はじめに
Codex や Claude Code を触っていると、同じように頼んだつもりでも、うまくいく時といかない時があると感じることがあります。
また、似たような用途の AI エージェントでも、プロダクトや環境が変わると体験がかなり違う、と感じたことがある方も多いのではないでしょうか。
こうした違いは、モデルの性能だけでは説明しきれません。AI エージェントは、単に賢いモデルが1回返答しているだけではなく、モデル ハーネス コンテキスト ツール といった複数の要素が組み合わさって動いているからです。
この記事では、ChatGPT / Codex / Claude Code を触り始めた実務者に向けて、AI エージェントがどのような仕組みで動いているのかを、実行フローに沿って整理します。
この記事でわかること
- AI エージェントをこの記事ではどう定義するか
- AI エージェントがどう動き、その動きを何が支えているか
- 同じように使っても結果が変わる理由と、うまく動かないときの見方の入口
1. AIエージェントとは何か
この記事では、AI エージェントを次のように捉えます。
AI エージェントとは、LLM が与えられた目的に対して、コンテキストを参照し、必要に応じてツールを使いながら、複数段階の作業を進める仕組みです。実際の動きは、モデル単体ではなく、ハーネス・コンテキスト・ツールを含む全体設計で大きく変わります。
ここで言いたいのは、AI エージェントは単に質問へ答えるチャットではない、ということです。質問に一度答えて終わるだけでなく、途中の情報を読み、必要ならツールを使い、結果を見て次の行動を選びながら仕事を進めていきます。
そのため、見た目は似ていても、どのようなモデルを使っているかだけでなく、どういう進め方が組まれているか、どんな前提情報を持てるか、どんな手段にアクセスできるかで、体験も成果も大きく変わります。
2. AIエージェントはどう動くのか
AI エージェントの動きは、細かい違いをいったん脇に置くと、かなりシンプルに捉えられます。
まず、ユーザーから目的や依頼を受け取ります。次に、その仕事を進めるために必要な前提情報や手元のファイル、過去のやり取りなどを参照します。そのうえで、必要ならファイル操作、コマンド実行、検索、ブラウザ操作のようなツールを使います。そして結果を見ながら、次に何をするかを判断し、必要に応じてこの流れを繰り返します。
つまり、AI エージェントは 依頼を受ける → コンテキストを読む → 必要ならツールを使う → 結果を見て次の行動を決める → 必要に応じて繰り返す という流れで動いています。
この全体像を先に持っておくと、AI エージェントを「何となく賢いもの」としてではなく、いくつかの要素が噛み合って動く仕組みとして見やすくなります。
3. この動きを支えている4つの要素
前の章で見た流れを支えているのが、モデル ハーネス コンテキスト ツール の4つです。
図で見ると、AI エージェントの実行は中央にあり、その周囲を4つの要素が支えているイメージです。ここで重要なのは、モデルだけが主役なのではなく、ハーネス、コンテキスト、ツールも同じくらい挙動に効いているという点です。
3-1. モデル
モデルは、推論や文章生成の土台になる部分です。どのモデルを使うかによって、得意不得意、応答の傾向、コンテキストウィンドウの大きさなどに差が出ます。
たとえば、長い前提情報をどこまで保持しやすいか、コード生成や要約の安定感がどうか、といった違いはモデルごとにあります。そのため、モデル差が体験に影響するのは確かです。
ただし、ここで重要なのは、モデルだけで AI エージェントの出来が決まるわけではない、ということです。同じモデルを使っていても、その外側の設計次第で、かなり違う振る舞いになります。
3-2. ハーネス
ハーネスとは、AI が迷わず働けるようにするレールのようなものです。どの情報を読み、どう進め、途中で何を確認し、何をもって完了とするかといった、作業の外側の進め方を決めています。
短いやり取りであれば、単発の指示だけでもある程度進められます。ただ、設計、実装、確認、修正のように複数段階にまたがる作業では、それだけでは不安定になりやすいです。途中で何を見るべきか、どこで確認すべきか、どんな順番で進めるかが曖昧だと、AI はぶれやすくなります。
