arXiv cs.AIは2026年11月4日(現地時間)、ツールを使用するAIエージェントの運用効率を高めるための新設計「Agent Harness Awareness」に関する論文を発表した。この設計は、エージェントがアクションの健全性や適切性を判断できない「operational blindness（運用上の盲点）」という課題に対処する。ホストが検証済みの状態スナップショットを供給することで、モデルが次のアクションを選択する際に必要な運用情報を提供し、平均的な政策後悔を大幅に削減することに成功した。
ツール記述はエージェントに対し、アクションの機能は伝えるものの、そのアクションが利用時に健全であるか、あるいは適切であるかを示すものではない。実行ハーネスは監視、追跡、最近の障害に関する情報を保持するが、次のアクションを選択するモデルは通常これを認識できない。この情報ギャップを研究ではoperational blindnessと称している。
今回導入されたAgent Harness Awarenessは、ホストが結果を伴うアクションの前に、小さく、新しく、検証済みの状態スナップショットを提供する信頼分離型設計である。ホストは測定、強制、評価、最終ディスパッチの権限を保持する。
研究チームは、ツールとネットワークのインスタンスを「ToolRoute」ベンチマークでテストした。このベンチマークは、タスクと候補のセマンティクスを一定に保ちながら、モデルが利用できる運用情報を変化させる。GPT-5.6 Sol、Claude Sonnet 5、Gemini 3.7 Flashを含む216件の決定によるアブレーション研究では、検証済みのツール健全性状態が、同形状の中立対照と比較して、平均的な観察可能な政策後悔を96.9%削減した（4,252ミリ秒から131ミリ秒へ）。また、シングルディスパッチ完了率は69.4%から95.8%に向上した。
別の27件の決定によるライブローカルTCP/HTTP実行、OpenTelemetryクライアントスパン、Toxiproxyによって注入された障害を用いたエンドツーエンドの再現実験では、検証済み状態が平均後悔を8,956ミリ秒から0ミリ秒（過剰な観察可能な運用コストなし）に削減した。ライブアクションは、中立対照の5/9ケースに対し、検証済み状態のモデルと障害の組み合わせで9/9ケースで完了した。これらの研究は、Agent Harness Awarenessのツールとネットワークのインスタンスが、ディスパッチ前の運用上の選択を実質的に改善することを示している。
参考: arXiv cs.AI (アーカイブ) — 2026年11月5日 14:00 (JST)
原文ハイライト"Turning Verified Telemetry into Operational Control for Tool-Using Agents"