならOpenCodeは強力です。
OpenCode CLIのインストール方法
Windows（WSL）、macOS、Linux:
curl -fsSL https://opencode.ai/v2/install | bash提供：
インストール後、プロジェクトフォルダへ移動してOpenCodeを起動します。
opencode提供：
/connectで好みのAIプロバイダを設定するか、無料で使えるモデルから始められます。GUIが好みならOpenCodeデスクトップアプリも利用できます。
ローカル実行のモデルと組み合わせる例は、Qwen3.8-Flash-NextをOpenCodeでローカル実行のガイドをご参照ください。
3. OpenClaw: 個人向けAI自動化に最適なオープンソースAIエージェントハーネス
OpenClawは2026年最大級のOSSエージェントプロジェクトの1つで、GitHubスターは約394K。このリストの多くのコーディングエージェントと異なり、OpenClawは実際に各種アプリ横断でタスクを実行できるパーソナルAIアシスタントを目指しています。
出典: OpenClawガイド
自分のPCやサーバー上で動かし、WhatsApp、Telegram、Discord、Slackなどを通じてやり取りできるのが特徴です。コンテキストの記憶、コマンド実行、ウェブ閲覧、日常タスクの自動化が可能。
さらに、Codexを含む他のコーディングエージェントのプラットフォームとしても機能し、アシスタントレイヤーはこのリストの別ハーネスであるPiの上に構築されています。
OpenClawの強み
- アプリ横断のAIアシスタント: 1つのエージェントをWhatsApp、Telegram、Slack、Discordなど20以上のメッセージチャネルに接続。
- 常時稼働のエージェント: 自分のPCやサーバーで常駐させ、リモートでタスク処理やメッセージ応答。
- 永続メモリとコンテキスト: セッションをまたいで会話、プロジェクト情報、役立つ文脈を保持。
- エージェントとモデルの柔軟性: 複数のAIプロバイダ、ローカルモデル、Codexなどのエージェントランタイムを接続。
- 自動化エコシステム: スキル、プラグイン、ブラウザツール、スケジュールタスク、マルチエージェント・ルーティングでカスタムワークフローを構築。
主な注意点は、複雑さとセキュリティ要件です。OpenClawは機密性の高いツールやファイルにアクセスできるため、権限やサンドボックス、外部連携の設定を慎重に行う必要があります。
コーディングアシスタントの枠を超え、複数アプリで動くパーソナルAIエージェントを構築したい開発者におすすめです。
OpenClaw AI Agentのインストール方法
macOS、Linux、Windows（WSL2）:
curl -fsSL https://openclaw.ai/install.sh | bash提供：
Windows（PowerShell）:
iwr -useb https://openclaw.ai/install.ps1 | iex提供：
インストーラがオンボーディングを開始します。必要に応じて次を実行:
openclaw onboard --install-daemon提供：
設定後、Webダッシュボードを起動します。
openclaw dashboard提供：
好みのAIモデルとメッセージングプラットフォームを接続して始めましょう。
例えば、開発プロジェクトを監視し、更新内容を要約し、承認済みタスクを実行し、結果をTelegramやWhatsAppに直接送信するようOpenClawを構成できます。
4. Hermes Agent: 永続メモリに強いオープンソースAIエージェントハーネス
Hermes Agent（Nous Research製）は、ユーザーや会話、プロジェクトに関する有用情報をセッションをまたいで記憶します。
Hermesの面白い点は、永続メモリとフル機能のAIエージェントを組み合わせていることです。コードを書き、コマンドを実行し、再利用可能なスキルを学習し、自動化を行いながら、過去の会話から得た重要な文脈を保持します。
出典: Hermes AI Agent by Nous Research | 公式サイト
GitHubスターは約260K。
Hermes Agentの強み
- 永続メモリ: 重要な設定、プロジェクト詳細、学びを会話を超えて保存。
- 会話履歴検索: SQLiteで過去セッションを検索し、アクティブメモリ外の情報を復元。
- 自己改良型スキル: 完了タスクから再利用スキルを生成し、経験に応じて洗練。
- マルチプラットフォーム対応: ターミナル、Telegram、Discord、Slack、WhatsAppなどでチャット可能。
- 自律ワークフロー: タスクのスケジュール、サブエージェントへの委任、商用・ローカルモデル接続に対応。
コーディング性能も競争力があります。Composio Bench（同一のマルチアプリタスクで比較）では、OpenAIのGPT-6 Astra使用時に75.9%（29タスク中22件）の成功率でCodex CLIと並び、同モデルでの平均完了時間は125秒/タスクと最速でした。
主な弱点はメモリが万能ではないこと。すべてではなく選別情報を保存するため、ローカルの小型モデルで複雑ワークフローを走らせるのは難しい場合があります。
単なるコーディング支援を超え、仕事を記憶し時間とともに有用性が増すパーソナルAIエージェントを求める開発者におすすめです。
Hermes Agentのインストール方法
Linux、macOS、Windows（WSL2）:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash提供：
Windows（PowerShell）:
iex (irm https://hermes-agent.nousresearch.com/install.ps1)提供：
好みのモデルプロバイダを設定します。
hermes model提供：
エージェントを起動します。
hermes提供：
