Loop Engineering：なぜエージェントランタイムが新しいミドルウェアなのか

本記事は 長時間実行エージェントパターン：エージェントを数時間から数日にわたり存活させる を基にしており、そこでは時間から日のスケールで現れる3つの故障モード（軌跡レベルのミスアライメント、圧縮ベースの侵食、自己進化）とそれらを検出する3つの適用レイヤーがマッピングされました。ここでは補完的な発展に焦点を当てます：ランタイムレイヤー自体が管理された検査可能なミドルウェアになりつつある — TrueFoundryが loop engineering と呼ぶもの、2026年8月23日公開。

主要なポイント

• LangGraphは月間3450万のPyPIダウンロードと約400のエンタープライズデプロイメント（Klarna、Uber、BlackRockを含む）を持つ — モデルの周囲のランタイムレイヤーこそがプロダクションの差別化が蓄積する場所であり、モデル選択ではない（uvik.net プロダクション比較）
• TrueFoundryのloop engineeringパターンは、プロンプトからランタイムに移動する5つの運用決定に名前を付ける：承認チェックポイント、セッション永続性、クレデンシャルの隔離、コンテキスト圧縮、オンデマンドの能力ロード — それぞれはランタイムプロパティであり、プロンプトの指示ではない（TrueFoundry）
• グラフエンジニアリングはループ間のエッジを統治する：誰が行動するか、何が境界を越えるか、どれだけコストがかかるか、どのような証拠が残るか — 「ノードを評価し、エッジを統治する」原則により、権限、データ移動、支出がトポロジーレイヤーで実行可能になる（TrueFoundry）
• 単一エージェントはベンチマークされたタスクの64%でマルチエージェントシステムに匹敵または凌駕し、コストは2倍 — 最初のアーキテクチャ決定は複数のエージェントがそもそも必要かどうかであり、ループはその決定が適用される場所である（Princeton NLP))

エンタープライズソフトウェアの各時代において、そこに運用決定が蓄積するまで二次的に見えるレイヤーが発展する。クライアント-サーバー時代にはアプリケーションサーバーだった。クラウド時代にはコンテナオーケストレータ。データ時代にはパイプラインスケジューラ。AIエージェントについて、そのレイヤーには名前がある：モデルをラップし、信頼性の高い長時間実行エージェントに変えるランタイム。LangGraphだけで月間3450万のPyPIダウンロードと約400のエンタープライズデプロイメントを持つ — ランタイムは二次的なレイヤーではない。TrueFoundryのドキュメントはエージェントハーネスを「LLMの周囲のランタイムレイヤーであり、それを信頼性の高い長時間実行エージェントに変えるもの」と率直に定義している。本記事はloop engineeringパターンをマッピングする — ループが何を媒介するか、なぜミドルウェアのように振る舞うか、グラフエンジニアリングのガバナンスレイヤーが何を追加するか — そして、なぜモデルではなくループがB2Bデプロイメントの信頼性が決定される場所なのかを説明する。

問題：運用判断はループに存在し、プロンプトにはない

プロンプトエンジニアリングはモデルに何を言うかを問う。コンテキストエンジニアリングは何を見せるかを問う。ループエンジニアリングはモデル呼び出しの間にシステムが何をするかを問う。この問いはプロンプト作成者と同様にプラットフォームとセキュリティエンジニアリングにも属する。なぜならループは制度上の運用決定が実行可能になる場所だからである。

ループが各回路で媒介するものを列挙すると、この区別は具体的になる。本番システムに書き込む構成されたツール呼び出しが進行するか、人間のために一時停止するか。セッション状態が再接続と再起動を乗り越えるか。生成されたコードがハーネスのクレデンシャルを見られるか。長いタスクがコンテキストをトリムまたはオフロードするか。委任されたサブタスクが作業トランスクリプト全体ではなく最終結果を返すか。これらのいずれもモデルの動作のみで確実に実行されるものではない。それぞれが組織が一貫して適用したい運用決定である — だからこそループはミドルウェアのように見え始める。

