これから、Claude Code、Codex、OpenCode など、どんなハーネスを使っていても、一貫して最高の出力を得る方法をステップバイステップで紹介します…
なぜなら、ハーネスはエージェントの指示を入力するアプリ、操縦席のようなものだからです。
直感的には、より良いモデルをその中に入れたくなります（Fable 5 を使ってね笑）。
本当に得られる優位性は別のところにあります。それは、たった1つのモデルで止まってしまったという事実にあります。
そして、そのタイミングの悪さは、以前よりも大きな代償を伴います…なぜなら、唯一のベストモデルは、当てにできない移り変わる目標だからです：
- Fable 5 は約1週間戻ってきますが、その後は高すぎて手が出せなくなります
- Mythos 5 は、政府認定企業の少数リストに限定されています
- GPT-5.6 Sol は約20の承認企業にのみ提供され、それ以外にはありません
そのため、毎月「最高」のモデルに事業全体を賭けるのは、そのモデルがアクセス制限を受けた瞬間に負けとなります。
そこで有効なのは、フロンティア LLM の統合です。1つのモデルがすべてを担うのではなく、複数のモデルが協力して作業を進めます。
これこそが、平均的な出力と最高の出力を分けるものです。そして、今や私がすべてのプロジェクトで最初に設定することです。
これらのツールを最大限に活用し、実際に収益を上げる方法を学びたいなら、リアルタイム AI オペレーションのコミュニティが最適です：weeklyaiops.com
遅くて辛い往復作業
通常のプロジェクトがどのように進むか見てみましょう。ボトルネックはまさにその中心にあります：
1つのハーネスを開き、タスクを渡す
次に、その計画を2つ目のモデルに貼り付け、「これで正しいか？」と尋ねる
2つ目のモデルが穴を見つけるので、その指摘を最初のモデルに持ち帰る
午後は、会話できない2つのモデルの間でコンテキストを運ぶメッセンジャーとして過ごす
正直なところ、この往復作業は本当に面倒です…
このループは私もよく知っています。Claude に Codex の計画を確認させ、その穴を別のモデルに持ち帰る。そして、1日は2つのモデル間でノートを運ぶことに消えていきます。
AI の統合がお気に入りのモデルに勝る理由
2つ目のモデルが、最初のモデルが見逃したものをなぜ一貫して見つけるのか、それには理由があります…
作業をレビューするモデルは、作成したモデルと同じ盲点を共有しています。なぜなら、同じ場所で失敗するからです。
そのため、1つのモデルに自己チェックを依頼すると、それが書いたであろうまさにそのバグに対して「問題なさそうだ」という自信満々の回答が返ってきます。
評議会（council）は、より良いプロンプトではなく、構造的にそれを修正します。異なるモデルがお互いの弱点をカバーするからです。
そして、この証明は実際の研究論文によって裏付けられています：
Sakana の研究チームは、ラップトップで動作するほど小さなコーディネーターを構築しました。それはあなたの質問に一切答えないモデルです。
質問を読み取る
各要素をどの大規模モデルが処理すべきかを判断する
作業を割り振る
彼らはこれを GPT-5、Gemini、Claude に向けて試したところ、単独でこれら3つすべてに勝ちました…
その後、トップクラスのモデルをコーディネーター役に据えて試したところ、かえって成績が悪化したようです笑。
つまり、指揮者はあなたが持つ最強のモデルである必要はありませんが、問題を読み取り、その部分に最適なモデルにルーティングできなければなりません。
3つの役割と、スキップされがちなもの
コーディネーターは各モデルに一度に1つのジョブを与えます：
thinker（思考役）：タスクを分解し、計画を立て、穴を探す
worker（作業役）：作業、ドラフト、コード、数値など、成果物を実際に作成する
verifier（検証役）：結果を評価し、「出荷OK」または「修正必要」と判断する
verifier（検証役）はスキップされがちですが、最も重要な役割です。
モデルが何かを生成した時点で作業は終わりではありません…verifier が承認した時点で終了します。
この単一のルール、すなわち明確な「完了条件」が、ループが終了するか、永遠にぐるぐる回り続けるかのすべての違いです。
往復作業を評議会に任せる
さて、コーディネーターを追加するのは、もう1つのレイヤーを管理することのように聞こえるかもしれません。
しかし実際はその逆で、取り除かれるレイヤーは「あなた」だったのです。
