エージェントシステムの4つのレイヤーは、loop、graph、harness、そしてmeta-harnessです。エージェントがトークンを消費し、タスク完了を宣言した後、テストに失敗する場合、それは通常、プロンプトの問題ではなく、アーキテクチャの問題です。loopは外部証拠に基づいて作業を検証します。graphは次に実行がどこへ進むかを決定します。harnessはモデルのオペレーティング環境であり、ツール、権限、メモリ、コンテキスト、ロギングが含まれます。meta-harnessは多くのharnessを統治し、コンテキストとポリシーをエージェント間で移動できるようにします。Mercury Coreは、harnessとmeta-harnessとして構築されています。このloopは、管理サービスであるMercury Loopではありません。
エージェントアーキテクチャ、検証ループ、ワークフローグラフ、エージェントハーネス、メタ-ハーネスガバナンス、ヒューマン-エージェントオペレーティングシステム、プロンプトエンジニアリングの限界、Mercury Core、Booster Packs、OpenClaw memory
Mercury Technology Solutions、Mercury Core、Mercury Flux、Mercury Loop、OpenClaw、Booster Pack、Unified Bus、Agent-native infrastructure
[ SYS: MERCURY_CORE // フィールドノート ]
エージェンティックシステムに関するフィールドノートエージェントシステムの
4つのレイヤー
エージェントはトークンを消費し、タスク完了を宣言した後、テストに失敗する。それは通常、プロンプトの問題ではなく、アーキテクチャの問題です。ここにスタックを示します — そしてどのレイヤーが失敗したかを見つける方法です。
4つのランタイムレイヤー。loopから構築する。
エージェントシステムの4つのレイヤーとは
- AIエージェントは、プロンプトの問題ではなく、アーキテクチャの問題で失敗することが多いです。より良いプロンプトは、欠けているツール、ゲート、ルート、またはポリシーを生成することはできません。
- 4つのランタイムレイヤーは、loop（作業の検証）、graph（作業のルーティング）、harness（機能の公開）、およびmeta-harness（多数のharnessの統治）です。
- 信頼性の高いloopは、モデル自身の自己評価ではなく、外部の証拠（合格したテスト、緑のビルド、検証された出力）で停止します。
- Mercury Coreは、harnessおよびmeta-harnessとして構築されたオペレーティングシステムです：単一のメモリ、単一のインターフェース、単一のポリシーレイヤーを持ちます。
- このページのloopはランタイムパターンです。Mercury Loopは別の製品であり、OSが逸脱するのを防ぐマネージドサービスです。
4つのレイヤーを一目で
| レイヤー | ジョブ | 失敗 | まず修正 |
|---|---|---|---|
| Loop | 証拠が停止を指示するまで作業を検証 | テスト、ビルド、または検証ゲートなしにエージェントが「完了」する | 測定可能な停止条件を追加する |
| Graph | 次に実行がどこへ進むかを決定する | 誤ったルート、フォールバックなし、即席のハンドオフ | ブランチ、リトライ、専門家を明示する |
| Harness | ツール、メモリ、権限、コンテキスト、ロギングを公開する | モデルはタスクを理解しているが、必要なものにアクセスできない | 不足している機能を公開する — Mercury Core 上の Booster Pack |
| Meta-harness | 多くのハarnessを統治する; コンテキストを単一のポリシーの下に移動する | Claude Code、Codex、および内部エージェントが調整されていないサイロである | 共有ポリシー、分離、およびポータブルなコンテキスト — コアの基盤 |
エージェントループとは何ですか？
エージェントループは、エージェンシーの最小単位です：実行し、結果を確認し、その後停止するか再試行します。
信頼できるエージェントは、モデルが作業が正しいと判断したからといって決して停止しません。それは外部の証拠、つまり合格したテスト、緑色のビルド、検証された出力をきっかけに停止します。
実行 → 確認 → (修正) → 完了
エージェントがタスクを2回試みる様子をご覧ください。最初のパスは完了したように感じられますが、確認が異議を唱えます。ゲートを通過するのは2回目のパスだけです。
ループはアイドル状態です。実行して、失敗した確認、次に合格したゲートの様子をご覧ください。
ルール
測定可能な条件で停止します：テストが合格、ビルドが成功、出力が検証される — モデル自身の自己評価によるものではありません。