hermes setupで追加ツール、メッセージング、オートメーションを設定可能です。詳細はHermes Agentセットアップガイドをご覧ください。
5. Pi: ローカルLLMに最適な軽量オープンソースAIエージェントハーネス
Piは、私のお気に入りの軽量AIエージェントハーネスです。ローカルで大規模言語モデル（LLM）を動かすチュートリアルでは、セットアップが容易で最小限のアーキテクチャ、他の大型エージェントより軽快に感じられるため、ほぼいつもPiを使います。
特に魅力なのはシンプルさ。Piは小さく効率的なエージェントループに注力しています。私の経験では、これによりワークフローが高速に保たれ、トークン使用量も抑えつつ、より複雑なエージェントに匹敵するコーディング結果が得られます。
GitHubスターは約120K。Piは2026年4月に創作者Mario ZechnerからEarendilが取得し、MITライセンスを維持。OpenClawはPiのコンポーネント上に構築されています。
Piの強み
- 最小限のエージェント設計: 不要な機能や複雑なワークフローを排した小さく集中したエージェントループ。
- ローカルLLMに最適: llama.cpp、Ollama、LM Studio、互換APIでローカルモデルをサポート。
- 効率的なコンテキスト管理: 最小限のシステムプロンプトとカスタマイズ可能なコンテキストでオーバーヘッドを抑え、トークン節約も期待。
- 完全にカスタマイズ可能: Pi 1.0で追加されたMCP対応を含め、拡張、スキル、カスタムコマンドを追加しても、コアを不必要に複雑化させない。
- 開発者フレンドリーなSDK: CLI、RPC、TypeScript SDKで独自のエージェントや自動化ツールを構築可能。
性能も競合します。Composio Benchでは、PiはGPT-6 Astraで69%の成功率を達成し、同じ29タスクでOpenCodeと並びました。
主な制約は、サブエージェントやプランニングのような機能が標準ではないこと。拡張やカスタム実装が必要です。ただしその簡潔さこそ、ローカルLLMの実験や軽量なコーディングでPiを好む理由です。
Pi AI Agent CLIのインストール方法
macOSとLinux:
curl -fsSL https://pi.dev/install.sh | sh提供：
Windows（PowerShell）:
powershell -c "irm https://pi.dev/install.ps1 | iex"提供：
プロジェクトディレクトリへ移動してPiを起動します。
pi提供：
/loginでAIプロバイダに接続するかローカルモデルを設定し、/modelで使用するモデルを選択します。
ローカルモデルとの組み合わせ例は、Bonsai 27Bをローカル実行のガイドをご参照ください。
6. Cline: VS Code向けに最適なオープンソースAIエージェントハーネス
Clineは、VS Code拡張として人気を博したオープンソースAIコーディングエージェントの草分けの1つです。短期間で多くの開発者に支持され、Roo Codeなどのフォークも生まれました。
私自身は他のエージェントほど使い込んでいませんが、開発の勢いとコミュニティの反応は目覚ましいです。現在は複数IDE、CLI、カンバン型タスクボード、SDKもサポートし、GitHubスターは約70K。
Clineの強み
- IDEファーストの体験: VS Codeなど対応エディタ内で直接作業し、コード変更の可視化や承認コントロールを提供。
- Plan／Actモード: 変更前にプロジェクトを探索し、計画を作成させることが可能。
- チェックポイントと安全性: ファイル変更のレビュー、ターミナルコマンドの承認、必要時にチェックポイントへロールバック。
- モデルの柔軟性: OpenAI、Anthropic、Google、OpenRouter、ローカル（Ollama／LM Studio）に対応。
- 拡張可能なプラットフォーム: MCPサーバー、カスタムスキル、CLI、SDKで自動コーディングのワークフローを構築。
Composio Benchでは、ClineはGPT-6 Astra使用時に79.3%（29タスク中23件）の成功率を達成し、Codex CLIやHermes Agentを1タスク上回って、完了率でトップとなりました。
主な欠点は速度です。同ベンチマークでClineは平均193秒/タスクで、Hermes Agentの125秒より遅い結果でした。
Cline AI Agentのインストール方法
VS Code（Windows、macOS、Linux）:
VS Codeを開き、拡張機能（Windows／LinuxはCtrl+Shift+X、macOSはCmd+Shift+X）でClineを検索してインストールします。
あるいはnpmでCLIをインストール（Node.js 22以上が必要）：
npm install -g cline提供：
好みのAIプロバイダを設定します。
cline auth提供：
プロジェクトディレクトリへ移動してClineを開始します。
cline提供：
以後、Clineにコードベースの探索、機能実装、エラー修正、テスト実行を依頼し、変更をレビューできます。実例はCline AIガイドをご覧ください。
7. DeepSeek Harness: DeepSeekモデルに最適なオープンソースAIエージェントハーネス
DeepSeek Harnessは2026年8月13日に公開され、最初の10日でGitHubスターが186,000を突破。現在は約279Kと、最速級で成長したOSSエージェントプロジェクトの1つです。
私も使用しましたが、特にDeepSeek-V4.1-Flash使用時の速度に感銘を受けました。DeepSeekモデル向けにチューニングされ、現代的なコーディングエージェントに期待される機能をほぼ網羅しています。
透明性の高さも魅力です。ツール呼び出し、実行トレース、詳細な統計を確認し、エージェントの動作を把握できます。
DeepSeek Harnessの強み
- すべてがプラグイン: Cordis上に構築され、モデル、ツール、スキル、メモリ、サンドボックス、エージェントループまで自在にカスタマイズ可能。