変換テーブルがパターンを可視化する：

運用判断	プロンプトとしては...	ループでは...になる
書き込み/破壊的操作が人間を待つ	提案	強制されたチェックポイント
再接続/再起動を越えて作業が再開する	ベストエフォート	永続セッション
クレデンシャルが実行中のコードから離れる	希望	アーキテクチャによる隔離
長いタスクがコンテキストを管理する	無制限の履歴	管理された圧縮
能力が必要時に到着する	ペイロードの肥大化	オンデマンド発見

ループの決定は、ランタイムポリシーが各ターンを決定論的に媒介できるため、プロンプトの指示とは異なる方法で累積する。圧縮が起こる場所を変えれば、そのランタイムを使用するすべての長時間実行タスクがその変更を継承する。承認境界を追加すれば、リスクの高いアクションのクラスが、行動規律のみに頼るのではなく、明示的な認可を必要とするようになる。このメカニズムはミドルウェアでおなじみだ — 制御を一度定義し、一貫して適用する — そしてシニアエンジニアリングの注目がランタイムに向かっている理由を説明する。

このパターンは親記事が文書化する3つの故障モードに直接つながる。圧縮ベースの侵食（ガバナンス低下）はループの問題だ：安全ルールを落とすサマライザーはループのコンテキスト管理ステップに存在する。軌跡レベルのミスアライメントはループの問題だ：アクションごとのゲーティングは合格したツール呼び出しのシーケンスを見るが、ループに属する軌跡レベルの監視は逸脱を見る。自己進化はループの問題だ：自身の制約を編集するエージェントはループ管理の状態を編集している。ループは3つの故障モードすべてが現れるか抑制される基質である。

ミドルウェアとしてのループ：歴史的読解

技術時代を横断する繰り返しのパターンは、ミドルウェアが必然的にオープンソースになるということではない。エンタープライズアプリケーションサーバーには、オープン標準と並んで主要な専有製品がまだ含まれている。コンテナオーケストレーションはオープンソースKubernetesの周りに強く収束した。ワークフロースケジューリングには影響力のあるオープンソースシステム（Apache Airflow）が管理された代替と並存する。教訓はより狭い：運用レイヤーが戦略的に重要になると、企業は検査可能性、ポータビリティ、独自の条件でレイヤーを実行または置換する能力を重視する。

時代	称賛されたコンポーネント	結果を決定したレイヤー	最終的な行き先
クライアント-サーバー	データベース	アプリケーションサーバー	混合：専有プラスオープン標準
クラウド	VM	コンテナオーケストレータ	オープンソースKubernetesが支配的
データ	データウェアハウス	パイプラインスケジューラ	オープンソーススケジューラが管理サービスと共存
エージェント	モデル	ループ	決定中

エージェントループはその弧の一部に従うかもしれない。オープン性の主張は具体的だ：ソースの可用性は実装レベルの監査を可能にする（デプロイされたバイナリが信頼に足ることを証明するものではないが、監査を可能にする）。自己ホスティングをサポートするランタイムは実行レイヤーを自身の境界内に置ける。拡張可能なオープン実装により、ベンダーのロードマップを待つことなく圧縮、チェックポイント、または統合動作を変更できる。TrueFoundryはハーネス TrueForge をMITライセンスで公開し、ローカルとホストの両方の操作をサポートし、モデル、MCPサーバー、サンドボックスプロバイダーを接続された依存関係として扱っている。

