Agent Harness が分からない？話題の Omnigent を完全理解する（2026）

2026 年 6 月、Databricks 共同創業者の Matei Zaharia が Data + AI Summit 直前に Omnigent を GitHub で公開し、数日で star 数が 1 万を超えた。同時期、「Agent Harness」という語が Twitter、技術ブログ、Claude Code ドキュメントで頻出する——重要だとは分かるが、モデル・Agent・IDE のどれと違うのか説明できない人が多い。

左手で Claude Code、右手で Cursor Agent、ときどき Codex や自作スクリプトを使うなら、本稿で概念を整理し、Omnigent のような meta-harness（メタハーネス層） に今乗る価値があるか判断できる。公式：omnigent.ai。プロジェクトは Apache 2.0 オープンソース・alpha 段階——コマンドと API は急速に変わる可能性あり。本番導入はリポジトリの quickstart を正とすること。

結論先行：2026 年 AI プログラミングの分水嶺はオーケストレーション層にあり、モデルランキングではない。

Agent Harness = モデルの「OS」

ツール呼び出し、コンテキスト圧縮、権限境界、ReAct ループを担う。Claude Code、Cursor、Codex はいずれも Harness であり、モデルそのものではない。

Model + Harness
Omnigent = Harness 上のコントロールプレーン

1 行設定で Claude Code / Codex / カスタム YAML Agent を切替。Policy でコストとリスクを管理——prompt に祈るのではない。

Meta-Harness
向くのは：複数 Harness 並行チーム

単独で 1 IDE Agent なら様子見で可。3 人以上、モデルベンダー混在、共有セッションと監査が要るチームは alpha 試行の価値あり。

Alpha · セルフホスト

1. なぜ 2026 年みんな Harness を語るのか

2025 年の問いは「コードを書ける Agent をどう作るか」。2026 年は「5〜6 個の Agent を同時に走らせても暴走させないには」。典型：フロントは Cursor、バックエンド責任者は Claude Code CLI、運用スクリプトに Codex、ある事業線は YAML 定義のレビュー Agent——互いの存在を知らず、ルールもバラバラ、Token 請求は 4 コンソールに分散、git push を誰が承認したか誰も説明できない。

LangChain などコミュニティの式は明快：Agent = Model + Harness。モデルは推論；Harness は「推論に手を動かさせる」——ツール登録、bash 実行、ファイル I/O、履歴圧縮、ループ内の反復モデル呼び出し。LangChain の Harness 解剖記事はシステムプロンプト、MCP、子 Agent 編成、Hook ミドルウェアをすべて Harness エンジニアリングと位置づけ、「プロンプト技巧」ではない。

本当に痛いのは個々の Harness の賢さではなく統一オーケストレーション層の欠如——ツールを替えるたびフロー書き直し、モデルを替えるたびルール再教育、協業はスクショとターミナル貼り付け。Omnigent が埋めようとするのはこの空白——Kubernetes がコンテナを束ねるように、複数 Harness を上から束ねる（公式は common orchestration layer）。これは当サイト Agent 開発モード全景と選定ガイドの「入口がワークフローを決める」と一致：モデルを替えても Harness と編成層が変わらなければ、チームは碎片化したまま。

2. Agent Harness とは：三層分類、モデルと混同しない

先に層を分けておく——後の選定が乱れない：

L0 モデル（Model）：Claude、GPT、Gemini 等の API。テキストまたは tool-call 構造を返すだけで、ディスクには触れない。
L1 Agent Harness：モデルを実環境に接続する製品——Claude Code（ターミナル CLI）、Cursor（IDE Agent モード）、OpenAI Codex、Pi 等。実行ループ、権限プロンプト、プロジェクトコンテキスト注入を実装。
L2 Harness 拡張パック：単一 Harness 上のスキルとルール。例：ECC (Everything Claude Code) の Skills、Hooks、AgentShield——「どう書くか」を強化し、Harness 自体は置き換えない。
L3 Meta-Harness / コントロールプレーン：Omnigent の層。複数 L1/L2 を管理し、ポリシー・サンドボックス・セッション共有・多端末（ターミナル、Web、モバイル、REST）を統一。

非対称結論を再掲：モデル能力は天井、Harness は床；複数 Harness 共存時、床の高低は L3 編成層の有無で決まる。 「Claude と GPT どちらが強い」だけ議論し、5 つの Harness をバラバラに走らせるのは 2026 年最も多い組織レベルの失敗。

Omnigent は最上層——Claude Code や Cursor を置き換えず、統一スケジュールする

3. Omnigent とは：オープンソース meta-harness の四枚の切り札

公式紹介と GitHub README によると、Omnigent の核は二つ：Runner が任意 Agent をサンドボックス化・API 統一のセッションに包む；Server がポリシーと共有履歴を管理し、同一セッションをターミナル、Web UI（ローカル既定 http://localhost:6767）、デスクトップ、モバイル、REST API に露出。インストールは通常 1 行：

