著者は3年間にわたりLLMを活用した支援コーディングを行ってきました。ChatGPTでのコード貼り付けから始まり、Copilotの自動補完を経て、CursorやClaude Codeなどのエージェント型ツールへと移行してきた経緯を述べています。
Claude Codeの複雑化を背景に、最小限のコーディングエージェントハーネス開発が開始された
特にClaude Codeについては、当初はシンプルなツールとして好まれましたが、最近のバージョンでは不要な機能が80%を占めるまで肥大化したと述べています。システムプロンプトやツールがリリースごとに変わり、ワークフローが壊れる点やUIのちらつきにも不満があるとしています。
著者は、モデルのコンテキストに入力される内容を厳密に制御する「コンテキストエンジニアリング」が最も重要だと考えています。既存のハーネスはUIに表示されない情報をバックグラウンドで注入するため、この制御が困難になっていると指摘しました。
また、モデルとのインタラクションの全側面を検査可能にし、後処理可能なクリーンなセッション形式を備えたツールが必要だと主張しています。既存のAPIは有機的な進化によりバグを抱え、開発者体験が悪化しているとも述べています。
これらの問題を解決するため、著者は「必要なければ作らない」という哲学のもと、独自コーディングエージェントハーネスの開発を開始しました。名前は検索しにくいものにし、ユーザーを増やさないことでGitHubのイシュートラッカーに問題報告が来ないことを意図しています。
技術面では、OpenAIのCompletions API、Responses API、AnthropicのMessages API、GoogleのGenerative AI APIの4つを基盤に統一LLM APIを構築しました。プロバイダごとにAPIの挙動が異なるため、各社の特有性に対応する抽象化レイヤーを実装しています。
出典: What I learned building an opinionated and minimal coding agent(HN 421pt・173コメント)(HN Search (backfill)、2026-02-01)