ECCで作る再利用可能なAgent Harnessの構築術
AIコーディングAgentが抱える本質的な問題は、モデル性能ではなく、安定したエンジニアリング層の不在にある。Claude Codeは独自の指示フォーマットを持ち、Codexはまた別の形式を使う。結果として、permissions、memory、safety rulesは毎回プロジェクトごとに書き直す羽目になる——典型的な車輪の再発明だ。
ECC(Everything Claude Code)の狙いは明確で、このエンジニアリング層を抽象化することにある。Agentがコードを書く前にリサーチとリスク評価を行い、再利用可能な開発フローに乗る、という流れを共通基盤として提供する。主な対象はClaude Code、Codex、OpenCode、Cursorなどだ。
何を解決するのか
コーディングAgentを使ったことがある人なら、一度はこんな経験をしているはずだ。
- 昨日プロジェクトAで仕上げた指示が、プロジェクトBではまた書き直しになる
- 各Agentの
.cursorrules、.claude/、AGENTS.mdの読み込み仕様がバラバラ - Agentに依存監査をさせたいのに、フックを統一的に仕掛ける場所がない
- 安全ルールを「secretに触るな」というプロンプトに頼っていて、検証する仕組みがない
ECCのアプローチは、これらを「Agent Harness」としてパッケージ化することだ。設定・ワークフロー・規約をひとまとめにし、上記の問題をバージョン管理可能な資産に変える。リポジトリ自体はMarkdownベースの設定とドキュメントが中心で、インストールスクリプトとアダプタが付属する構成になっている。
使い方
まずはリポジトリをcloneし、READMEから対象ツール用のインストール手順を確認する。
# 1. プロジェクトを取得
git clone https://github.com/affaan-m/ECC.git
cd ECC
# 2. 現在のツール向けアダプタ说明を読む
cat README.md
# 3. READMEに従って設定をインストール後、プロジェクトで動作確認
# ワークフロー例:リサーチ → 計画 → コーディング
研究目標 -> 資料と依存関係の監査 -> リスクリスト
リスクリスト -> 最小実装プラン -> テストコマンド
テストコマンド -> 失敗原因 -> プロジェクト記憶に書き込み
一般的な流れは次のとおり。
- 設定をインストール(
./install.shなどのスクリプトを実行) - skillsを対象Agentのディレクトリにコピー
- プロジェクトルートでAgentを起動
- 「リサーチ優先」のフローで一度走らせる
具体的なコマンド・ディレクトリ名・アダプタ一覧はリポジトリのREADMEを必ず参照してほしい。このプロジェクトは更新頻度が高く、手順をハードコードするとすぐに陳腐化する。
アーキテクチャ概要
ECCは4層に分解して考えられる。
┌───────────────────────────────┐
│ ワークフロー層(user-facing) │
├───────────────────────────────┤
│ Skills(タスクテンプレート) │
├───────────────────────────────┤
│ Memory + Instincts(永続化) │
├───────────────────────────────┤
│ Security(権限と境界) │
└───────────────────────────────┘
- ワークフロー層:ユーザ向けの開発フロー定義。例:「リサーチ優先」「セキュリティ優先」
- Skills:タスクを再現可能なステップに分解(PR review、依存監査など)
- Memory + Instincts:プロジェクト背景、長期的 preferences、行動制約を保存
- Security:権限境界、機密情報の扱い、ツール実行範囲
典型的なリクエストのライフサイクルはこうなる。
- ユーザがタスクを提示
- Agentがリサーチ(資料調査、コード読解、依存チェック)
- プランとリスクリストを生成
- 該当Skillsを呼び出して実行
- 結果をMemory/Instinctsに記録
- レビュー・ロールバック・コミット
複数のAgentフロントエンドをサポートしているが、ツールごとに読み込みディレクトリやファイル形式が異なる。クロスツールの再利用はゼロコストではなく、アダプタがどうしても要る。
強みと弱み
良いところ:
- リサーチ・記憶・セキュリティ・行動ルールを一括設定として扱えるため、移行とバージョン管理が楽になる
- research-firstのアプローチは、技術選定が不確実なケース、依存監査、複雑なコードベースで特に効を発揮する
- 散らばったプロンプトテンプレートより再利用性が高く、gitで管理しやすい
弱み:
- 完全なAgent runtimeではなく、あくまで「設定+ワークフロー集」
- 対象ツールが未対応なら、ファイルをコピーしても動かない
- 大量のテキストルールが既存のAGENTS.md、CI、権限ポリシーと衝突する可能性がある
- star数が多いのは注目度の指標に過ぎず、耐圧テストやコードレビューの代用にはならない
実際に試してみた
ローカルに小さなサンプルプロジェクトを用意し、Agentに「資料調査 → スクリプト修正 → テスト実行 → 結果記録」を10回連続でやらせてみた。
比較設定:
- 1回目:ECCなしの生設定で所要時間のみ計測
- 2回目:ECCのリサーチ・記憶・セキュリティ用プロンプトを適用
記録したメトリクス:
- wall time(エンドツーエンドの所要時間)
- ツール呼び出し回数
- 重複指示回数(Agentが自ら「もう一度やり直したい」と戻ってきたケース)
- 失敗率
具体的な数値はここでは載せない。理由很简单で、今回手元にはリポジトリのソースもバージョンもベンチマークスクリプトもモデルのtemperature記録も残っておらず、「3倍速くなった」「成功率95%」のような数字を作っても意味がないからだ。
ECCの真価をきちんと検証するなら、こうすべきだ。
- 同一モデル+同一temperatureで固定する
- タスクセットを固定する(例:小さなリファクタ・依存アップグレード・bug fixを10本)
- ツール権限を固定する
- 「ECC設定あり」と「生Agent」の2グループで比較する
見るべきは単発の体感がどうかではなく、安定性の差だ。
誰が使うべきか
向いているケース:
- すでにClaude Code、Codex、OpenCode、Cursorを使っているチーム
- リサーチフローやセキュリティチェック、プロジェクト記憶を横断的に再利用したい人
- 個人用のAgent設定をバージョン管理可能な資産として整理したい小規模チーム
あまり向かないケース:
- 一度だけ質問したいだけで、対応ツールのアカウントも持っていない人
- 権限・サプライチェーン・監査要件が厳しいプロジェクト——ECCのルールをそのまま採用するのではなく、既存のCI、secret manager、コードレビューフローに接続する形が前提
- 銀の弾丸だと思っている人——これは設定層に過ぎず、最終的なコード品質はモデルとタスク自体に依存する
まとめると
ECCが提供するのは「再利用可能なAgentのエンジニアリング層」であり、新しいモデルでもなければruntimeでもない。すでに複数のプロジェクトでClaude Code / Codex / Cursorの設定を何度もやり直しているなら、午後の数時間をREADME読みとインストールに費やす価値はある。skillsとsecurity rulesを自プロジェクトに繋ぎ込むだけで、定型作業の心理的コストはかなり下がる。一方、Agentにスクリプトを一度書かせるだけなら——そこまで頑張らなくても、直接聞けばいい。
参考
- リポジトリ:https://github.com/affaan-m/ECC
- 中核メソッド:research-first development
- 対応ツール:Claude Code、Codex、OpenCode、Cursor 他