エージェント（自分で判断して作業するAI）のトークン消費を監視し、失敗パターンを自動診断するツール「state-harness」が公開されました。

何が起きたか

Lyapunov安定理論という物理学の手法を応用して、複数ステップのAI作業ループでトークン消費が急増する「スパイラル」を検出し、追加のAI呼び出しなしに失敗原因を分類するオープンソースツールが登場しました。

なぜ重要か

生産環境のマルチエージェントシステムは41～87%の失敗率を記録している（Kore.ai 2026）中、従来の予算上限ではAIが停止しても理由が不明でした。state-harnessは失敗パターン（コンテキストの蓄積スパイラル、ツール再試行、タスク迷走など）を特定し、具体的な改善案を提示することで、エンジニアが問題を迅速に把握・対応できるようになります。

注目点

SWE-benchでのテストでは、検出時に作業を打ち切ることで計算ノード数が38.6%削減され、壁時間が30%短縮されました。3,175回のテスト実施で誤検知ゼロを達成しており、pip install state-harnessで導入可能です。