[開発者向け] 「ハーネス」を理解すれば十分——GitHub Copilotで実践する8ステップの開発ワークフロー

2026-07-29

はじめに

　GitHub公式ブログが2026年7月27日、GitHub Copilotの実践的な開発ワークフローを紹介する記事を公開しました。新しいツールを追うより、既存の機能を理解して使いこなすことが生産性向上の鍵だという主張です。本稿では、記事で示された8つのステップを解説します。

参考記事

タイトル: The harness is all you need (mostly)
著者: Burke Holland
発行元: GitHub Blog
発行日: 2026年07月27日
URL: https://github.blog/ai-and-ml/github-copilot/the-harness-is-all-you-need-mostly/

要点

GitHub Copilotの著者は、新しいツールを次々試すことよりも既存の「ハーネス(エージェント実行基盤)」を深く理解することが生産性向上につながると主張している
ワークフローはツール選択、YOLOモード(Allow All)の有効化、プロトタイプ作成、プランモードでの計画、Autopilotによる実装、人間によるレビュー、Rubber Duckレビューという流れで構成される
プロトタイプは画像やMermaid図など視覚的な形で作ることで、テキストだけでは気づきにくい要件の見落としを防げるとされている
Rubber Duckレビューでは、実装に使ったモデルとは別のAIファミリーのモデルにレビューを依頼することで、単一モデルの見落としを補える
YOLOモードは生産性を高める一方、ローカル環境ではなくサンドボックス環境(GitHub Codespacesなど)での利用が推奨されている

詳細解説

ワークフローの全体像

　Burke Holland氏によれば、AI関連のツールや手法は日々増え続けているが、実際に生産性を左右するのは新しい仕掛けの導入ではなく、使っているハーネス(エージェントの実行基盤)への理解度だといいます。本稿でいう「ハーネス」は、GitHub Copilotそのものを指す言葉として使われています。

　この考え方は、AIツールの選定に悩みがちな読者にとって参考になる視点だと考えられます。次々と新しい仕組みを追いかけるより、手元のツールを深く使いこなす方が結果的に近道になる場面は多いのではないでしょうか。

プロトタイプとプランニングで手戻りを防ぐ

　記事では、CLIやVS Code、GitHub Copilot appなど複数のインターフェースがある中で、まずは1つのツールを選ぶことを勧めています。GitHub Copilot appの詳細については以前の記事でも紹介しましたが、どのインターフェースを使っても背後のハーネスは共通しているため、どれか1つを深く学べば他の環境でも応用できるとされています。

　次のステップとして紹介されているのが、実装前にプロトタイプを作ることです。日付選択コンポーネントの例では、「20パターンのモックをHTMLファイルにまとめてほしい」といったプロンプトで複数案を一括生成し、視覚的に比較しながら要件を固めていく手法が示されています。画像やMermaid図のような視覚情報は、文章よりも人間が素早く処理できるため、実装前の認識合わせに有効だと考えられます。

　プロトタイプで方向性が固まった後は、プランモードで実装計画を立てます。開始・終了日が同じ場合の扱いや、日付の手入力を許可するかといった細かい仕様上の疑問点を、モデルとの対話を通じて洗い出す流れです。この段階でどれだけ丁寧に仕様を詰められるかが、後工程の手戻りを左右すると考えられます。

Autopilotによる自律実装と人間によるレビュー

　計画が固まった後は、Autopilotと呼ばれる機能が実装を担います。Autopilotは、計画に含まれる項目をすべて完了するまで作業を継続させる仕組みで、必要に応じて軽量モデルによる「Explore」サブエージェントと、より複雑な処理を担う大規模モデルのサブエージェントを自動的に使い分けるとされています。

　実装が終わった後の人間によるレビューも、記事では重要な工程として位置づけられています。アニメーションの不自然さや配色のコントラスト不足など、AIの初回出力にありがちな細かい問題を、対話形式で修正していく流れが紹介されています。

　最終確認として紹介されているのがRubber Duckレビューです。この機能自体については別記事で詳しく取り上げていますが、実装に使ったモデルとは異なるAIファミリーのモデルにレビューを依頼する仕組みで、学習データの違いに由来する見落としを補完する狙いがあるとされています。AutopilotとRubber Duckを組み合わせ、双方が合意するまでレビューを繰り返す運用も紹介されており、トークン消費は増えるものの、後々の手戻りを防ぐ投資と捉えられています。