戦略的要約：あなたの判断を適用するレイヤーは、あなたが判断できるレイヤーであるべきだ。

ループに何を問うべきか

ループが運用判断が存在する場所であるなら、調達の問いはランタイムが検査可能でポータブルかどうかである。6つの問いが尋問を構成する：

1. 作業は再起動を生き残るか？セッション永続性はランタイムプロパティだ。中断後に毎回ゼロからやり直さなければならないエージェントは長時間実行エージェントではない — 何度も再起動される短命なエージェントだ。
2. コード実行環境は何を見られるか？サンドボックス設計はハーネスのクレデンシャルをモデルの範囲外に保つ。モデルが自身のコンピュートをプロビジョンするAPIキーを読めるなら、隔離はプロンプトであり境界ではない。
3. どのアクションが人間のために一時停止するか — ランタイムによってか、希望によってか？ツール承認は強制されたチェックポイントと提案の違いだ。ループがそれを決定論的にする。
4. 能力はオンデマンドでロードされるか、毎ターンで運ばれるか？遅延されたツールとスキルはペイロードの肥大化を減らす。各回路で全ツール記述を出荷するループは、エージェントが推論に必要なコンテキストウィンドウを無駄にする。
5. 実行をそのトレースから再構築できるか？追記専用のセッションログパターン — DeepSeek Harness とMeta Muse Codeが独立に収束した — はリプレイ、ロールバック、監査の基質だ。親記事がこの収束を詳細に文書化している。
6. 明日ランタイムベンダーを離れたら何を失うか？真のポータビリティはデータフォーマット、統合、運用プラクティスに依存し、ソースの可用性だけではない。しかし実装が検査できないランタイムは深い監査、自己ホスティング、変更、退出計画を困難にする。

ループからグラフへ：接続を統治する

永続的なループを持つ単一エージェントは実行問題を解決する。しかしプロダクションシステムはめったに単一エージェントを実行しない。エージェントからループ、そしてグラフへの進行は、各ステップで異なるシステムの問いを追加する。TrueFoundryの From Agent to Loop to Graph アーキテクチャポストがエスカレーションを枠付ける：最初の機能するエージェントは能力とツール使用の問いを導入する。永続的なループは状態、リカバリ、コンテキスト、承認の懸念を追加する。グラフはトポロジー、調整、委任を追加する。自己変更は検証、封じ込め、プロモーションの問いを提起する。オーケストレーションは複合システムを運用問題に変える。

重要な区別は、グラフがループを置き換えるのではなく、ループと他のノードを編成することだ。プロダクショングラフにはエージェント、決定論的関数、ルーター、結合、キュー、人間のチェックポイント、評価器、データベース書き込み、通常のサービスが含まれうる。エージェントのノードだけが自身のローカル実行ループを必要とする。グラフは次にどのノードが実行されるか、ブランチが並行に実行されるか、どの結果が結合を解放するか、1つのブランチが失敗した時に何が起こるか、どのパスが人間のチェックポイントを必要とするかを所有する。エージェントノード内のループは異なるセットを所有する：エージェントがどのコンテキストを見るか、どのツールを選ぶか、観察をどう扱うか、いつリトライするか、そしてローカル作業がいつ完了するか。

2つ目の区別が重要：グラフオーケストレーションはナレッジグラフではない。ナレッジグラフは情報を構造化する — エンティティと関係。エージェント実行グラフは実行を構造化する — アクター、計算ノード、遷移、依存関係、作業状態。一方が他方を養えるが、異なる問いに答える。リサーチエージェントがナレッジグラフを照会し、次にバリデーションを第2のエージェントに委任する場合、ナレッジグラフはシステムが知っていることの一部であり、実行グラフはシステムが何をするかを記述する。

TrueFoundryが7語に圧縮したガバナンス原則：ノードを評価し、エッジを統治する。ノードの振る舞いを評価し続ける — モデル評価は消滅しない。しかし評価だけではプロダクションデータベースに書き込みを拒否させ、予算を適用し、破壊的操作の前に承認を要求することはできない。ランタイム、ゲートウェイ、下流の認可境界が、関連するトラフィックがそれらを通過する時にそれらの制約を適用する。結果的に重要なエッジはそれぞれ5つの問いに答えるべきだ：

問い	なぜ重要か	おそらくの所有者
誰または何が行動しているか？	帰属、最小権限、監査	アイデンティティ/レジストリ
このノードは何に到達できるか？	発見は認可ではない	オーケストレータ+ゲートウェイ+下流ポリシー
何がエッジを越えられるか？	データ最小化、プロンプトインジェクション防御	アプリケーションポリシー+ゲートウェイガードレール
どれだけ支出またはファンアウトできるか？	グラフはリトライ、ブランチ、モデル呼び出しを乗算する	オーケストレータ+ゲートウェイ予算
どのような証拠が残るか？	設計されたグラフと実行されたグラフは乖離する	オーケストレータ+ハーネス+記録システム

フレームワークランドスケープ：loop engineeringがどこに適合するか

Loop engineeringはランタイムレベルのパターンであり、フレームワークの選択ではない。フレームワークランドスケープは2026年8月時点で安定している：

