公開：2026年9月24日, 最終更新：2026年9月24日
30秒サマリー
- エージェントループだけで成立するミニマリスト型フレームワーク「JAZ」をarXiv論文が提案
- メモリ管理・自己改善など専用外部システムを不要とし、コスト半減以下で同等以上の精度を達成
- 単一プリミティブ「invoke」の再帰呼び出しにより、複雑なエージェント設計を大幅に簡略化
何が起きたか
Zhening Liら10名の研究者チームは2026年9月22日、arXiv（cs.AI）に論文「Harness as a Language: A Minimalist Agent Framework With Maximal Expressivity」を投稿した。論文では、LLMエージェント開発において一般化しつつある「エージェントループ」を核とした最小構成のフレームワーク「JAZ」を提案・検証している。
JAZの設計思想は、単一のLLMベースのプリミティブ「invoke」を中心に据えることにある。invokeはLLMが任意の実行可能コードを生成でき、再帰的なinvoke呼び出しも可能。さらにLLMから参照可能なすべての情報（入力値・コード環境とのやりとりの履歴）がコード環境内の変数として扱われる。これにより、メモリシステムや自己改善システムといった専用の外部ハーネスを別途構築せずとも、同様の機能を実現できるとしている。
論文では、プロンプトのみを使い、手動で設計したツールや外部システムを一切使用しない条件でベンチマーク評価を実施。コンテキストウィンドウを超える長期記憶が必要なワークフロー（StuLifeの記憶集中部分）では、専用メモリシステムを持つLetta（MemGPT）をコスト半分以下で8ポイント上回る精度を達成したと報告。継続的な自己改善タスク（AppWorld）でも専用システムACEを低コストかつ4ポイント上回ったとしている。
原典ハイライト
論文は「invokeはLLMがランタイムに実装を提供する関数を表す言語プリミティブ」と定義し、エージェントループそのものを言語の構成要素として再解釈。プロンプトのみ・外部システムなしの条件でLetta（MemGPT）やACEといった既存の専用システムを性能・コストの両面で上回ったと主張している。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
これまでLLMエージェントの実用化には、メモリ管理・ツール設計・自己改善といった用途ごとの専用コンポーネントが必要とされてきた。JAZが示すのは、「エージェントループ＋再帰的invoke」という極めてシンプルな設計でそれらを代替できる可能性であり、エージェント開発の複雑性とコストを構造的に削減できるアーキテクチャの方向性として注目に値する。ただし本論文はarXivの査読前段階であり、知見の確定には独立した検証が必要である。
日本企業への示唆
日本企業がLLMエージェントの内製・導入を検討する際、複数の専用サブシステムを組み合わせる現行の設計パターンが開発・保守コストを押し上げる要因になっている。JAZ的なミニマリスト設計が実用化されれば、エンジニアリングリソースが限られる中堅・中小企業でもエージェント構築のハードルが下がる可能性がある。現時点では査読前論文の知見として参照しつつ、自社のエージェント基盤設計においてコンポーネント数の最小化・アーキテクチャの単純化を評価軸に加えることを検討したい。
背景・経緯
LLMエージェントは「エージェントループ」と呼ばれるツール呼び出しと出力観察の反復サイクルを基本とするが、長期記憶やタスクの継続的改善といった高度な機能を実現するためにLetta（MemGPT）やACEなどの専用外部システムが別途構築されてきた経緯がある。本論文はこうした複雑化に対し、ループそのものを汎用言語プリミティブとして再定義することで複雑性を解消しようとするアプローチを示している。