- DeepSeekモデル向け最適化: 特にDeepSeek-V4.1-Flashで良好に動作。公式更新もコーディング性能と効率向上に注力。
- 詳細な性能統計: コンテキスト使用量、モデル活動、キャッシュ情報、ツール呼び出し、実行時間を開発者ツールで可視化。
- エージェント機能の充実: コーディング、ファイル編集、ターミナル実行、サブエージェント、スキル、自動化、マルチステップのワークフローに対応。
- Web／デスクトップUI: ローカルWebインターフェースやデスクトップアプリ（Appleシリコン搭載macOSとWindows）で実行し、プラグインで機能拡張可能。
主な懸念は、まだデベロッパープレビュー段階であること。プラグインやAPIが変更され、互換性の破壊的変更が入る可能性があります。
DeepSeekモデルを常用する開発者や、詳細な実行インサイトを持つ高いカスタマイズ性のハーネスを求める方におすすめです。
DeepSeek Harnessのインストール方法
まず、Windows／macOS／LinuxにNode.js 22.19以上をインストールします。
その後、npxでDeepSeek Harnessを起動します。
npx @deepseek-ai/dsh web提供：
ローカルWebインターフェースが自動でhttp://127.0.0.1:3080で起動します。
DeepSeekのAPIキーを設定し、モデルを選んで開発を開始します。デスクトップアプリは公式サイトから入手可能。手順はDeepSeek Harnessチュートリアルをご覧ください。
8. Deep Agents: カスタムAIエージェントに最適なオープンソースAIエージェントハーネス
Deep AgentsはLangChainが開発するOSSのAIエージェントハーネスです。このリストの多くのコーディングエージェントと異なり、ソフトウェア開発だけでなく、複雑なマルチステップタスクに対応するカスタムAIエージェントの構築も目的としています。
出典: Deep Agents overview - Docs by LangChain
Deep Agentsの興味深い点は、用意されたターミナル用コーディングエージェントを使うことも、PythonやTypeScriptで独自に構築することもできる点です。計画、メモリ、サブエージェント、コンテキスト管理を標準搭載しており、ゼロから作る必要がありません。
注目度も高く、GitHubスターは約31Kです。
Deep Agentsの強み
- コーディングエージェントとSDK: Deep Agents CodeをCLIとして使うか、Python／TypeScriptライブラリでカスタムAIアプリを構築。
- 長時間タスクに最適: 計画立案、コンテキスト管理、複数ステップを伴う複雑タスクを処理。
- サブエージェント委任: 大きなタスクを小さく分割し、個別のコンテキストウィンドウを持つ専任エージェントに委任。
- 柔軟な実行環境: ローカルファイルシステム、リモートサンドボックス、カスタムツール、MCPサーバーに対応。
- プロダクション対応基盤: LangGraph上に構築され、永続状態、チェックポイント、人手承認、LangSmithによるトレーシングと評価をサポート。
ベンチマーク改善も注目に値します。2026年2月、LangChainはブログで、gpt-5.2-codex使用時に、モデルを変えずにプロンプト、ツール、ミドルウェアの調整だけでTerminal Bench 2.0のスコアを52.8%から66.5%へ改善したと報告しました。
最小構成のコーディング支援を求めるというより、独自のAIアプリを構築する開発者におすすめします。軽量なコーディングにはPiやCodex CLIの方が着手しやすいでしょう。SDKの詳細はDeep Agentsガイドへ。
Deep Agentsのインストール方法
Deep Agents Codeの導入（macOSとLinux、またはWSL経由のWindows）:
curl -LsSf https://langch.in/dcode | bash提供：
コーディングエージェントを起動します。
dcode提供：
モデルを選び、認証を設定して開始してください。
PythonでカスタムAIエージェントを作る場合は、uvでプロジェクトを作成し、SDKをインストールします。
uv init my-agent
cd my-agent
uv add deepagents提供：
create_deep_agent()を使い、モデル、ツール、プロンプト、ワークフローを組み合わせてエージェントを構築できます。
例えば、ウェブ検索、ドキュメント分析、サブエージェントへの調査委任、最終レポート生成を行うリサーチエージェントが作れます。
9. OpenHands: 自律型ソフトウェア開発に最適なオープンソースAIエージェントハーネス
OpenHandsは初期のOSSコーディングエージェントプロジェクトの1つです。2024年3月にOpenDevinとして始まり、GPT-3.5やGPT-4が単なるチャットやコード生成を超えて何ができるか模索していた時期でした。
出典: OpenHands/OpenHands: OpenHands: AI-Driven Development
当時、AIエージェントにタスクを渡し、実際のプロジェクトを構築させるという発想は画期的でした。OpenHandsは、エージェントがコードを書き、コマンドを実行し、エラーを修正し、自らの作業をテストできるようにすることで、それを実現しました。
現在では、自律的なソフトウェア開発のための完全なプラットフォームへと成長し、GitHubスターは約93Kです。
OpenHandsの強み
- 自律コーディングの先駆け: AIエージェントによるソフトウェア工学タスクの完遂に焦点を当てた、広く普及した初期OSSの1つ。
- Agent Canvas: 会話、ファイル、ターミナル、複数エージェントを一元管理するWebインターフェース。
- 複数エージェント対応: OpenHands、Codex、Claude Code、Geminiなど、Agent Client Protocol（ACP）対応のエージェントを共通UIで利用。
