エージェントハーネスを動的生成する JIT-Agent を提案──DeepSeek-V4-Flash が DeepSearchQA で GPT-5.6 を超過
タスク適応型のハーネスをオンザフライで合成する JIT-Agent により、既存のオープン・クローズド LLM のエージェント性能を大幅に引き上げる手法を実証した。
リリース: 2026-08-26 · 読了 5 分論文概要
LLM（大規模言語モデル）ベースのエージェントの性能はモデル単体だけでなく、メモリ管理やプランニング戦略、アクションプロトコル、ツール・スキルオーケストレーションを含む「エージェントハーネス」の設計に大きく左右される。しかし、これまでのハーネス設計は手動かつタスク固有であり、スケーラブルではなかった。本論文では、任意のオフザ・テルフ（既存の汎用）LLM向けにタスク適応型のエージェントハーネスをオンザフライで合成するモデル「JIT-Agent」を提案する。JIT-Agentをヘルパーとして用いることで、DeepSeek-V4-FlashはDeepSearchQAベンチマークでGPT-5.6を+9.1ポイント上回り、GLM-5.2では最大+20.2ポイントの向上を記録した。
関連研究
従来のエージェントランタイム（例: OpenCodeやClaude Codeなど）やフレームワークは、事前に定義された固定的なプロトコルや、人間が手動で構築したアーキテクチャに依存していた。これらは特定ドメインには強いものの、多様で動的なユーザーリクエストの全パターンに対して適応することが困難であった。本研究は、ハーネスそのものを機械生成可能な成果物として定義し、学習・転移可能な次元として扱うことで既存の静的な枠組みの限界を克服している。
新規性と貢献
本研究の主要な貢献は、エージェントハーネスの生成をタスクごとに動的に行う「Just-in-Time Harness Generation」という新しいパラダイムの確立にある。エージェントハーネスを固定された4モジュールプロトコルで構成される機械生成可能な成果物に定式化し、過去のハーネス設定のアーカイブから性能シグナルを蒸留して自己進化する仕組みを導入した点に学術的・実用的な新規性がある。モデルのスケーリングとは直交する、学習・転移・コンパウンド可能な新しいエージェント性能向上軸を提示した。
提案手法の詳細
JIT-Agentは、与えられたタスクに対して即座にカスタムハーネスを合成し、安定かつ信頼性の高い実行のためにハーネスを修復し、自己進化する能力を備えている。エージェントハーネスの制御は固定された4モジュールプロトコル（メモリ管理、プランニング、アクションプロトコル、ツール・スキルオーケストレーション）によって統括される。この設計により、任意の基盤モデルに対して過不足のない構造を動的に割り当てることが可能になる。
評価・考察
制御された評価において、JIT-Agentが生成するハーネスは、OpenCodeやClaude Codeなどの成熟したエージェントランタイムに匹敵する性能を発揮した。具体的には、DeepSeek-V4-FlashにJIT-Agentを適用することで、DeepSearchQAでGPT-5.6を+9.1ポイント、OdysseyBenchで+4.3ポイント上回った。また、既存の強力なモデルであるGLM-5.2においても最大+20.2ポイントの向上が確認された。さらに、DeepSeek V4、Mimo-V2.5、Qwen3.6といったマルチスケールなモデルファミリー全体で一貫した性能改善が実証されている。
応用例と今後の展望
本手法は、複雑なWeb探索、金融アナリティクス、ソフトウェア開発など、タスクの性質が動的に変化する実世界のエージェントシステムへの応用が期待される。日本のエンジニアやテックリードにとっての実務インパクトとして、社内業務自動化やLLMを用いたマルチエージェント開発において、モデルの微調整（Fine-Tuning）に頼らずとも、JIT-Agentのような動的ハーネス生成機構を前段に組み込むことで、オープンソースの汎用LLM（DeepSeekやQwenシリーズなど）のタスク処理能力を商用最高峰モデルのレベルまで引き上げられる可能性が示された点にある。今後の課題としては、多様なドメイン特化型ツール群とのシームレスな統合や、動的生成にかかる推移的オーバーヘッドの削減が挙げられる。
結論
JIT-Agentは、エージェントハーネスの動的合成を通じてモデル単体の能力を大きく引き上げる初めてのモデルである。ハーネス設計の自動化により、エージェント性能の向上をモデルスケーリングとは独立した新しい次元として開拓し、幅広いLLMファミリーにおける実用性を大きく前進させた。
注釈
- エージェントハーネス: LLM周辺で動作し、記憶、計画、ツール実行などを統合管理する実行環境および制御プロトコルの総称。
- オフザ・テルフ（Off-the-shelf）: 特別のカスタマイズを行っていない、そのまま利用可能な既存の商用・オープンソースモデルのこと。