現代のAIワークフローは、単に質問に答えるだけの対話型チャットから、タスクを実行するために設計された専門的なインターフェースやツールである統合型「ハーネス」へと移行しています。ユーザーはソフトウェア開発の重い作業を管理するために、Claude Code、Codex、OpenCodeといったツールをますます採用するようになっています。これらのハーネスは、標準的なWebインターフェースよりも人間工学に基づいた体験を提供することが多く、VS CodeやEmacsといった既存の開発環境とのより優れた統合を可能にします。多くのユーザーにとっての目標は、手動のプロンプト入力から、ツールがドキュメントの作成やテストの実行といったサブタスクの実行を処理し、ユーザーは高レベルのアーキテクチャに集中できる「設定して放置する」モデルへと移行することです。
これらの高度なセットアップにおける繰り返されるパターンは、一連のサブエージェントを管理するための「コーディネーター」エージェントの使用です。このアーキテクチャでは、主要なモデル（多くの場合Claude）が中央のハブとして機能し、高レベルのリクエストを受け取り、特定の行動をサブエージェントのグループ（Codexなど）に委任します。このアプローチは、複雑なタスクに対して単一の接点を提供することでユーザー体験を簡素化する一方で、コーディネーターがサブエージェント間の内部的な通信、検証、およびシーケンスの処理を担当します。この手法は、単一のモデルでは多くの異なるタスクにわたってコンテキストを維持することが困難な、大規模なデータ分析や複雑なコーディングプロジェクトにおいて特に効果的です。
洗練されたオーケストレーションへの推進がある一方で、既製品の利便性とカスタム構築されたインフラストラクチャの間には明確なトレードオフが存在します。多くのユーザーは、Claude Codeのような標準的なツールが最も最先端のエージェント機能を備えていると考えていますが、他のユーザーは、株式分析や個人アシスタントのタスクといったニッチな要件を処理するために、カスタムのカンバン形式の管理システムや専門的な研究スウォームなど、独自のツールを構築しています。これらのカスタムセットアップには、高層のサブスクリプション、OpenRouterのようなプロバイダーからの従量課金制API、さらには専用ハードウェア上でのローカル推論などが組み合わされることがよくあります。標準的なハーネスとカスタムスウォームの選択は、ユーザーのニーズが、独自のオーケストレーションロジックを構築・維持するオーバーヘッドを正当化するほど十分にユニークであるかどうかにかかっていることが多いのです。