検証なしに、エージェントはタスクが未完了であるにもかかわらず、自信を持って成功を宣言します。
agent graphとは何ですか？
agent graphは、実行が次にどこへ進むかを決定します。分岐、再試行、Specialistへのハンドオフ、フォールバックパス、および共有状態です。
ループは実行が継続するかどうかを決定します。グラフはどこへ進むかを決定します。ワークフローに複数のルートがある場合、グラフはそれらを明示的で、検査可能で、制御可能なものにします。
グラフはアイドル状態。標準パスの失敗からSpecialistへフォールオーバーするタスクをルーティングします。
エージェントハarnessとは？
エージェントハarnessとは、モデルの動作環境であり、ツール、API、ファイル、メモリ、権限、コンテキスト、およびロギングのことです。
モデルが推論を提供しますが、ハarnessがその推論が実際に何ができるかを決定します。モデルの能力とエージェントの能力は同じものではありません。
モデルはタスクを解決する方法を正確に理解している場合があります。しかし、必要なツール、データソース、または権限がハarnessを介して公開されていない場合、エージェントはそれを完了できません。
モデルを機能させるには5つの能力が必要です。そのうちの1つのギャップが、プロンプトがどれほど優れていても、全体を失敗させます。
meta-harnessとは？
meta-harnessは、複数のエージェントharnessの上に存在する共通のレイヤーです。そこには、オーケストレーション、ガバナンス、分離、共有ポリシー、およびポータブルなコンテキストが含まれます。
実際のチームは、Claude Code、Codex、内部エージェント、ドメイン専門家などを並行して実行します。それぞれが独自のツール、セッション、ポリシー、実行環境を持っています。meta-harnessがなければ、人間は囲まれた庭園間のコピー＆ペースト層になってしまいます。
動いているポイントはコンテキストです。それは、単に囲まれた庭園間でコピー＆ペーストされるのではなく、単一のポリシー層の下で、検証された結果または共有状態が一方のharnessからもう一方のharnessへ渡されることです。
一行診断
より良いプロンプト を補うことはできない の 欠けている能力.
— トリアージヒューリスティック、エージェントアーキテクチャ
ヒューリスティックは、無視することではなく、順序付けに関するものです。プロンプトエンジニアリングは現実的で価値があります。それは、モデルがharnessが公開するものをどれだけうまく利用できるかを形作ります。しかし、harnessが一度も公開しなかったものは、それを生み出すことはできません。
正しい順序：まずレイヤーを修正する（ツール、ゲート、ルート、ポリシーを追加する）、次にその機能をうまく使うようにプロンプトを調整する。壊れたスタックの上にプロンプトを適用するのは、ひび割れた基礎に磨きをかけるようなものです。
プロンプトを書き直す前に問うべき4つの質問
Loopの失敗
Graphの失敗
Harnessの失敗
Meta-harnessの失敗
診断。そして基盤。
これら4つのランタイムレイヤーがあるからこそ、ハーンセスが欠けている場合、より良いプロンプトでも失敗するのです。Mercury Coreは、そのハーンセスと、それより上のメタハーンセスとして構築されたオペレーティングシステムです。一つのメモリ、一つのインターフェース、一つのポリシーレイヤーです。
Coreの5つのメモリレイヤーは、OSが真実を保存する方法です。 OpenClawがそのファブリックです。このページにある4つのレイヤーが、作業が実行される方法を示しています。
A Booster Packは、Coreがツール、ビュー、およびメモリスキーマをまとめて公開する方法 — ハーネスを接続するものです。
このページのループはランタイムゲートです：証拠に基づいて、行動し、チェックし、停止します。Mercury Loop製品は別のものです：OSがビジネスから逸脱するのを防ぐ、管理されたサービスです。
ゲートがモデルパスである場合、Mercury Flux最も安価で適切なモデルをルーティングし、何かをリリースする前にテストで停止します。
次のステップ
レイヤーをインストールしてください。プロンプトを磨かないでください。
失敗がツール、共有メモリ、またはフリートポリシーの欠如によるものである場合、次のページは別のプロンプトパックではなく、オペレーティングシステムです。
エージェントアーキテクチャ FAQ
エージェントシステムの4つのレイヤーとは何ですか？
