概要
AIに複雑な仕事をさせようとすると、これまでは裏側で動くサーバーやコンテナといったインフラの準備に多くの時間がかかっていました。今回Microsoftが発表した「Copilot Harness」は、そうしたインフラ構築の手間を無くす新しい仕組みです。
開発者はAIに「スキル」や「ツール」を追加するだけで、大量のデータ処理や複雑な作業をAIエージェントに任せられるようになります。面倒な設備投資や環境設定を気にせず、やりたい業務の自動化だけに集中できるのが魅力です。
何が発表された？
Microsoftは2026年10月29日、AI開発基盤「Microsoft Foundry」における新機能として「GitHub Copilot Harness」（以下、Copilot Harness）を発表しました。本機能は現在プレビュー段階として提供されています。
従来、単一の指示（プロンプト）で動くプロンプトエージェントから高度な業務をこなすホスト型エージェントへ拡張する際、開発者はDockerコンテナの作成、認証基盤の設定、スケール調整などの配線作業を行う必要がありました。Copilot Harnessを有効にすることで、これらのインフラ管理を行うことなく、エージェントに必要な機能（スキル）を追加するだけで高度なタスクに対応可能となります。
具体的には、以下の3つの要素を単一のプラットフォーム上で定義・統合して利用できます。
- Markdown形式（SKILL.md）による段階的な業務手順（スキル）の定義
- ファイル操作やWeb検索、シェルコマンドなどを実行できる組み込みHarnessツール
- 外部システムやデータベースと接続するためのMCP（Model Context Protocol）ツール
前と何が違う？
サーバー構築やコンテナ配線が一切不要に
これまでは、プロンプトだけで完結しない複雑なAIエージェントを作る際、Azure Container Appsなどの実行環境を用意し、ネットワークやスケール設定のコードを書く必要がありました。Copilot Harnessを利用すると、開発画面でチェックボックスをオンにするだけで拡張実行環境が適用されます。インフラの管理コードを1行も書くことなく、複雑なロジックを持つエージェントを実行させることができます。
MarkdownファイルでAIに「新しいスキル」を教えられる
エージェントに新しい能力を追加する際、プログラムを書き直す必要はありません。SKILL.mdというファイルに業務の手順やルールを日本語や英語の文章で記述し、エージェントに追加登録するだけで完了します。動画内のデモでは、カップケーキの単一注文手順を定めたsparkles-orderingスキルや、パーティーの参加人数に応じたおすすめ構成を提案するsparkles-party-plannerスキルが作成され、簡単に読み込まれていました。
CSVを貼り付けるだけで20件の大量注文を一括自動処理
画面上のデモでは、顧客ID、フレーバーの種類、テスト注文か本番注文かの識別、クーポンコードが含まれた20行のCSVデータテキストをチャット画面に貼り付ける実演が行われました。エージェントは即座にCSVデータを解析し、データの不備がないか検証した上で、管理用ダッシュボード（Sparkles Order Terminal）へ一括で注文を送信しました。従来なら専用のスクリプトが必要だった処理が、スキルを渡すだけで自然言語により完結します。
組み込みの安全機能（Harness Tools）をトグルで切替可能
エージェントの作成画面では、組み込みツール（Harness tools）として以下の機能があらかじめ用意されています。
- ファイルシステムの読み込み（File system read）
- ファイルシステムの書き込み（File system write）
- Webページの取得・検索（Web）
- サンボックス環境でのコマンド実行（Shell）
- 並列作業を行う配下エージェントの起動（Subagents）
これらはチェックボックスのオン・オフだけで制御できるため、不要なシステム操作を制限して安全性を担保できます。
設定ファイル（azure.yaml）によるローカルとクラウドの同期
Visual Studio Codeなどのローカル開発環境からも、azure.yamlという設定ファイルを用意することでエージェントの構造をコード管理できます。ファイル内には使用するAIモデル（gpt-5.4-miniやgpt-6-lunaなど）、連携するMCPサーバーのURL、読み込むスキルのパス（./skills/sparkles-orderingなど）、Harnessの種別（github_copilot_preview）を記述します。これにより、ローカルでの定義とMicrosoft Foundry上の実行環境をスムーズに同期させることができます。
