RyanAlberts/best-of-Agent-Harnesses

🏆 Ranked list of 187 AI agent harnesses, plus templates, playbooks, MCP, and learning resources. Rescored weekly.

これは何ですか

best-of-Agent-Harnesses は、AI 「エージェントハーネス」 という一つのアイデアを中心に据えた、約166のオープンソースプロジェクトの厳選・ランキングリストです。これは、回答する 言語モデルを 行動する エージェントに変えるランタイムの仕組みです。

READMEの簡潔な定義（Simon Willisonによるもの）：「LLMエージェントは目標を達成するためにループ内でツールを実行する。」 ハーネスとは、そのループの周囲にあるすべてのものです。どのようなツールが存在し、何に承認が必要で、モデルが各ターンで何を見ているか、そしてクラッシュ後に何が生き残るかなどです。Andrej Karpathyの表現を借りれば、モデルは 「新しいオペレーティングシステムのカーネルプロセス」 であり、ハーネスはそのOSの残り部分（スケジューラ、権限、メモリ）です。

なぜ重要なのか

エージェントは行動するため、失敗もします。再試行ロジック、サンドボックス、ガードレールといったハーネスの品質が、エージェントが実際にリリースできるかどうかを決定します。このリポジトリは、ハーネスを交換するだけで多くのモデルアップグレードよりも通過率が変化したというベンチマークデータを引用しています（あるモデルではpass@1が23%から52%へ、別のモデルでは15%から36%へ向上。ARC-AGI-3では、素のモデルが約30%に対し、適切なハーネス下では95.5%）。また、ハーネスのランキングはモデル間でほとんど引き継がれない（順位相関 -0.05）ため、あるモデルに適したハーネスが別のモデルでは不適切である可能性があり、そのためリポジトリにはハーネスとモデルをマッチングさせるためのクエリツールが用意されています（下記参照）。

リポジトリの内容

リスト本体。 プロジェクトは、ハーネスの懸念事項（環境、オーケストレーション、ライフサイクル、ガードレール）への関連性とGitHubのスター数/活動量によってランク付けされており、クロスフィルタリング用のタグチップ（mcp、memoryなど）が付いています。全体像を示す2つの視覚的マップがあります。一つは 「採用表面積」（単純さ↔能力）とスター数をプロットしたもの、もう一つは 自律性（教師なしの自由度）と 回復力（実行が停止した時に何が起こるか）をプロットしたものです。表では、★はヘッドレス対応プロジェクト、✱は耐久性のあるプロジェクトを示します。
意思決定ガイド（「比較」ページ）。ターミナルコーディングエージェント、マルチエージェントオーケストレーションフレームワーク、メモリ層、サンドボックス、ブラウザエージェント、評価プラットフォームなどの一般的な選択肢に対するガイドや、なぜモデルよりもハーネスが重要なのか、ハーネスの選び方 といった高レベルなエッセイが含まれます。
テンプレートとプレイブック。 コピペ可能な設定ファイル（7つのコーディングツールで動作する AGENTS.md、安全な Claude Code 権限設定、約180行のPython最小エージェントハーネスなど）や、「1時間で独自のハーネスを構築する」ステップバイステップのウォークスルー。
スキル（10個のインストール可能）。 エージェントが読み込み、あなたのマシン上で 実行して監査可能な結果を報告する小さなスクリプト。自分のリポジトリのタスクでコーディングエージェントをテストしたり、エージェントが実際に読み込んでいる指示ファイルをチェックしたり、約90の危険なコマンドに対するガードレールを検証したり、偽の「テスト合格」主張を検出したり、トークンやコストの無駄を特定したりできます。ファイルを変更したり金銭を消費したりする操作は、あなたの明示的な承認を待ちます。
検索可能なウェブサイト（ハーネスごとに1ページ、能力、自律性、回復力でフィルタリング可能）。
エージェント自身のための機械可読アクセス： MCPサーバー（recommend や pick_harness などのコマンド付き）と llms.txt および harnesses.json。これにより、エージェントは誰かがベンチマークしたハーネスを継承するのではなく、自身のモデルとタスクにマッチしたハーネスをリストから照会して推奨できるようになります。（MCPサーバーは、AIエージェントが外部ツールやデータを呼び出せるようにする標準インターフェースです。）

READMEは「ユースケース別選択」のインデックスで締めくくられています。「今日のターンキーコーディングエージェント」、「チャットアプリに常駐するパーソナルエージェント」、「メモリ層」、「マルチエージェントオーケストレーション」、「ブラウザエージェント」、「サンドボックスコード実行」、「エージェントの評価/ベンチマーク」など、数十のカテゴリがあり、それぞれがショートリストと関連する表のセクションを指し示しています。

注意点

貢献は歓迎されており（バッジ参照）、プロジェクト全体が独自のフレームワークの限界を認識しており、別のページ（誰が言ったか、何を測定したか、その主張が何を意味しないか）へのリンクを提供しています。このリストは意図的に主観的です。Anthropicの 「シンプルに構築せよ」 というアドバイスを引用し、フレームワークの配管よりもハーネスの品質に投資しています。