- Loop、graph、harness、およびmeta-harnessです。Loopは外部の証拠に基づいて作業を検証します。graphは実行が次にどこに進むかを決定します。harnessはモデルのオペレーティング環境であり、ツール、権限、メモリ、コンテキスト、ロギングが含まれます。meta-harnessは多くのharnessを管理し、コンテキストとポリシーがコピー＆ペーストされるのではなく、エージェント間で移動できるようにします。
なぜAIエージェントは、良いプロンプトがあっても失敗するのですか？
- プロンプティングは、harnessが一度も公開しなかったものを生み出すことができないからです。停止条件、ルート、ツール、または共有ポリシーが欠けている場合、モデルは依然として正しく推論でき、実行は失敗します。まずレイヤーを診断し、次にプロンプトを調整してください。
agent loopはMercury Loopと同じですか？
- いいえ。agent loopはランタイムパターンです：実行、確認、証拠に基づいて停止する。Mercury Loopは、Entry、Analyst、Implementerエージェントをデプロイして、インフラストラクチャのドリフトを見つけ出し修正するマネージドサービスです。同じ単語ですが、異なる製品です。
これはMercury CoreやOpenClawとどう関係しますか？
- OpenClawはMercury Coreの5層階層メモリであり、OSが真実を保存する方法です。これら4つのランタイムレイヤーが、作業が実行されることを可能にしています。Coreはハネサスとして、そしてメタハネサスとして構築されています：人間とエージェントがメモリ、インターフェース、ポリシーを共有します。Booster Packは、ツール、ダッシュボード、メモリスキーマをそのハネサスに組み込みます。
より良いプロンプトで欠落したツールを修正できないのはなぜですか？
- プロンプティングは、ハネサスが公開するものをモデルがどれだけうまく利用できるかを形作します。環境が一度も提供しなかったツール、権限、データソース、またはポリシーを、プロンプトは作成できません。まずレイヤーを修正し、次にプロンプトを調整してください。
メタハネサスとは何ですか？
- 複数のエージェント環境の上にある共通のレイヤーです。チームはすでにClaude Code、Codex、内部エージェント、およびスペシャリストを並行して実行しています。メタハネサスがない場合、それぞれが閉鎖的な庭園です。それがある場合、それらはポリシー、分離、およびポータブルなコンテキストを共有します。それがMercury Coreのテーゼです：人間を統合レイヤーとして使うのをやめることです。
どのエージェントレイヤーが失敗したかを診断するにはどうすればよいですか？
- プロンプトを書き直す前に、4つの質問をしてください。Loop：完了を制御するテストはありますか？Graph：ブランチやハンドオフは明示的ですか？Harness：環境はタスクが必要とするツール、データ、または権限を公開していますか？Meta-harness：エージェントはポリシーとコンテキストを共有できますか、それともN個の非調整のサイロですか？
本ページで使用されるエージェントアーキテクチャ用語
- Agent loop
- 外部証拠に基づいて行動し、チェックし、停止する。管理サービスである Mercury Loop ではない。
- Agent graph
- 明示的なルート、リトライ、専門家への引き継ぎ、フォールバック、および共有状態。
- Agent harness
- モデルの動作環境：ツール、権限、メモリ、コンテキスト、ロギング。
- Meta-harness
- 多くのハarnessを横断するガバナンス — 共有ポリシーとポータブルなコンテキスト。Mercury Core の役割。
Published 2 September 2026. Concept distilled from public discussion on agent architecture (Rishi, @RishiUvaach). Frame and implementation: Mercury Technology Solutions.
Related insights
思考の鍛冶場：私が個人的に感心するAIの使い方
AIがどのようにあなたの思考パターンを変革し、単純な答えを超えて深い理解と認知的関与に至るかを探ります。
GEO1%クリック問題：なぜGEOはもはやトラフィックに関するものではないのか
新しい研究により、AI概要の引用リンクは約1%の確率でクリックされることが明らかになりました。これが生成AI最適化に関するすべてを変える理由と、代わりに何を測定すべきかを説明します。
Digital Marketingスーパーユーザーのシフト: なぜあなたのSEO予算は今やAI税なのか
GoogleのATLAS研究によると、香港の21%の人々がAIスーパーユーザーです。彼らはもはや検索していません—彼らは委任しています。これはあなたのマーケティング予算にとって何を意味するのでしょうか。