OpenAI が Codex Harness を完全OSS化:Agentの勝敗は、もはやモデルではなく
2026年8月19日、OpenAIは公式ブログで Codex as a platform を公開した。翌日にはリポジトリ github.com/openai/codex が10万Starを突破。中身を見てみると、Apache-2.0、Rust crate 約120個、TS SDKは別パッケージという構成だった。
今回オープンソース化されたのは、モデルの重みでも、Codex製品そのものでもない。Codexを実際に回している駆動輪だ。
公開されたのは Codex そのものではなく、「Codexをどう回すか」の輪子
まず範囲を明確にしておく。OpenAIがこのタイミングで開放したのは、Codexの背後にある agent harness だ。会話状態管理、ツール呼び出し、サンドボックス隔離、コンテキスト圧縮、人手による承認——モデルが「ユーザーの環境で実際に仕事する」ために必要な足場一式が含まれる。
この harness は3層のインターフェースで公開されている。
- exec:コマンドラインバイナリ。最も薄いラッパーで、CIやスクリプト向け。
- SDK:TypeScript / Python ライブラリ。自身のアプリに組み込んで使う。
- app-server:VSCode、デスクトップ版、JetBrainsプラグインの裏側で動く常駐プロセス。IDEユーザーは実はこれを使い続けてきた。
3層は冗長ではなく、粒度の違いだ。CLIツールからCIに繋ぎたいなら exec、WebコンソールにAI機能を埋め込みたいなら SDK、IDEレベルの多ターン対話+ファイルdiffを届けたいなら app-server を選ぶ。
リポジトリ内の codex-rs/ ディレクトリはデモではない。OpenAI自身が日々本番で動かしているコードだ。公開されたのは教育用サンプルではなく、プロダクションコードである。
ARC-AGI-3 が 13.3% → 38.3%、同じモデルで3倍の差
OpenAIが公開した数値を見て、一瞬固まった。
ARC-AGI-3 ベンチマークで、GPT-5.6 Sol に retained reasoning と context compaction を組み合わせたところ、スコアが 13.3% から 38.3% に跳ね上がった。注意してほしいのは、モデルは変わっていない点だ。変えたのは harness の2つのスイッチだけ。
おまけに、token消費量は6分の1に減少した。
これが意味することは何か。「モデルAはモデルBより5ポイント高い」みたいなベンチマーク談義は、すでに意味が薄れつつある。harness 次第で同じモデルが3倍も変わるなら、ベンチマークスコアは何を競っていることになるのか。
retention のロジックは難しくない。モデルが序盤で見つけた中間結論・計画・制約条件は、通常のコンテキスト圧縮ではデフォルトで捨てられる。harness はそれを「直近Nターンを機械的に切り詰める」のではなく、高価値な推理片として保持する選択をしている。
// codex-rs の compaction 戦略より抜粋(簡略版)
pub struct CompactionPolicy {
pub keep_retained_reasoning: bool, // 高価値な推理片を保持
pub max_context_tokens: usize, // ハード上限
pub strategy: CompactionStrategy, // Sliding / Summary / Hybrid
}
このスイッチをオンにして、戦略を sliding から hybrid に変えるだけで、ARC-AGI-3 は25ポイント上がる。これだけのレバレッジは、もう一度モデルを訓練しても得られないかもしれない。
codex-rs の構成:120個の crate を分解する
codex-rs/ のディレクトリ構成をざっと見ると、OpenAI が Rust で IDE のバックエンドを丸ごと書いているように映る。実際は綺麗に分割されている。
| モジュール | 役割 |
|---|---|
app-server | 常駐プロセス。VSCode / デスクトップ版 / IDE プラグインからのプロトコル要求を処理 |
exec-server | CLI エントリ。ステートレスで、呼び出しごとに sandbox を立てる |
core | モデル対話、ツールスケジューラ、状態機械。harness の心臓部 |
sandboxing | クロスプラットフォーム sandbox(landlock / seatbelt / Windows job object) |
mcp | Model Context Protocol クライアント。外部ツールへの橋渡し |
TS SDK codex-sdk/ はその上にさらに1層ラップし、Codex / Thread / Turn といった LLM アプリ向けのオブジェクトとして露出させる。
特に気になるのは sandboxing だ。OpenAI は landlock(Linux)、seatbelt(macOS)、Windows job object の3つの低レベル機構をそれぞれ crate に切り出している。agent harness にとって「動く」ことと「安全に動く」ことは別問題だ。ここを疎かにすると、CI 上で agent を回すのは本番環境に時限爆弾を埋めるのと同じになる。
mcp の層も単独で触れておく価値がある。Codex が任意の MCP server 登録ツールをそのまま消費できるようになったということは、OpenAI 自身が plugin エコシステムを構築する必要がないということだ。「ツール接続」をコミュニティに外注するという、合理的な選択だ。
チャット画面を被せるのではなく、業務フローに埋め込む
リポジトリの README に、すでに動いている3つの顧客事例が掲載されている。共通点を探してみた。
チャット画面はない。AIはフローの奥に沈んでいる。
- Thrive Holdings / Crete:Codex を税務申告フローに組み込み、7,000件の申告書を処理、所要時間を 1/3 に短縮。申告者に見えるのはフォームで、チャットボックスではない。
- Cisco:Codex SDK をクラウドコンソールに組み込み App Builder を構築。設定パネルで数クリックすれば、自動で生成される。コンソール自体は変更されておらず、AI ボタンが一つ増えただけ。
- OpenAI 自身:Relay 物流ダッシュボードのデモ。倉庫のスケジューリングと車両ルーティングは完全にバックグラウンドで走り、フロントには地図とステータス表示だけが並ぶ。
3つの事例に共通するのは、harness がオープンになる前は、こうした統合は「OpenAI と商談する」しか手がなかったということだ。harness が OSS 化された今、SDK をフォークしてそのまま繋げる。
ここが harness 公開の真の破壊力だ。モデルを切り替えても、統合部分は影響を受けない。
// codex-sdk README より抜粋、Thread の起動
import { Codex } from "@openai/codex-sdk";
const codex = new Codex();
const thread = codex.startThread();
const turn = await thread.run("この税務データ群を州ごとに分類して CSV に出力して");
console.log(turn.finalResponse);
Agent 競争の重心は、なぜ下へ移動しているのか
反主流的な見立てをする。全社のモデル能力が均質化していったとき、harness こそが堀になる。
2026年の GPT-5.6、Claude Opus 4.1、Gemini 3 Pro は、素のモデルベンチマークにおける差がすでに一桁ポイントに収斂している。一方で harness の差は桁が違う。
- 誰がより厳密かつクロスプラットフォームな sandbox を実現できるか。
- 誰能把 context compaction で重要な推論を落とさずに済むか。
- 誰能把 MCP ツールチェーンを安定かつ低遅延に振り替えられるか。
- 誰能把 承認フローを harness の中に組み込められるか。ユーザーに hack させるのではなく。
これらの問いの答えは、モデルベンダーからは出てこない。自前で車輪を再発明するか、OpenAI が今週公開した車輪を使うかだ。
「モデルがすべて」という旧い物語は2025年にはまだ無理やり成立していた。2026年8月、OpenAI は harness を OSS 化することで、その時代に終止符を打った。モデルのコモディティ化は不可逆で、差別化は足場にしか宿らない。
8月21日時点で、github.com/openai/codex は Star 107,443、Fork 16,354、最新安定版 v0.149.0 となっている。
私見だが、今後半年見るべきは「どのモデルが何ポイント上がったか」ではなく、「どの harness のドキュメントが一般エンジニアにフォーク即起動を許すか」だ。