その意味で、ハーネスは「AI に何を言うか」だけでなく、「AI がどんなレールの上で働くか」を決める層だと言えます。実務で AI エージェントを使っていると、結果の安定性にかなり効くのはむしろこの部分だと感じます。
ハーネスの考え方は、別記事でもう少し詳しく整理しています。
ハーネスエンジニアリングとは？
3-3. コンテキスト
コンテキストとは、その時点で AI が参照している前提情報のことです。目的、背景、制約、途中成果物、手元のファイル、会話履歴などが含まれます。
AI は与えられた情報をもとにしか判断できません。したがって、必要な前提情報が抜けていると、文章としてはそれらしく見えても、仕事としてはずれた判断になりやすいです。
たとえば実装作業であれば、何を作りたいのか、既存コードにどんな前提があるのか、何をもって完了とするのかが曖昧だと、動くものは返ってきても期待とずれることがあります。これは能力不足というより、仕事の文脈不足と見たほうが自然です。
コンテキストは、AI がその仕事をどう理解するかを決める土台です。うまく動かないとき、プロンプトの言い回しより先に、必要な前提情報が渡っているかを見直したほうがよい場面は多いと思います。
コンテキストの考え方は、別記事で具体例つきで整理しています。
AIに仕事を頼むとき、前提情報をどう渡すか
3-4. ツール
ツールは、AI が外の世界に手を伸ばすための手段です。たとえばファイルを読む、コマンドを実行する、Web を調べる、ブラウザを操作するといった行為が含まれます。
AI エージェントが単なる会話で終わらず、実際の作業に踏み込めるのは、このツール層があるからです。逆に言えば、どんなツールが使えるかによって、できる仕事の範囲はかなり変わります。
ここで整理しておきたいのは、MCP と SKILLS は役割が少し違うという点です。MCP は、そうしたツールをエージェントにつなぐための接続方法のひとつです。一方で SKILLS は、外部接続そのものというより、作業の進め方や知識を再利用しやすくする仕組みとして捉えると理解しやすいと思います。
今回の記事では詳細には立ち入りませんが、ツール層をどう持つか、どうつなぐかも、AI エージェントの体験を大きく左右します。
4. なぜ同じように使っても結果が変わるのか
ここまでの4要素を踏まえると、最初に触れた違和感も整理しやすくなります。違いが出るのは、ひとつの要素だけが原因とは限らないからです。
たとえば、同じモデルを使っていても、ハーネスが違えば進め方が変わります。途中で確認を挟むか、どの順番で進めるか、何をもって完了とするかが違えば、結果はかなり変わります。
また、コンテキストが違えば、AI が見ている前提も変わります。必要な背景や制約があるかないかで、同じ依頼でも判断は変わります。さらに、使えるツールが違えば、AI が取れる行動そのものが変わります。
つまり、AI エージェントの体験差は「モデルが賢いかどうか」だけではありません。モデル ハーネス コンテキスト ツール の組み合わせが違うからこそ、見た目が似た依頼でも、進み方や成果は変わります。
5. うまく動かないときはどこを見るか
AI エージェントがうまく動かないとき、原因をすぐにモデルの性能に求めたくなります。ただ、実際にはそれ以外の層に原因があることも多いです。ここでは、詳細な改善方法ではなく、まずどこを疑うべきかの入口だけ整理します。
たとえば、そもそもの能力やコンテキスト長が足りないなら、モデル側の限界かもしれません。一方で、何をどう進めるべきかが曖昧ならハーネスの問題です。必要な背景や制約が足りていないならコンテキストの問題ですし、必要な操作ができないならツールの問題だと考えられます。
もちろん実際には複数の要因が重なることもあります。ただ、原因をひとまとめにせず、どの層で詰まっているのかを分けて考えるだけでも、次に何を見直すべきかはかなり整理しやすくなります。
まとめ
AI エージェントは、魔法のように何でも分かって動く存在ではなく、モデル ハーネス コンテキスト ツール といった複数の要素で成り立つ仕組みです。
この全体像を持っておくと、なぜ同じように使っても結果が変わるのか、うまく動かないときにどこを見直すべきかを考えやすくなります。まずはモデルだけを見るのではなく、AI エージェントがどんなレールの上で、どんな前提情報を持ち、どんな手段にアクセスして動いているのかを分けて見ることが大切だと思います。
もし個別の論点をもう少し深掘りしたい場合は、ハーネスやコンテキストについて整理した以下の記事もあわせて読んでみてください。