- 柔軟な実行環境: ローカル、Dockerコンテナ、リモートサーバー、クラウド基盤でエージェントを実行。
- 自動化とSDK: カスタムエージェントの構築、開発ワークフローの自動化、Python SDKとバックエンドサービスによるタスク実行。
主な欠点は複雑さです。PiやCodex CLIのような軽量ハーネスと比べ、特に隔離環境での実行時はセットアップやリソース要件が増します。
自律コーディングエージェントを動かしたい、複数のワークフローを管理したい、あるいはエージェント駆動の開発システムを構築したい開発者におすすめです。詳細はOpenHandsガイドをご覧ください。
OpenHands AI Agentのインストール方法
ローカルでの最も簡単な実行方法はAgent Canvas経由です。
まず、Node.js 24以上とuvをインストールします。
次に、Windows／macOS／LinuxでAgent Canvasをインストールします。
npm install -g @openhands/agent-canvas提供：
アプリケーションを起動します。
agent-canvas提供：
Webインターフェースをhttp://localhost:8000で開きます。
好みのAIモデルを設定し、ワークスペースを選択して、コーディングタスクを指示してください。
デフォルトでは、エージェントはマシン上で直接動作し、ファイルシステムへフルアクセスします。ワークスペース外のファイルに触れさせないためには、DockerサンドボックスでAgent Canvasを実行します。
OH_CONVERSATION_RUNTIME=docker agent-canvas提供：
10. mini-SWE-agent: ソフトウェア工学向けの最小構成オープンソースAIエージェントハーネス
mini-SWE-agentは、これまで見た中で最もシンプルなAIコーディングハーネスの1つです。SWE-agentやSWE-benchの研究者によって開発され、機能てんこ盛りのエージェントとは一線を画します。
コアエージェントはおよそ100行のPythonで実装。複雑なツール呼び出しやワークフローを構築する代わりに、Bashへのアクセスだけを与え、タスク達成方法はモデルに委ねます。
この極小設計でもコーディング性能は高水準。GitHubスターは約9.5Kで、NVIDIA、Meta、IBMなどの研究者やエンジニアにも利用されています。
mini-SWE-agentの強み
- 100行のエージェント設計: きわめて小さいPython実装で、理解・改変・拡張が容易。
- Bashのみで実行: 複雑なツール呼び出しの代わりにシェルコマンドでファイル編集、テスト実行、バグ修正。
- 透明性の高い実行: 直線的な会話履歴を保持し、あらゆるアクションの検証やデバッグが容易。
- 柔軟な実行環境: ローカルのほか、Docker、Podman、Singularityなどの隔離環境に対応。
- AI研究向け: 複数モデルプロバイダに対応し、ベンチマーク、微調整、強化学習の基盤として最適。
プロジェクトのREADMEによると、強力なモデル（例: Gemini 3 Pro）と組み合わせるとSWE-bench Verified（実在のGitHub課題を使ったベンチマーク）で74%超を記録します。モデル比較はSWE-bench bash-only leaderboardで確認可能です。
主な欠点は、大型エージェントにある高度な計画、サブエージェント、幅広い連携など多くの内蔵機能を持たないこと。開発者が自前で実装する必要があります。
とくに異なるモデルやエージェント設計の実験を行いたい開発者やAI研究者に、軽量で高速、カスタマイズが容易なコーディングハーネスとしておすすめです。
mini-SWE-agentのインストール方法
macOS／Linuxでの最も簡単な方法はuvの利用です。
uv tool install mini-swe-agent提供：
あるいはpipでインストールします。
pip install mini-swe-agent提供：
好みのAIモデルとAPIキーを設定します。
mini-extra config setup提供：
プロジェクトディレクトリに移動してエージェントを起動します。
mini提供：
恒久的なインストールなしで直接実行することもできます。
uvx mini-swe-agent提供：
例えば、Pythonリポジトリを探索し、失敗しているテストを特定・修正して再実行する、といった一連の流れを、複雑なフレームワークを使わず単純なシェルコマンドだけで処理できます。
2026年版 オープンソースAIエージェントハーネスTOP10の比較
下表は、主要な強み、適したユースケース、制約に基づいてトップ10のOSSエージェントハーネスを比較したものです。
| AI Agent Harness | Best For | Key Advantage | Main Drawback |
|---|
| 1. Codex CLI | ソフトウェア工学 | 強力なコーディング性能とエージェントワークフロー | OpenAIアカウントとモデルに依存 |
| 2. OpenCode | モデルの柔軟性 | 広範なモデル対応とカスタマイズ性 | やや重量級に感じる場合あり |
| 3. OpenClaw | 個人向けAI自動化 | メッセージ連携と常時稼働エージェント | 複雑な設定とセキュリティ考慮が必要 |
| 4. Hermes Agent | 永続メモリ | コンテキストを記憶し再利用スキルを育成 | メモリが常に完璧ではない |
| 5. Pi | ローカルLLM | 軽量・シンプル・効率的 | 内蔵機能が少なめ |
| 6. Cline | VS Codeでの開発 | IDE統合と承認コントロール | ベンチマークで1タスク当たりやや遅い |
| 7. DeepSeek Harness | DeepSeekモデル | プラグインアーキテクチャと実行統計 | 開発者プレビュー段階 |
