比較・活用
AWSのStrandsハーネス、自作AIエージェントの手間はどこが減るか
自社でAIエージェントを組み立てている情シス部門や開発担当者にとって、モデルの選び直しにかかる手間は無視できないコストです。AWSが公開した新しいハーネスは、その手間の一部をあらかじめ肩代わりする作りになっています。
何が起きたか
AWSは、GPTやClaude、Gemini、Ollamaなど主要なLLMやLLMランタイムを基にしたAIエージェントを構築できるツール「Strandsハーネス」を、オープンソースで公開しました。対応するのはAmazon Bedrock上のLLMに加え、Anthropic Claude、OpenAI GPT、Google Gemini、Ollama、Lite LLMです[1][2]。
構築されたエージェントには、最初からシェルの実行、ファイルの読み書き、Web検索などの機能が備わっています。プロンプトキャッシングやコンテキスト管理の仕組みもあらかじめ組み込まれており、例えばツールの結果が約1500トークンを超えると切り捨てる、コンテキストウィンドウが85%を超えると要約で圧縮するといった処理が自動で行われます[1][2]。
AWSが公開したベンチマークでは、同じ課題（Fable 5）を使い、Claude CodeとStrandsハーネスによるエージェントを比較しています。公表された数値では、Strandsハーネスによるエージェントのスコアが69.7でトップ、コストは56.29ドルで2位となり、Claude Codeよりも低コストで高い能力を示したとされています[1][2]。
構築後もLLMを入れ替え可能で、AWSに限らずLinuxコンテナを備えた任意の環境にデプロイできます。コマンドラインから構成できる「Strands CLI」も用意されており、画面上でLLMやツール、プラグインを選んでエージェントを組み立て、完成後はTypeScriptまたはPythonのコードとして書き出すこともできます[1][2]。
背景・解説
AIエージェントとは、人間の指示を受けて自律的に作業を続けるソフトウェアのことです。その中身は、LLM本体と、「ハーネス」と呼ばれる周辺の仕組みの組み合わせでできています。ハーネスは、目標や設定を長期的に記憶する仕組み、ファイルやネットワークへのアクセス、外部ツールやAPIとの連携、権限を逸脱させないためのガードレールなどから構成されます[1][2]。
これまで自社でAIエージェントを自作する場合、この記憶・ツール連携・ガードレールの部分をそれぞれ個別に設計し、特定のLLMのAPI仕様に合わせてコードを書く必要がありました。モデルを変更する際には、連携部分のコードを書き直す作業が発生していました。
Strandsハーネスは、この構成をあらかじめひとまとめにして提供する点が違いです。モデル名を示す文字列を1行書き換えるだけで、Claude OpusからGoogle GeminiやOllamaのLlamaに切り替えられます。デプロイ先もAWSに限定されず、Linuxコンテナがあれば動く設計のため、環境ごとに作り直す手間も減ります。オープンソースであるため、機能追加やカスタマイズも自社で行える余地が残されています[1][2]。
仕事や業務への影響 — AI Topicaの見方
自社でAIエージェントを内製している企業ほど、モデル切り替えの手間が減る効果は大きくなります。例えば、従業員80人ほどのIT企業で、情シス担当者が1人で社内向けの調査エージェントをClaudeベースで自作していたとします。これまではGeminiに切り替える際、ツール連携やコンテキスト管理のコードを個別に書き直す作業が発生していましたが、Strandsハーネスを使えばモデル名の文字列を1行変更するだけで済みます。
コスト面の判断材料が増えたことも実務上の意味を持ちます。AWSが公表したベンチマークでは、比較対象の課題に限ってClaude Codeより低コストで高いスコアを示したとされており、複数モデルを比較しながら運用コストを見直す動きにつながります。例えば、月間のAPI利用料が数十万円規模の開発チームなら、モデルを切り替えて同じベンチマークで試算し直すだけで、費用の見直し材料が手に入ります。
一方で、既存の自作システムをすべて置き換える必要はありません。すでに記憶・ツール連携・ガードレールを自前で構築し、業務に合わせて調整済みの企業は、無理に移行せず現状の仕組みを使い続けるべきです。これから新規にエージェントを構築する部門や、複数のLLMを試しながら選定したい担当者にとっては、検討の候補に加える価値があります。
不確かな点・注意
公表されたベンチマークは「Fable 5」という特定の課題を基にした結果であり、社内業務全般にそのまま当てはまるかどうかは出典からは分かりません。スコアやコストの数値も、AWSが公表した条件下でのものであり、条件が変われば順位が変わる余地があります。
日本語での指示や日本企業特有の業務フローに対する対応状況、商用利用時のサポート体制や料金の詳細についても、出典には記載がありません。ガードレールが実際の社内システムでどこまで有効に機能するかは、導入して運用してみないと分からない部分です。オープンソースであるがゆえの保守体制やアップデートの継続性についても、現時点で確認できる情報はありません。