たとえば卸売会社で、AIが見積もり作成を手伝う場面を考えます。顧客の依頼を確認し、価格を照合して文案を作り、担当者の承認を受けて送信する。途中で処理が止まっても、終えた作業とその結果が残っていれば、続きから仕事をつなぐ設計が考えられます。担当者も、どこまで済んだかを一から調べずに、次の作業を判断しやすくなるでしょう。
MongoDBの技術解説は、こうした進行を支える周辺のコードや実行環境を「harness（ハーネス）」と説明しています。対象となるAIエージェントは、ここでは文章を生成するだけでなく、ツールを使いながら作業を進める仕組みを指します。
文案と一緒に、そこまでの作業も残す
見積もりの例なら、入力するのは顧客の依頼や価格表です。AIが依頼内容を読み取り、価格を調べるツールなどを使って文案を作る。その間、ハーネスが処理の進み具合や途中結果を保存し、次に実行できる作業を管理する構成が考えられます。出力となる見積書に加え、どの作業を終えてそこに至ったかも記録するわけです。
MongoDBは、ハーネスの構成要素として、処理状態と途中結果の保存、権限管理、ツール実行、記憶、観測、評価を挙げています。観測は実行中に何が起きたかを把握すること、評価は動作や結果を確かめること、と捉えると役割が分かりやすくなります。
同社は、再開の目印となる「チェックポイント」や途中出力を保存する層によって、処理が落ちた際に最後の成功地点から再開するか、最初からやり直すかが決まると説明しています。
これはMongoDBが示す設計上の考え方です。記録を残せば見積もりの二重送信まで防げる、と受け取ることはできません。実務に当てはめるなら、文案の出来栄えに加えて、止まった仕事を引き継げるか、送信済みかどうかを確かめられるかも検証する必要があります。