| 8. Deep Agents | カスタムAIアプリケーション | 計画、サブエージェント、柔軟なSDK | 学習コストが高め |
| 9. OpenHands | 自律的な開発 | 柔軟な実行環境 | セットアップが重い |
| 10. mini-SWE-agent | 研究・実験 | 最小限のPythonアーキテクチャ | 内蔵機能が限定的 |
まとめ
しばらくはコーディングエージェントがこの分野を牽引してきましたが、今は個人向けAIアシスタントや日常業務向けツールへのシフトが見られます。
本稿ではクローズドソースのツールは挙げていませんが、ChatGPT WorkやOpenAIのdotsのような製品は今後の方向性を示しています。開発者だけでなく、オフィスワーカー、事業者、研究者、コード経験のない人であっても、AIを活用して文書を扱い、スプレッドシートを分析し、メールを送信し、プロジェクトを管理し、日常タスクを自動化できるよう設計されています。
GoogleのFlowも、クリエイティブ業務でのAI活用へと舵を切る同様の流れを示しています。もちろん、上記のOSSハーネスの多くも、適切なツールと連携があれば、これらのタスクの多くを既に処理できます。違いは、企業がコーディング中心ではなく、これらのワークフロー専用の体験を構築し始めた点にあります。
今や多くの仕事はハーネス側で行われます。開発者は、ツール、メモリ、コンテキスト管理、ワークフローを含むエージェントハーネス全体をチューニングし、特定タスクでモデルがより良く動作するよう最適化しています。
自作ハーネスの構築をさらに学びたい場合は、Building AI Agent Harnesses with Strands Agentsのコースをおすすめします。
AIエージェントハーネス自体は以前から存在しますが、ここ1年半で大きく進化しました。Bashコマンドの実行とファイル編集しかできなかったシンプルなエージェントから、ウェブ検索、外部ツール連携、コンテキスト管理、会話履歴の記憶、複雑タスクの完了まで可能なシステムへと発展しています。
最新のAIハーネスは、再利用可能なスキル、複数エージェントの協調、ツールの並列実行をサポートします。開発者はコンテキスト管理の工夫やトークン使用量の削減、エージェントの高速化と信頼性向上にも成功しつつあります。
興味深いのは、焦点がAIモデルそのものの改善から、それを取り巻くハーネスの改善へと移りつつある点です。今日見られるエージェントの性能向上の多くは、より良いツール、賢いワークフロー、効率的なコンテキスト管理によってもたらされており、必ずしもモデルの改良だけが要因ではありません。
本質的に、AIエージェントハーネスとは、AIモデルをツールに接続し、実行を管理し、結果に基づいて調整や誤り訂正を可能にするフィードバックループを作るコード群のことです。
この記事では、2026年時点で人気かつ実用的なオープンソースAIエージェントハーネス10種を取り上げ、それぞれの特長と導入方法を紹介します。GitHubスター数は2026年11月時点です。ハーネスの設計を深掘りしたい場合は、Agent Harness Engineering Guideをご覧ください。
AIエージェントハーネスとは？
AIエージェントハーネスは、AIモデルがタスクを完了するために必要なツールと環境を提供するシステムです。
AIモデルを「頭脳」、ハーネスを「行動を支える装置一式」と考えるとわかりやすいでしょう。ハーネスによって、モデルは自分の提案に基づいて行動できます。ファイルの読み取り、コマンド実行、結果の確認が可能になります。
例えば、Pythonアプリがクラッシュし続けているとします。エラーをChatGPTに貼り付け、提案された修正を手作業で適用する代わりに、AIコーディングエージェントにこう依頼します。
"なぜPythonアプリがクラッシュしているのか原因を特定し、問題を修正し、すべてのテストが通ることを確認してください。"
ハーネスがあることで、AIモデルはコードを読み、アプリを実行し、エラーを見つけ、関連ファイルを編集し、テストを走らせられます。テストが失敗した場合は結果をモデルへ返し、別解を試せるようにします。
これらは1回のリクエストで、最小限の手作業で進められます。
AIエージェントハーネスは実際に何をするのか？
多くのAIエージェントハーネスは、次の5つの基本機能を提供します。
プロジェクトの異なる部分を複数エージェントで分担する機能を持つハーネスもあります。
同じAIモデルでも、ハーネス次第で性能は大きく変わります。ComposioのDeepSeek V4 Flashのテストでは、同一モデルのスコアがハーネスにより46.7%から66.7%まで変動し、ミニマルなPiエージェントが最上位となりました。
必要なツールを厳選し、良好なコンテキスト管理を備えた設計の良いハーネスは、より複雑なものを上回ることがあります。だからこそ、モデル選びと同じくらい慎重にハーネスを選ぶ価値があります。
それでは、2026年のオープンソースAIエージェントハーネスのトップ10を見ていきましょう。
1. Codex CLI: ソフトウェア工学向けベストのオープンソースAIエージェントハーネス
Codex CLIは、オープンソースのAIコーディングエージェントとして私の最有力候補です。OpenAIが開発し、主にRustで実装。軽量で、プロフェッショナルなソフトウェア開発に取り組む開発者向けに作られています。GitHubスターは約134K。
Codexの強みは、自律的にこなせる作業範囲の広さです。プロジェクトの構築、既存ツールとの連携、バグ修正、テスト実行まで対応。複雑なタスクを渡しても、開発プロセスの大半を任せられます。
欠点はOpenAIへの依存です。クイックスタートではChatGPTアカウントまたはOpenAIのAPIキーでサインインします。
Codex CLIの強み
Codex CLIのインストール方法
以下のインストーラーはリモートスクリプトをシェルにパイプします。内容を確認したい場合は、事前にスクリプトをレビューしてください。
macOSおよびLinux:
Windows（PowerShell）:
npmまたはHomebrew（対応プラットフォーム）:
プロジェクトディレクトリへ移動してCodexを起動します。
ChatGPTアカウントでサインインするか、APIアクセスを設定すればコーディングを開始できます。
例えば、フロントエンド、バックエンド、テスト、ドキュメントを含む完全なPythonダッシュボードの作成を依頼できます。実装の大半をCodexが担い、結果をレビューするだけで済みます。手順はOpenAI Codex CLIのチュートリアルをご覧ください。
2. OpenCode: モデル選択の自由度に優れたオープンソースAIエージェントハーネス
OpenCodeはここ1年以上、私のお気に入りのAIコーディングエージェントの1つです。Windows・macOS・Linuxに対応し、幅広いAIモデルをサポート。開発者はワークフローを自在にカスタマイズできます。
オープンソースのコーディングエージェントとしても屈指の人気で、GitHubスターは約226K。特に気に入っているのは、特定のAIプロバイダに縛られないことです。OpenAI、Anthropic、Google、ローカルモデルなどを同じインターフェースで使えます。
OpenCodeの強み
唯一の難点は、シンプルなエージェントと比べるとやや重量級に感じることです。多くの機能が同梱されており、ほとんどの開発者には不要なものもあります。大規模セッションでは反応が鈍く感じられる場面も。ただし、柔軟性とモデル選択を重視するならOpenCodeは強力です。
OpenCode CLIのインストール方法
Windows（WSL）、macOS、Linux:
インストール後、プロジェクトフォルダへ移動してOpenCodeを起動します。
/connectで好みのAIプロバイダを設定するか、無料で使えるモデルから始められます。GUIが好みならOpenCodeデスクトップアプリも利用できます。ローカル実行のモデルと組み合わせる例は、Qwen3.8-Flash-NextをOpenCodeでローカル実行のガイドをご参照ください。
3. OpenClaw: 個人向けAI自動化に最適なオープンソースAIエージェントハーネス
OpenClawは2026年最大級のOSSエージェントプロジェクトの1つで、GitHubスターは約394K。このリストの多くのコーディングエージェントと異なり、OpenClawは実際に各種アプリ横断でタスクを実行できるパーソナルAIアシスタントを目指しています。
出典: OpenClawガイド
自分のPCやサーバー上で動かし、WhatsApp、Telegram、Discord、Slackなどを通じてやり取りできるのが特徴です。コンテキストの記憶、コマンド実行、ウェブ閲覧、日常タスクの自動化が可能。
さらに、Codexを含む他のコーディングエージェントのプラットフォームとしても機能し、アシスタントレイヤーはこのリストの別ハーネスであるPiの上に構築されています。
OpenClawの強み
主な注意点は、複雑さとセキュリティ要件です。OpenClawは機密性の高いツールやファイルにアクセスできるため、権限やサンドボックス、外部連携の設定を慎重に行う必要があります。
コーディングアシスタントの枠を超え、複数アプリで動くパーソナルAIエージェントを構築したい開発者におすすめです。
OpenClaw AI Agentのインストール方法
macOS、Linux、Windows（WSL2）:
Windows（PowerShell）:
インストーラがオンボーディングを開始します。必要に応じて次を実行:
設定後、Webダッシュボードを起動します。
好みのAIモデルとメッセージングプラットフォームを接続して始めましょう。
例えば、開発プロジェクトを監視し、更新内容を要約し、承認済みタスクを実行し、結果をTelegramやWhatsAppに直接送信するようOpenClawを構成できます。
4. Hermes Agent: 永続メモリに強いオープンソースAIエージェントハーネス
Hermes Agent（Nous Research製）は、ユーザーや会話、プロジェクトに関する有用情報をセッションをまたいで記憶します。
Hermesの面白い点は、永続メモリとフル機能のAIエージェントを組み合わせていることです。コードを書き、コマンドを実行し、再利用可能なスキルを学習し、自動化を行いながら、過去の会話から得た重要な文脈を保持します。
出典: Hermes AI Agent by Nous Research | 公式サイト
GitHubスターは約260K。
Hermes Agentの強み
コーディング性能も競争力があります。Composio Bench（同一のマルチアプリタスクで比較）では、OpenAIのGPT-6 Astra使用時に75.9%（29タスク中22件）の成功率でCodex CLIと並び、同モデルでの平均完了時間は125秒/タスクと最速でした。
主な弱点はメモリが万能ではないこと。すべてではなく選別情報を保存するため、ローカルの小型モデルで複雑ワークフローを走らせるのは難しい場合があります。
単なるコーディング支援を超え、仕事を記憶し時間とともに有用性が増すパーソナルAIエージェントを求める開発者におすすめです。
Hermes Agentのインストール方法
Linux、macOS、Windows（WSL2）:
Windows（PowerShell）:
好みのモデルプロバイダを設定します。
エージェントを起動します。
hermes setupで追加ツール、メッセージング、オートメーションを設定可能です。詳細はHermes Agentセットアップガイドをご覧ください。5. Pi: ローカルLLMに最適な軽量オープンソースAIエージェントハーネス
Piは、私のお気に入りの軽量AIエージェントハーネスです。ローカルで大規模言語モデル（LLM）を動かすチュートリアルでは、セットアップが容易で最小限のアーキテクチャ、他の大型エージェントより軽快に感じられるため、ほぼいつもPiを使います。
特に魅力なのはシンプルさ。Piは小さく効率的なエージェントループに注力しています。私の経験では、これによりワークフローが高速に保たれ、トークン使用量も抑えつつ、より複雑なエージェントに匹敵するコーディング結果が得られます。
