最近よく見かける「ハーネス」という言葉。モデルの周りを囲む実行装置のことだが、単なる用語解説では終わらない。同じモデルをハーネスだけ替えて走らせると、コーディングベンチマークの成績が22ポイント以上動く——という実証データが出揃ってきた。バイブコーディングにとって何が恩恵なのかを、出典つきで整理する。
Agent = Model + Harness という定式の出典と、「モデルを替えるよりハーネスを整える方が効く場面がある」ことを示す実測データ、そして自分の環境の何がハーネスに当たるのかの対応表。
出典としていちばん引きやすいのは、Hugging Faceが2026年5月に公開したエージェント用語集だ。そこでは Agent = Model + Harness という定式が明示されている。モデル（LLM本体）は、テキストを受け取ってテキストを返すだけの存在で、単独では記憶もループも持たず、ツールも実行できない。
その周りを囲んで、モデルを呼び出し、ツール呼び出しを実行し、結果を文脈に戻し、いつ止まるかを決める——この実行層がハーネスだ。Claude CodeもCodexもOpenCodeも、中のモデル以外の部分は全部ハーネスにあたる。システムプロンプトやツールの説明文といった「モデルに世界をどう見せるか」の層はスキャフォールド（足場）と呼び分けられることもあるが、日常的には合わせてハーネスと呼ばれることが多い。
用語の整理だけなら記事にしない。効いているという実測が複数出ている。
Particula Techの分析（2026年3月）によれば、最新モデル同士のSWE-Bench系スコア差は0.8ポイント幅に収束しつつある一方、同じモデルのままハーネス（スキャフォールド）を変えると22ポイント以上スコアが動く。「どのモデルか」より「どう走らせるか」の方が、いまや差がつく変数になっている。
同じ分析が引く極端な例では、あるモデルが編集ツールの形式（editツールのフォーマット）を修正しただけで、コーディングベンチマークの成績が6.7%から68.3%へ跳ね上がった。以前紹介した「モデルが賢くなるほどツール呼び出しは雑になる」の裏返しで、ツール定義の形はモデルの実力を出せるかどうかを直接左右する。
同分析には、より良いスキャフォールドに載せた中位モデル（52.7%)が、標準構成の上位モデル（52.0%）を上回った例も出てくる。モデルのグレードを上げる予算があるなら、その前にハーネス側の整備で同じ効果が出ないかを疑う価値がある。
ここが核心。この問題は研究側でも認識されていて、「ハーネスを開示せずにLLMエージェントを比較するな」という論文まで出ている。ベンダーが発表するスコアの差は、モデルの実力差ではなくハーネス差であることが珍しくない。
「ハーネスなんて実装者の話でしょ」と思うかもしれないが、そうではない。個人の開発者が日々調整している設定の大半は、ハーネスのダイヤルそのものだ。
つまりバイブコーディングにとっての恩恵はこう翻訳できる——結果が悪いとき、回せるダイヤルが「モデルを替える」の1つではなく2系統あると知っていること。モデルは自分では変えられないが、ハーネス側のダイヤルは今日から全部自分で回せる。しかも実証データ上、そちらの方が振れ幅が大きい。
SWE-Benchのような本格ベンチマークを個人で回すのは（実行環境・件数・コストの面で）現実的でない。ただし、縮小版の実証は個人環境でも設計できる。
注意点はひとつ。試行回数が少ない個人実験では「たまたま」が混ざる。数回の試行で断定せず、「自分の環境ではこの傾向だった」に留めるのが誠実な書き方だ。
「ハーネス」という言葉を、明日から使える判断に変換する。