Claude Code と Codex の次：Agent Harness というレイヤー

Claude Code と Codex のどちらが強いかだけを見ても、もう十分ではありません。

重い AI ユーザーにとって、難しい問題は単体の agent がタスクをこなせるかではなく、人間が複数の agents をどう管理するかです。

6月13日、Databricks は Omnigent を発表しました。Claude Code、Codex、Pi、custom agents の上に置く open-source meta-harness です。目的は agents を combine、control、share すること。

これは次のレイヤーを示しています。

競争は、どのモデルが一番賢いかだけではありません。人間が多くの agents を管理できる layer が重要になります。

Agent Harness とは何か

Agent harness は model ではありません。

Model は GPT、Claude、Gemini、Qwen、Kimi です。

Harness は、model を仕事に接続する execution frame です。files、terminal、browser、Git、tools、permissions、logs、task state、context、human approval をつなぎます。

Model + harness = agent at work.

Claude Code が便利なのは、Claude が code を理解するだけではありません。repo を読み、file を編集し、command を実行し、diff を見て、project rules に従える harness の中にいるからです。

Codex も単なる coding model ではありません。task environment、isolation、diff、execution、handoff を含みます。

Cursor も IDE に見えますが、深い変化は同じです。product は agent workspace になっています。

Omnigent が示すこと

Databricks は、社内で4〜5個の agents を同時に開くことが多いと書いています。coding agents、Gemini search、internal agents、Docs、Slack、collaboration tools。

AI は切り替えを減らすはずでした。

しかし advanced users は、AI workers の間で context を運ぶようになっています。

Omnigent は harness の上に shared layer を置きます。

• Composition: 複数の agents、models、harnesses を組み合わせる。
• Control: prompt ではなく上位の policies で cost、permissions、state を管理する。
• Collaboration: live sessions を共有し、team が review、comment、steer できる。

だから meta-harness です。

もう一つの単体 agent ではなく、agents を管理する layer です。

なぜ単体 Agent では足りないのか

現実の仕事は single-threaded ではありません。

一つの agent が書く。別の agent が review する。別の agent が docs を調べる。別の agent が tests を走らせる。

問いは「誰が最強か」から「誰がどの部分を担当するか」へ移ります。

単体 agent は強くても、管理は難しい。file を変えすぎる。loop に入る。requirement を落とす。goal を誤解する。

これが AI babysitting です。

Agent に作業を頼んでも、人間は離れられない。ずっと見張ることになります。

よい system は、人間に監視を強制しません。Agents が実行し、人間は goal、judgment、review、takeover に集中します。

チームが次に見るべきこと

企業にとって、agent harness は infrastructure の問題です。

どの model を使うかだけで判断しない方がいい。

見るべき問いは別にあります。

1. Agent はどこで実行されるのか。
2. Files、credentials、tools、APIs、repositories の permission はどう管理されるのか。
3. Tool calls、commands、diffs、browser actions、generated files は見えるのか。
4. Session を共有し、review、comment、takeover できるのか。
5. Agent を置き換えても workflow は残るのか。
6. Human approval と stop point はどこにあるのか。

これは細かい機能ではありません。

Agents が個人の裏技で終わるか、team infrastructure になるかを決めます。

Buda との関係

Buda は chat box ではなく、collaborative AI Agent Workspace に近い存在です。

Agents は session、Drive knowledge、tools、sandboxes、channels、terminal、browser、Git visibility、人間の review point を持ちます。

これは meta-harness の方向と一致します。Models は変わります。Agent tools も変わります。Teams は Claude Code、Codex、Cursor、Pi、open-source agents、local models を試し続けます。

残るべきなのは management layer です。

タスクをどう分けるか。Agents をどう割り当てるか。Permissions をどう絞るか。Cost と progress をどう見るか。Human review をどこに置くか。Work を一人の laptop に閉じ込めず、どう team asset にするか。

未来は一つの super-agent ではありません。

人間が、実行でき、観察でき、引き継げる agents の team を管理する workspace です。

Buda dashboard で multi-agent work を試してください。