Omnigent インストール（公式 install.sh に従う）

curl -fsSL https://omnigent.ai/install.sh | sh

注目すべき四能力（alpha 段階、バージョンで可用性は変動）：

コンポジション（Composition）：同一タスク内で Claude Code、Codex、Pi、YAML カスタム Agent を切替または並列。設定変更で Harness を替え、リポジトリスクリプトの書き直し不要。
ガバナンス（Governance）：Contextual Policies——累計コスト閾値超過で一時停止、npm install 後の git push は人手承認など。「CLAUDE.md に push するなと書く」より実行可能。
サンドボックス（Sandbox）：OS レベルでファイルシステムとネットワークを制限。機密凭証はプロキシ注入、Agent は GitHub Token 平文を直接保持しない（Linux では bubblewrap、macOS では Seatbelt 等、リポジトリのセキュリティ文書参照）。
コラボレーション（Collaboration）：セッション URL 共有、同僚が傍観または co-drive——「ターミナルスクショ式」引き継ぎを削減。

内蔵サンプル Agent Polly（並列子 Agent + クロスベンダー Review）と Debby（デュアルモデル討論）は編成能力のデモであり、本番テンプレではない。ロードマップの GEPA 自動最適化、クロスセッション MCP 等は未 GA——「約束」ではなく「ポテンシャル」として評価すること。

4. 核心比較：裸 Harness、ECC、Omnigent の選び方

下の二表はフィールドを統一し、チーム内の言語を揃える。一つ目は「日常開発の入口」、二つ目は「編成とガバナンス」。

主要 Agent Harness と入口の比較（2026）
ツール	入口	実行能力	コンテキスト	向く人
Claude Code	ターミナル CLI	bash、リポジトリ I/O、子 Agent、MCP	CLAUDE.md、セッション圧縮、プロジェクトツリー	ターミナル派、深い git 連携が要るエンジニア
Cursor	IDE 内 Agent / Tab	多ファイル編集、ターミナル、ブラウザ（版次第）	.cursor/rules、Skills、@codebase	視覚派、GUI と diff プレビューが好きな開発者
OpenAI Codex	CLI / クラウドタスク	サンドボックス実行、長タスク、リポジトリ級変更	AGENTS.md、環境プリセット	OpenAI エコシステム、自動化パイプライン寄り
Omnigent	統一 CLI + Web + API	上記 Harness のラップ + カスタム YAML Agent	Harness 横断のセッション履歴とポリシー	複数ツール並行、強いガバナンスが要る技術責任者

編成層の選定：裸利用 vs ECC vs Omnigent
次元	裸 Harness 単一ツールそのまま	+ ECC（L2）単一 Harness 強化	+ Omnigent（L3）複数 Harness 編成
解く痛み	個人効率	ルール統一、記憶、品質ゲート	多ツール統合、ポリシー、協業
切替コスト	IDE を替えると Harness も替わる	Claude Code/Cursor 間で Rules 同期可	設定 1 行で Harness/モデル切替
権限とコスト	各ツールの確認ダイアログ	AgentShield、Hook 監査	Policy エンジン、コスト上限、プログラム承認
学習コスト	最低	中（Skills の裁剪が要る）	高（alpha、セルフホストの理解）
クラウド Runner	Mac へ SSH で可	Hook でリモートビルド起動	Server 配置後、多端末が同一実行環境へ

Omnigent ≠ もう一つの Claude Code

下位 Harness を置き換えない——上に座る。コードを実際に書く L1（または YAML 自研 Agent）は最低 1 つ要る。Omnigent が管るのは「誰がやるか、いくらかかるか、人の承認が要るか、セッションをどう共有するか」。

5. シナリオ別の選び方：決定マトリクス

役割で素早く分流——star 数比較より実用的。

個人フルスタック、Cursor か Claude Code のみ：裸 Harness + 簡素な AGENTS.md で十分。Omnigent は過剰。
小チーム 2–5 人、Harness 不統一：先に ECC または社内 Rules（L2）を統一し、Omnigent を評価。毎週「どの Agent を使うか」会議なら L3 のパイロット価値あり。
監査・コンプライアンスが要る R&D センター：Omnigent Policy + OS サンドボックスは散在 prompt より証明可能な制御に近い——ただし alpha リスク評価は必須。
7×24 個人分身 / IM チャネル：OpenClaw Gateway と Omnigent の役割分担を見る——前者は Channel と常時オンライン、後者は多 Harness コーディング編成。共存可だが権限モデルを混ぜない。
iOS/macOS ビルド heavy：Harness 編成は「誰がコードを書くか」；xcodebuild は安定 macOS Runner が要る。GitHub Actions セルフホスト macOS Runner とクラウド Mac を参照。

