AutoAgent：AI自身がAIを進化させるOSSフレームワーク
96.5%
SpreadsheetBench
世界1位
世界1位
55.1%
TerminalBench
GPT-5相当トップ
GPT-5相当トップ
0
人間の手動調整
「What」だけ定義すればOK
「What」だけ定義すればOK
1晩
進化完了
数千回のテストを並列実行
数千回のテストを並列実行
第1章：絶望の泥沼「ハーネス・エンジニアリング」
🔧 終わらないプロンプト調整の地獄
あるPMとエンジニアのチームが「請求書の自動処理」「ログからの障害原因特定」のAIエージェントを開発。しかしエージェントが想定外エラーで停止するたびに、プロンプト微調整→ツール追加→ログ解析→手動修正という「泥臭い試行錯誤」に追われる日々。
この作業を「ハーネス・エンジニアリング」と呼びます。人間の直感と職人技に依存し、数百のワークフローを手動調整することはスケール不可能——致命的なボトルネックでした。
第2章：発想の転換 — 「How」から「What」へ
💡 AutoAgentとの出会い
Kevin Gu氏が公開したOSSフレームワーク「AutoAgent」。人間が手作業で繰り返していた「プロンプト調整→ツール組み合わせ→テスト→修正」の全ループをAI自身が自動で回す仕組み。
チームは発想を転換した。AIに「どう解決するか（How）」をコードで教えるのをやめ、「何をもって正解とするか（What）」という評価タスク（Harbor形式ベンチマーク）と、成長の設計図
program.mdだけを用意した。
📜 program.md = 成長の設計図: AIに「How（やり方）」ではなく「What（何が正解か）」だけを定義。手動のプロンプト調整を完全に排除し、AI自身が最適解を発見するパラダイムへ。
第3章：誰もいない夜のオフィスで起きる「AI同士の対話」
🤖⇄🤖 コーチ役 × 選手役の自律進化ループ
Dockerサンドボックス内で、2つのAIが自律的な自己進化ループを回し始めました。
🏆 コーチ役（メタエージェント）
program.mdに従い、選手の実装コードagent.pyを直接書き換え。失敗トレースから「なぜ失敗したか」を診断し修正案を導出
⇄
🏃 選手役（タスクエージェント）
実際のタスクに挑戦し、成功・失敗の思考痕跡をコーチに報告。修正されたコードで再挑戦を繰り返す
🧠 Model Empathy（モデル共感）: コーチと選手に同じAIモデル（例：Claude同士）を採用。人間には理解できない「AI特有の思考の癖」を直感レベルで理解し、人間がプロンプトをいじるよりも遥かに的確で素早い修正を実現。
第4章：人間の想像を超えた「創発行動」
💥 一晩で世界1位を叩き出した驚異
翌朝、チームが結果を確認すると驚くべき光景が。AIは人間が指示していないのに、自己検証ループの挿入、ユニットテストの自己作成、プログレッシブ開示戦略を自発的に生み出す「創発行動（Emergent Behaviors）」を見せていた。
自己検証ループ
Emergent
ミスを防ぐために、自分の出力を自分でチェックする検証ステップを自発的に挿入
ユニットテスト自動生成
Emergent
自分の動作をテストするコードを自ら書き足し、品質を自律的に保証
プログレッシブ開示
Emergent
長すぎる情報をファイルに退避させ、必要な時だけ読み込む高度な戦略を自発的に発明
🏆 驚異のベンチマーク結果: SpreadsheetBench 96.5%（世界1位） / TerminalBench 55.1%（GPT-5相当トップ） — 人間が数週間かけた記録を一晩で凌駕。山登り法（Hill-climbing）で数千回の並列テストを実行し、スコアが上がった変更のみを残す。
第5章：「職人」から「設計者」への覚醒
🏗️ 人間の役割が進化した
AutoAgentは「終わらない試行錯誤の時間」をAPIの計算リソースに変換し、AI開発の最大のボトルネックを完全に破壊。
エンジニアの手動試行錯誤はゼロに。PMは専門知識なしで「業務の目標と評価基準」を定義するだけで、翌朝には高精度AIを獲得。私たちはプロンプトを泥臭く書き直す「職人」から、AIが自律的に育つための「問い」と「評価指標」を設計する「建築家（設計者）」へ完全シフトした。
もはや「プロンプトを書き直す職人」ではない。
AIが自律的に育つための「問い」と「Eval」を設計する
「建築家（設計者）」へ進化した
AIが自律的に育つための「問い」と「Eval」を設計する
「建築家（設計者）」へ進化した
まとめ：AutoAgentが拓く「自律AI開発」の時代
What定義のみ
program.md+評価タスクだけ。Howは不要。
AI同士の対話
コーチ×選手のModel Empathyで自律進化。
創発行動
自己検証・テスト自動生成を自発的に発明。
設計者への進化
職人→建築家。問いとEvalを設計する時代。