• LangGraph — 月間3450万のPyPIダウンロード、約400のエンタープライズデプロイメント（Klarna、Uber、LinkedIn、BlackRock、JPMorganを含む）。チェックポイント、タイムトラベルデバッグ、ネイティブMCPサポートを備えたステートフルエージェントのプロダクション標準。観測性にはLangSmith。
• CrewAI — 44,600以上のGitHubスター、プラットフォーム上で月間10M以上のエージェント実行、約60%のFortune 500で探索。単純なタスクでLangGraphより最大3xの高いトークンオーバーヘッド。
• Microsoft Agent Framework — 2026年4月3日に1.0 GAを出荷、AutoGenを置き換え（現在メンテナンスモード）。ネイティブMCPサポート、別途アダプタ（ベータ）でA2A。
• OpenAI Agents SDK — 約19,000のGitHubスター、月間10.3Mのダウンロード。
• Google ADK — Geminiネイティブ、A2Aファースト。
• DeepSeek Harness — MITライセンス、33K以上のGitHubスター、追記専用セッションログ。

Princeton NLPの発見が最初のアーキテクチャ決定を錨付けする：単一エージェントはベンチマークされたタスクの64%でマルチエージェントシステムに匹敵または凌駕し、コストは2倍。マルチエージェントグラフを選ぶ前に、タスクが調整のオーバーヘッドに見合うかどうかを問う。ループはその決定が適用される場所だ — チェックポイント/再開、承認ゲート、コンテキスト管理を備えたよくエンジニアリングされたループは、マルチエージェントグラフがより高いコストとより多くの故障面で行う作業を、より低いコストで行えるかもしれない。

Loop engineeringはこれらすべてのフレームワークと互換性がある。パターンはランタイムが何を媒介するかに関するものであり、どのフレームワーク上で構築するかではない。LangGraphのチェックポイントとタイムトラベルデバッグはloop engineeringのプリミティブだ。DeepSeek Harnessの追記専用セッションログはloop engineeringのプリミティブだ。TrueForgeのツール承認とサンドボックス隔離はloop engineeringのプリミティブだ。収束こそがシグナルだ：複数の独立したランタイムが同じ操作制御のセットを実装する時、制御は構造的要件であり、ベンダーの選択ではない。

Loop engineeringパターン — モデルとビジネスシステムの間の実行サイクルで蓄積するランタイム決定：

関連読書

• 長時間実行エージェントパターン：エージェントを数時間から数日にわたり存活させる — loop engineeringが運用化する3つの故障モード（軌跡レベルのミスアライメント、ガバナンス低下、自己進化）と3つの適用レイヤー（推論前、ランタイム、ロールバック）をマッピングする親記事
• Kill Switch by Design：エージェントガバナンスアーキテクチャ — ループがランタイムレイヤーで実装する3層適用モデル（推論前フック、ランタイムサーキットブレーカー、事後ロールバック）
• AIエージェント観測性：見えないものがあなたを傷つける — loop engineeringされたエージェントをgrep可能ではなくクエリ可能にする4層テレメトリスタック

NetSuiteとBigCommerceを稼働する中堅ディストリビュータが、調達受信箱を24/7監視し、サプライヤーカタログを確認し、商業ルールを適用し、見積もりをドラフトするエージェントをデプロイする。このエージェントは分単位ではなく時間単位で稼働する。Loop engineeringパターンがそれを範囲内に保つ：NetSuiteへの書き込みの前に一時停止する承認チェックポイント、サプライヤーAPIタイムアウト後にエージェントを再開させるセッション永続性、NetSuite OAuthトークンをモデルのコンテキストから遠ざけるクレデンシャル隔離、そして価格を統治する商業ルールを落とさずに古いRFQ履歴をトリムするコンテキスト圧縮。このビルドはスコープされたエンゲージメントだ：RFQエンジン、MCPコネクタモジュール、チェックポイント/再開と承認ゲートを備えたループランタイム、そして見積もりエージェント、コンプライアンスエージェント、NetSuite書き戻しの間のエッジを統治するグラフレイヤー。

1週間のディスカバリー。システムインベントリ、ワークフローマップ、固定スコープを取得 — whether or not you build with us.