つまり、やることはシンプルです。調整作業そのものを委任するのです。あなたはメッセンジャーであることをやめ、コーディネーターに thinker、worker、verifier のループを実行させます。
私は今、これに Fugu を使っています（sakana.ai/fugu）。明確にしておきますが、これはスポンサー付きではなく、単に気に入っているからです。
これはあの研究を製品化したものです。他のモデルと同じようにハーネスからそれを指定するだけで、単一のリクエストの背後で評議会を実行します。
正直に、これが何かを説明します。なぜならこれは重要なことだからです。
これはリリースされたばかりで、処理に時間がかかります。なぜなら、疑似ではなく実際に評議会を実行しているからです。そして、verifier として最も威力を発揮し、出荷前に作業を徹底的に吟味します。
20ドルで参加でき、7月末までに始めれば2ヶ月目は無料です。
私はこれを盲目的に信じているわけではありません。評議会パターンを信頼しているのです。そして、これはそのパターンを手間をかけずに実行する最も簡単な方法です。
それでは、どんなエージェントハーネスでも一貫して最高の出力を得るためのステップバイステップのワークフローに入りましょう：
開始時と終了時に評議会を実行する
私はすべてのプロジェクトで2つのタイミングで評議会を導入します。開始時と納品時です。
実際の仕事を想像してください。ニュースレターの立ち上げ、リードリストの作成、ランディングページの公開などです。
1. まずはインタビュー - 作業を始める前に、エージェントに徹底的にインタビューさせる（Matt の grill-me は、エージェントにすべてを質問させるスキルです）。このインタビューの深さが、その後のすべての上限を決めます。
2. 評議会を招集する - 計画を立てるために。コーディネーターがマルチモデル部分を処理するので、もうツール間で貼り付ける必要はありません。
3. ループを定義する - 目標と停止条件を事前に設定し、すべてのステップを見守らなくても動作するようにする。
4. 役割ごとに委任する - 適切なタスクを適切な場所に送り、サブエージェントを活用する（サブエージェントとは、メインのエージェントが作業を任せるヘルパーエージェントです）。
5. 納品時に吟味する - 作業が完了したように見えたら、それを評議会に戻し、公開前に徹底的に検証させる。
同じループを両端で。計画のための開始時と、吟味のための終了時。これがエンジン全体であり、信頼できるものを迅速に出荷できる能力を大きく変えました。
評議会がエンジン、セットアップがそれを鋭く保つ
エンジンは、それを取り巻く機械と同じくらい優れています…
そこで、評議会の各エージェントが最高のパフォーマンスを発揮し続けるための6つの方法をご紹介します。どれも複雑ではありません。
1. 自分自身のスキルを構築し、ライブラリをダウンロードしない
スキルとは、エージェントが再利用できる保存された一連の指示であり、従うレシピのようなものです（例が書かれたマークダウンファイルに過ぎません…）。
誰かが公開した大きなスキルライブラリを手に入れて、そのまま実行したくなる誘惑があります。
私はそれはお勧めしません。公開スキルの約3分の1にはセキュリティ上の欠陥があります…もっと悪い場合もあります笑。
また、たとえクリーンなものでも、それは他人のコンテキストであってあなたのものではありません。スキルは、あなた自身がその壁にぶつかった経験があって初めて役立ちます。
それ以前は、エージェントのメモリを消費するだけのノイズです。
ですから、私のアドバイスはこれです：実際に必要なスキルだけを、自分の失敗した実行から抽出して構築してください。そこに本当の優位性があります。
2. デフォルトは MCP サーバーではなく小さな CLI に
まず2つ簡単に説明すると、MCP はエージェントに追加ツールを組み込む方法であり、CLI はテキストウィンドウで実行する小さなコマンドです。
何にでも MCP を組み込みたくなる反射神経があります。そして、それぞれが完全な指示書を、最初の質問をする前にエージェントのメモリにロードします。
これらのツールの説明は、あっという間に10万語以上のメモリを消費し、実際の作業の余地を狭めます。
そのため、日常的なタスクには代わりに小さな CLI を使用してください。それはより軽量で、エージェントはコマンドの実行方法をすでに知っており、その出力はメモリを詰まらせる代わりにファイルに保存されます。
printing-press (printingpress.dev) というツールは、単一のプロンプトから任意のサービス用にこれを作成します…活用してください。