GitHubスターは約120K。Piは2026年4月に創作者Mario ZechnerからEarendilが取得し、MITライセンスを維持。OpenClawはPiのコンポーネント上に構築されています。
Piの強み
性能も競合します。Composio Benchでは、PiはGPT-6 Astraで69%の成功率を達成し、同じ29タスクでOpenCodeと並びました。
主な制約は、サブエージェントやプランニングのような機能が標準ではないこと。拡張やカスタム実装が必要です。ただしその簡潔さこそ、ローカルLLMの実験や軽量なコーディングでPiを好む理由です。
Pi AI Agent CLIのインストール方法
macOSとLinux:
Windows（PowerShell）:
プロジェクトディレクトリへ移動してPiを起動します。
/loginでAIプロバイダに接続するかローカルモデルを設定し、/modelで使用するモデルを選択します。ローカルモデルとの組み合わせ例は、Bonsai 27Bをローカル実行のガイドをご参照ください。
6. Cline: VS Code向けに最適なオープンソースAIエージェントハーネス
Clineは、VS Code拡張として人気を博したオープンソースAIコーディングエージェントの草分けの1つです。短期間で多くの開発者に支持され、Roo Codeなどのフォークも生まれました。
私自身は他のエージェントほど使い込んでいませんが、開発の勢いとコミュニティの反応は目覚ましいです。現在は複数IDE、CLI、カンバン型タスクボード、SDKもサポートし、GitHubスターは約70K。
Clineの強み
Composio Benchでは、ClineはGPT-6 Astra使用時に79.3%（29タスク中23件）の成功率を達成し、Codex CLIやHermes Agentを1タスク上回って、完了率でトップとなりました。
主な欠点は速度です。同ベンチマークでClineは平均193秒/タスクで、Hermes Agentの125秒より遅い結果でした。
Cline AI Agentのインストール方法
VS Code（Windows、macOS、Linux）:
VS Codeを開き、拡張機能（Windows／Linuxは
Ctrl+Shift+X、macOSはCmd+Shift+X）でClineを検索してインストールします。あるいはnpmでCLIをインストール（Node.js 22以上が必要）：
好みのAIプロバイダを設定します。
プロジェクトディレクトリへ移動してClineを開始します。
以後、Clineにコードベースの探索、機能実装、エラー修正、テスト実行を依頼し、変更をレビューできます。実例はCline AIガイドをご覧ください。
7. DeepSeek Harness: DeepSeekモデルに最適なオープンソースAIエージェントハーネス
DeepSeek Harnessは2026年8月13日に公開され、最初の10日でGitHubスターが186,000を突破。現在は約279Kと、最速級で成長したOSSエージェントプロジェクトの1つです。
私も使用しましたが、特にDeepSeek-V4.1-Flash使用時の速度に感銘を受けました。DeepSeekモデル向けにチューニングされ、現代的なコーディングエージェントに期待される機能をほぼ網羅しています。
透明性の高さも魅力です。ツール呼び出し、実行トレース、詳細な統計を確認し、エージェントの動作を把握できます。
DeepSeek Harnessの強み
主な懸念は、まだデベロッパープレビュー段階であること。プラグインやAPIが変更され、互換性の破壊的変更が入る可能性があります。
DeepSeekモデルを常用する開発者や、詳細な実行インサイトを持つ高いカスタマイズ性のハーネスを求める方におすすめです。
DeepSeek Harnessのインストール方法
まず、Windows／macOS／LinuxにNode.js 22.19以上をインストールします。
その後、npxでDeepSeek Harnessを起動します。
ローカルWebインターフェースが自動で
http://127.0.0.1:3080で起動します。DeepSeekのAPIキーを設定し、モデルを選んで開発を開始します。デスクトップアプリは公式サイトから入手可能。手順はDeepSeek Harnessチュートリアルをご覧ください。
8. Deep Agents: カスタムAIエージェントに最適なオープンソースAIエージェントハーネス
Deep AgentsはLangChainが開発するOSSのAIエージェントハーネスです。このリストの多くのコーディングエージェントと異なり、ソフトウェア開発だけでなく、複雑なマルチステップタスクに対応するカスタムAIエージェントの構築も目的としています。
出典: Deep Agents overview - Docs by LangChain
Deep Agentsの興味深い点は、用意されたターミナル用コーディングエージェントを使うことも、PythonやTypeScriptで独自に構築することもできる点です。計画、メモリ、サブエージェント、コンテキスト管理を標準搭載しており、ゼロから作る必要がありません。
注目度も高く、GitHubスターは約31Kです。
Deep Agentsの強み
ベンチマーク改善も注目に値します。2026年2月、LangChainはブログで、gpt-5.2-codex使用時に、モデルを変えずにプロンプト、ツール、ミドルウェアの調整だけでTerminal Bench 2.0のスコアを52.8%から66.5%へ改善したと報告しました。
最小構成のコーディング支援を求めるというより、独自のAIアプリを構築する開発者におすすめします。軽量なコーディングにはPiやCodex CLIの方が着手しやすいでしょう。SDKの詳細はDeep Agentsガイドへ。
Deep Agentsのインストール方法
Deep Agents Codeの導入（macOSとLinux、またはWSL経由のWindows）:
コーディングエージェントを起動します。
モデルを選び、認証を設定して開始してください。
