AIエージェントの自律運営を安全にする設計 — 承認なしで実行に到達する経路をコードから消す

Loop Engineering（ループエンジニアリング）は AI にプロンプトを出し続ける仕組みを設計するパラダイムだが、現在の言説は開発ドメインが主流。業務ドメイン（HR業務）での TechHive Agents の実装では、検証がテスト判定ではなく Risk Tier による多層ゲート化、状態の外部化が監査要件になり、エージェントの入口を MCP サーバー1本に集約するなど、設計の重心が大きく変わる。

Vercel の検証により、AI エージェントに適切なツールを与えても活用されない場合が多いことが判明。Next.js 新機能に関するテストで、呼び出し判断が必要な Skill は 53% の正答率に留まったのに対し、プロジェクトルートに常時配置した AGENTS.md（ドキュメント索引）は 100% を達成。エージェントが「取りに行くかどうか判断する」ステップの不確実性が原因で、シンプルに常時可視化する方が有効だと示唆された。

Databricks Data + AI Summit 2026で発表された Omnigent を中心に、AIエージェントを制御する「メタハーネス」の概念を解説。モデル→ハーネス→メタハーネスの階層構造のなか、複数のエージェント間での合成・協働・統制を実現する上位層として、メタハーネスがなぜ必要とされているか、その系譜と主要フレームワークを整理する。

現役弁護士が設計した法務業務向けマルチエージェント AI システム。既存リーガルテックの「一般的判断を後付け補正する手間」を解決するため、組織固有のリスク許容枠組み（RAF）を全エージェントの憲法として貫流させ、Slack×Claude Managed Agents×MCP×Azure で実装。Researcher / Reviewer / Composer / Orchestrator の 4 エージェントが協働し、契約レビュー・法令調査・書類作成を RAF基準で自律動作。