数字で見るとどう変わった？
動画内で示された主な設定項目や処理件数の数値・仕様は以下の通りです。
- デモで一括処理された注文データ：20行（CSVテキストから自動抽出）
- デモで使用された指定モデル：
gpt-6-luna および gpt-5.4-mini
- 設定されたスキル数：2種類（注文処理スキル・パーティー企画スキル）
- CSV内のクーポンコード桁数：6桁（仕様通りにAIが自動検証）
ライバルと比べてどう？
インフラ構築の手間を省き、既存のツールエコシステムを活用できる点でMicrosoftが優位。
競合となるOpenAI（Assistants API / Swarm）やAnthropic（Claude Agent Tools）においても、エージェントへのツール呼び出しや定義機能は提供されています。しかし、実際の業務システムとして運用する際には、開発者側でサーバーやレスポンスの永続化層を用意しなければならないケースが多く存在します。
Microsoft FoundryのCopilot Harnessは、Azureのエンタープライズ基盤とGitHub Copilotのエコシステムを融合させている点が強みです。Model Context Protocol（MCP）との接続性も確保されており、社内APIとの連携が容易です。一方、完全に特定ベンダーのプラットフォームに依存する形となるため、マルチクラウド構成をとる場合には注意が必要です。
| 比べること |
Microsoft Copilot Harness |
競合の一般的なエージェントAPI |
有利なのは |
| インフラ準備 |
完全不要（画面またはYAMLで完結） |
サーバーやコンテナの用意が必要 |
Copilot Harness |
| スキル追加方法 |
SKILL.md（Markdown）を置くだけ |
API経由の関数定義コードが必要 |
Copilot Harness |
| 外部連携 |
MCP（Model Context Protocol）標準対応 |
個別のAPI連携実装が必要 |
Copilot Harness |
料金は？
動画内では具体的な利用料金についての言及はありませんでした。
ただし、Microsoft FoundryおよびAzure AIサービスの既存体系に準じるため、裏側で呼び出されるAIモデル（GPTモデル等）のトークン使用量に応じた従量課金が発生すると想定されます。Harness機能自体の追加料金の有無については公式ドキュメントの更新をご確認ください。
日本で使える？
使える状況ですが、一部の機能はプレビュー段階となっています。
日本のユーザーが試すための手順と注意点は以下の通りです。
- アクセス先: Microsoft Foundryポータル（aka.ms/foundry-portal）へログインします。
- 必要なもの: Azureアカウント、およびMicrosoft Foundryの利用権限が必要です。
- 設定手順:
- Foundryポータルで「New agent」を選択します。
- エージェント作成モーダルで「Use the GitHub Copilot harness」にチェックを入れます。
- 指示文（Instructions）と使用するモデル（GPTモデル）を設定します。
- 組み込みツールや
SKILL.mdを登録し、プレイグラウンドで動作テストを行います。
- 日本語対応: プロンプトや指示文、
SKILL.md内の記述は日本語でも動作可能ですが、UI画面およびプレビュー段階の仕様は英語が基調となっています。
自分にはどう関係する？
エンジニアなら
サーバーやDockerコンテナの管理から解放され、AIに与える指示とロジックの設計に集中できます。SKILL.mdによる宣言的な記述でチーム内のスキル共有も容易になります。
企画・マーケティングなら
プログラミングの深い知識がなくても、業務マニュアルをMarkdown形式で整えることでAIエージェントの動作ルールを直接カスタマイズできるようになります。
経営者・管理者なら
AIエージェントの導入コストと開発期間を大幅に削減できます。インフラの維持管理コストを抑えつつ、社内業務の自動化を素早く実証・展開することが可能になります。
まとめ
Copilot Harnessの登場により、AIエージェント構築における「インフラ配線の手間」は過去のものとなりつつあります。まずはMicrosoft Foundryのポータルへアクセスし、小さなタスクからSKILL.mdを定義して動作を試してみるのが第一歩となります。