PythonでカスタムAIエージェントを作る場合は、
uvでプロジェクトを作成し、SDKをインストールします。create_deep_agent()を使い、モデル、ツール、プロンプト、ワークフローを組み合わせてエージェントを構築できます。例えば、ウェブ検索、ドキュメント分析、サブエージェントへの調査委任、最終レポート生成を行うリサーチエージェントが作れます。
9. OpenHands: 自律型ソフトウェア開発に最適なオープンソースAIエージェントハーネス
OpenHandsは初期のOSSコーディングエージェントプロジェクトの1つです。2024年3月にOpenDevinとして始まり、GPT-3.5やGPT-4が単なるチャットやコード生成を超えて何ができるか模索していた時期でした。
出典: OpenHands/OpenHands: OpenHands: AI-Driven Development
当時、AIエージェントにタスクを渡し、実際のプロジェクトを構築させるという発想は画期的でした。OpenHandsは、エージェントがコードを書き、コマンドを実行し、エラーを修正し、自らの作業をテストできるようにすることで、それを実現しました。
現在では、自律的なソフトウェア開発のための完全なプラットフォームへと成長し、GitHubスターは約93Kです。
OpenHandsの強み
主な欠点は複雑さです。PiやCodex CLIのような軽量ハーネスと比べ、特に隔離環境での実行時はセットアップやリソース要件が増します。
自律コーディングエージェントを動かしたい、複数のワークフローを管理したい、あるいはエージェント駆動の開発システムを構築したい開発者におすすめです。詳細はOpenHandsガイドをご覧ください。
OpenHands AI Agentのインストール方法
ローカルでの最も簡単な実行方法はAgent Canvas経由です。
まず、Node.js 24以上とuvをインストールします。
次に、Windows／macOS／LinuxでAgent Canvasをインストールします。
アプリケーションを起動します。
Webインターフェースを
http://localhost:8000で開きます。好みのAIモデルを設定し、ワークスペースを選択して、コーディングタスクを指示してください。
デフォルトでは、エージェントはマシン上で直接動作し、ファイルシステムへフルアクセスします。ワークスペース外のファイルに触れさせないためには、DockerサンドボックスでAgent Canvasを実行します。
10. mini-SWE-agent: ソフトウェア工学向けの最小構成オープンソースAIエージェントハーネス
mini-SWE-agentは、これまで見た中で最もシンプルなAIコーディングハーネスの1つです。SWE-agentやSWE-benchの研究者によって開発され、機能てんこ盛りのエージェントとは一線を画します。
コアエージェントはおよそ100行のPythonで実装。複雑なツール呼び出しやワークフローを構築する代わりに、Bashへのアクセスだけを与え、タスク達成方法はモデルに委ねます。
この極小設計でもコーディング性能は高水準。GitHubスターは約9.5Kで、NVIDIA、Meta、IBMなどの研究者やエンジニアにも利用されています。
mini-SWE-agentの強み
プロジェクトのREADMEによると、強力なモデル（例: Gemini 3 Pro）と組み合わせるとSWE-bench Verified（実在のGitHub課題を使ったベンチマーク）で74%超を記録します。モデル比較はSWE-bench bash-only leaderboardで確認可能です。
主な欠点は、大型エージェントにある高度な計画、サブエージェント、幅広い連携など多くの内蔵機能を持たないこと。開発者が自前で実装する必要があります。
とくに異なるモデルやエージェント設計の実験を行いたい開発者やAI研究者に、軽量で高速、カスタマイズが容易なコーディングハーネスとしておすすめです。
mini-SWE-agentのインストール方法
macOS／Linuxでの最も簡単な方法は
uvの利用です。あるいはpipでインストールします。
好みのAIモデルとAPIキーを設定します。
プロジェクトディレクトリに移動してエージェントを起動します。
恒久的なインストールなしで直接実行することもできます。
例えば、Pythonリポジトリを探索し、失敗しているテストを特定・修正して再実行する、といった一連の流れを、複雑なフレームワークを使わず単純なシェルコマンドだけで処理できます。
2026年版 オープンソースAIエージェントハーネスTOP10の比較
下表は、主要な強み、適したユースケース、制約に基づいてトップ10のOSSエージェントハーネスを比較したものです。
まとめ
しばらくはコーディングエージェントがこの分野を牽引してきましたが、今は個人向けAIアシスタントや日常業務向けツールへのシフトが見られます。
本稿ではクローズドソースのツールは挙げていませんが、ChatGPT WorkやOpenAIのdotsのような製品は今後の方向性を示しています。開発者だけでなく、オフィスワーカー、事業者、研究者、コード経験のない人であっても、AIを活用して文書を扱い、スプレッドシートを分析し、メールを送信し、プロジェクトを管理し、日常タスクを自動化できるよう設計されています。
GoogleのFlowも、クリエイティブ業務でのAI活用へと舵を切る同様の流れを示しています。もちろん、上記のOSSハーネスの多くも、適切なツールと連携があれば、これらのタスクの多くを既に処理できます。違いは、企業がコーディング中心ではなく、これらのワークフロー専用の体験を構築し始めた点にあります。
今や多くの仕事はハーネス側で行われます。開発者は、ツール、メモリ、コンテキスト管理、ワークフローを含むエージェントハーネス全体をチューニングし、特定タスクでモデルがより良く動作するよう最適化しています。
自作ハーネスの構築をさらに学びたい場合は、Building AI Agent Harnesses with Strands Agentsのコースをおすすめします。