MCP は、本当に必要なジョブ、つまり共有ログイン、多数のユーザー、開いたままにしなければならないライブ接続のために取っておきましょう。
ルールは「CLI ファースト」であり、「CLI オンリー」ではありません。
3. 指示ファイルは軽量に保つ
エージェントはすべてのタスクの前に指示ファイル（通常は AGENTS.md または CLAUDE.md）を読み込みます。
思いつく限りのすべてを詰め込みたくなりますが、エージェントは結果的に従う量が減ります。
モデルはおおよそ150〜200の指示を確実に追従しますが、それを超えると無視し始めます。
100行未満に抑えてください。そうすることで、よりうまく機能します。
4. コンテキストをクリアし、記憶はファイルに保持する
コンテキストウィンドウはエージェントの短期記憶であり、それが埋まるにつれてエージェントは愚かになっていきます。
Claude Opus 4.8 は良い例です…これは例外的なモデルですが、トークン数が30〜40万に達したら、100%コンテキストをクリアすべきです。コンパクト化は使わないでください。
そのため、頻繁にクリアし、重要な記憶はファイルに保持しましょう。
learnings.md を、セッション開始時にエージェントが読み、セッション終了時に更新します。毎回、何も変わっていないと思っても実行します。
各コミット（作業の保存済みチェックポイント）の後にそれらのメモを更新させてください。
永続的なルールは指示ファイルに、学習途上のことは learnings に。もし毎回の実行後にルールファイルを編集しているなら、間違ったものをそこに入れています。
私は /before-clear というスキルを自分で作りました。これは単にプロジェクトにチェックポイント、つまりエージェントが最初に読む一時ファイルを作成します。非常にシンプルなTODOと、前回のセッションで何が起こったか、次に最も緊急のタスクは何かの簡単な要約が含まれています。
セッション間で重要なコンテキストを失うことはほとんどなくなりました。
5. ルールは少なく、それぞれを平易に
短い明確なルールのリストは、長くて巧妙なルールの山よりもはるかに優れています。
ルールファイルが長くなると、ルール同士が競合し始め、エージェントはどちらが優先されるかを推測しなければなりません。
新しい従業員に伝えるように各ルールを書きましょう。1行、1つの意味、解釈の余地はありません。
ルールが明確であればエージェントはそれに従い、曖昧であればエージェントは即興で対応します。そして、即興こそが出力が横道にそれる原因です。
6. 重い作業はサブエージェントに委任する
面倒でコストのかかる作業はサブエージェントに押し付けましょう。特にブラウザに触れるものは。
メインエージェントからブラウザを操作すると、スクリーンショットだけで大量のコンテキストを消費する可能性があります。
同じジョブをサブエージェントに任せると、「完了しました、こちらが要約です」と1、2行で返ってきます。
メインエージェントは指揮者のままで、ヘルパーが実際の作業を行い、メインメモリはクリーンなままです。
これもまた評議会のアイデアです。ワンレベル下げて、すべてを自分で行うのではなく、作業を調整するのです。
全体のオペレーティングシステム、1つのブロックにまとめて
最高のモデルはどんどんアクセス制限されるため、1つのモデルを基盤にすることはできない
調整は評議会に任せる：thinker が計画し、worker が構築し、verifier が承認する
verifier が停止条件であり、verifier が言うまでは作業は完了しない
評議会を2回実行する：開始時は計画のため、納品時は吟味のため
私はそれを実行するために Fugu を使っている。20ドルで試せ、スポンサー付きではなく、初期段階であることを正直に伝えている
そして、各エージェントを鋭く保つ：
自分自身のスキルを構築し、ライブラリをダウンロードしない
CLI ファースト、MCP は本当に必要な時だけ
指示ファイルは100行未満に
コンテキストを頻繁にクリアし、記憶はファイルに保持
ルールは少なく、それぞれを平易に
重い作業はサブエージェントに委任
それ以外はすべて、ソフトウェアエンジニアでなければおそらく気づかないであろう純粋な最適化です。
これが、Fable 5 がなくても、パフォーマンスを発揮するオペレーティングシステムを自分自身で構築する方法です。
とにかく、私は世界最高の AI コミュニティを構築しています。あなたも参加しませんか？