6. 推奨スタック（重ね合わせ可）

成熟度順に三つの検証済みスタック：

極簡個人スタック：Claude Code または Cursor + プロジェクト級 CLAUDE.md / .cursor/rules + ローカル git。編成層ゼロ。プロトタイプと副業向き。
チームコーディングスタック：メイン Harness を 1 つに統一（推奨）+ ECC を選択導入（minimal Hook）+ クラウド Mac Runner でテストと Archive。編成は L2、ガバナンスは CI と Code Review。
多 Harness 実験スタック：固定 Linux/macOS ホスト（またはクラウド Mac）に Omnigent Server + Policy でコストと git push 制限 + Polly 式「コーディング Agent + 異種 Review Agent」+ ノート/スマホから Web UI 傍観。技術責任者のサンドボックス向き——未レビューで本番リポジトリに接続しない。

7. よくある誤解

Omnigent をモデルゲートウェイだけと思う：API 転送だけでは Harness 級ツール実行は得られない。L3 の価値はポリシーとマルチ Agent 協業であり、安くモデルを替えることではない。
alpha リスクを軽視：API、設定形式、既定ポートは変わりうる。本番主線はバージョン固定とロールバック計画を。
prompt で Policy の代わり：「DB を消すな」は長セッションで洗い流される。コスト上限と承認チェーンは実行可能なポリシーに書く。
サンドボックス万能論：OS サンドボックスは凭証漏洩確率を下げるが、コードレビューの代替ではない。悪意ある依存は内網横移動しうる。
ECC と二択：ECC は単一 Harness の SOP 強化；Omnigent は複数 Harness 管理——多くのチームは最終的に L2 + L3 を重ねる。

8. 落地ステップ：監査可能な多 Harness 試験場を 7 ステップで

棚卸し：チームが実際に使う Harness、モデルアカウント、月次コスト上限を列挙。
境界を引く：非本番 monorepo か fork でパイロット。本番キーへのデフォルトアクセスは禁止。
インストール：公式スクリプトで Omnigent を導入。初回実行で自動検出されたモデル凭証が意図通りか確認。
Policy 作成：最低 2 条——累計 Token/コスト閾値で一時停止；git push / rm -rf 類は人手承認。
Harness 接続：最も慣れたもの（例：Claude Code）から。「単体テスト修正 → テスト実行」閉ループを通し、二つ目を交叉 Review 用に接続。
実行ノード固定：重タスクは 24h オンライン macOS（ローカル Mac mini またはクラウド Mac）へ。ノート閉蓋で長セッション中断を避ける。
振り返り：2 週間後に三つ——コストは制御できたか、承認は効率を殺していないか、同僚はスクショなしで協業できたか。一つでも不合格なら Scope 縮小または L2 へ戻る。

9. よくある質問

Q1. Agent Harness と AI Agent は同じ？

違う。 Agent は通常「自律的に目標を達成するシステム」；Harness はそのうち実行とコンテキスト管理を担うソフト層。口語の「Claude Code でコードを書く」は正確には「Claude Code という Harness で Claude モデルを動かす」。

Q2. Omnigent と Databricks の関係は？

Databricks チームによるオープンソース公開（Matei Zaharia 等）、Apache 2.0 ライセンス。Databricks 商用製品への強制バインドなし——自有モデルとインフラで可。Databricks データプラットフォーム利用企業には統合が加点だが前提ではない。

Q3. Omnigent を入れたら Cursor は不要？

IDE 体験が要るなら要る。 Omnigent は Cursor 背後の Agent 能力を編成するか、他 Harness と並列する——Cursor エディタ自体は置き換えない。純 CLI チームは Claude Code + Omnigent のみでも可。

Q4. コストは上がる？

安くも高くもなりうる。 マルチ Agent 並列は Token 消費を押し上げる一方、Policy のコスト上限と「重い仕事を誤ったモデルにやらせる」無駄は減る。パイロットでは必ず請求アラートを。

Q5. なぜ本文でクラウド Mac をよく言及する？

Harness は安定 OS の上に乗る。 iOS/macOS ビルド、署名、notarytool は本物 macOS のみ。Omnigent Server をクラウド Mac に置けば、ノート閉蓋後もセッションと Runner がオンライン——OpenClaw、GitHub Actions セルフホスト Runner と同じ「実行ノード」問題。

10. まとめ

Agent Harness はマーケ用語ではなく、2026 年エンジニアリング界が「モデル以外の実行インフラ」に付けた共通名。Claude Code、Cursor、Codex は L1 体験を争う；ECC は L2 を強化；Omnigent は L3 に戦火を移す——誰がやるか、いくらか、セッション共有できるか、承認チェーンを証明できるか。

単独単ツールなら焦る必要なし。複数 Harness のチームは、2 週間の alpha 試行で「編成層」の地図を手に入れる価値がある。どの層を選んでも、Agent に安定・SSH 可能・xcodebuild が走る macOS を——脳がクラウドでも、手はクラウドに。