NVIDIA NOOA 徹底解説 2026: AIエージェントはPythonクラス1つ・SWE-benchで82.2%

エージェントのフレームワークは重くなる一方だった。NVIDIAが2026年7月27日に公開したオープンソース基盤NOOAは、その流れに正反対の一言を返す。結論から言うと、「エージェントはPythonクラス1つ」というシンプルな発想で、SWE-bench Verifiedで82.2%(従来79.2%)を記録し、しかもトークンは半分(タスクあたり約110万 vs 220万)で済ませた。

NOOAは何を変えるのか?

哲学は一文だ。「An agent is a single Python class.」 プロンプトテンプレートを重ねたり、独自DSLやスキーマ中心のオーケストレーションを置く代わりに、エージェントをPythonオブジェクトとして扱う。メソッドが能力、フィールドが状態、型アノテーションが契約を強制する。

Pythonを触ったことがあればすぐ腑に落ちる。実際にコードを開くと、魔法のようなプロンプトの塊ではなく、読めて・デバッグできるプログラムがある。

なぜ数字が重要か

エージェントではトークンがコストであり速度だ。だから「精度を上げてトークンは半分」という組み合わせは、実運用で意味が大きい。

指標	NOOA (GPT-5.5)	従来ベスト
SWE-bench Verified 精度	82.2%	79.2%
タスクあたりトークン	約110万	約220万

同じベンチマークで精度を3ポイント上げつつ、トークンを半分にした計算だ。近い流れのモデル動向はMeta MuseとSparkの解説でも扱っている。

6つのハーネス能力とは?

NOOAは「エージェントハーネス(harness)」という視点で機能を整理する。実際に動かすと、次の4本が骨格だ。

• Code as Action — モデルがPythonを直接実行して行動する。ツール呼び出しをJSONで模倣しない。
• Programmable Loop Engineering — 反復ループを開発者がコードで制御する。
• Explicit Object State — 状態を型付きオブジェクトで明示し、コンテキスト管理がすっきりする。
• Model-callable APIs — モデルが自らコンテキストやイベント履歴を確認・管理できる。

方向は明確だ。エージェントを「再現できるPythonプログラム」にすること。ツールをチャットに組み込む流れが気になるなら、GitHub MCPやSkills vs MCPも同じ文脈で読める。

どう始めるか?

GitHubにNVIDIA-labsのOO Agentsとして公開されている。Python環境さえあればよく、特定モデルに縛られない**モデル非依存(model-agnostic)**設計なので、GPT系でも他のモデルでも接続できる。流れはこうだ。

• エージェントをPythonクラスとして定義し、メソッドで能力を追加する
• 状態はオブジェクトのフィールドで管理し、ループはコードで制御する
• メモリは軽量なストア(SQLiteなど)で保持する

NVIDIAはこれを自社設立のOpen Secure AI Allianceに寄贈した。オープンソース・オープンウェイトで共有していく方針なので、クローズドな基盤より触りやすい。ただし本番運用でどれだけ手間が減るかは、実際に回してみないと分からない。

よくある質問

Q. 既存のエージェント基盤と何が違う? プロンプトテンプレートやDSLの代わりに、エージェントをPythonクラス1つとして扱う。メソッド=能力、フィールド=状態なので、読みやすくデバッグしやすい。

Q. 本当に性能は上がる? SWE-bench VerifiedのGPT-5.5で82.2%となり、従来の79.2%を上回った。タスクあたり約110万トークンとほぼ半分だ。

Q. どこで使える? GitHub(NVIDIA-labs OO Agents)でオープンソース公開されている。モデル非依存設計で多くのモデルに対応し、Open Secure AI Allianceに寄贈された。