Bayerの本番稼働マルチエージェントRAG「PRINCE」、コンテキストとハーネスを分離

Bayer AGとThoughtworksは、LangGraphでオーケストレーションされたマルチエージェントシステム「PRINCE」の詳細な事例を公開した。同システムは、スキャンされたPDFに対するRAGと構造化メタデータに対するText-to-SQLを活用し、創薬研究者のクエリをResearcher、Reflection、Writerの各エージェントにルーティングする。この記事から得られる最も実践的な教訓は、コンテキストエンジニアリング（各エージェントが受け取る情報の形成）とハーネスエンジニアリング（モデル周辺のオーケストレーション、リトライ、フォールバック、可観測性）の分離である。これは、開発者が本番環境のエージェント構築に直接適用できるフレームワークとなっている。

出典： martinfowler.com ↗

LLMの生成能力と情報検索システムの精度を組み合わせることで、Retrieval-Augmented Generation（RAG）は有望な技術として浮上した。

Bayer & Thoughtworks PRINCE ケーススタディ

なぜ重要か

→ エージェントAI設計を、移植可能で再利用可能なパターン（context vs. harness engineering）に分割する。
→ 数十年分の構造化されていない製薬データに対応する実稼働レベルのマルチエージェントRAGを実証する。
→ 複雑なLLMシステムにおける信頼性、可観測性、人間による制御のためのフレームワークを確立する。

Context vs. harness engineering