AOHP: パーソナライズ・効率・セキュリティを実現するオープンソースのOSレベルエージェントハーネス

要旨

AIエージェントは、ツールの自律的な呼び出し、情報の抽出、メモリ管理、アプリケーションやデータソースにまたがるタスクの完了を可能にし、新たなソフトウェアパラダイムを推進している。しかし、既存のエンドユーザー向けオペレーティングシステム（OS）のほとんどは、アプリケーション中心のワークフロー向けに設計されており、AIエージェントをネイティブにサポートする機能はほとんど備わっていない。このミスマッチはエージェントの幅広い普及を制限し、従来のシステム上でエージェントを実行する際に実行オーバーヘッドや安全性リスクを招いている。エージェントネイティブOSの概念は台頭しつつあるものの、研究コミュニティには、エージェント媒介型インタラクションに求められるアーキテクチャ上のプリミティブを探求するためのオープンなテストベッドが不足している。本稿では、Android Open Source Project（AOSP）を基盤に構築されたOSレベルのエージェントハーネスであるAOHP（Android Open Harness Project）を提案する。AOHPの核となる設計思想は、エージェントを第一級のOS主体として扱い、適応型ユーザーインターフェースやエージェントに適した実行環境を実現することである。AOHPは成熟したAndroidのソフトウェア・ハードウェアエコシステムを維持しつつ、エージェント指向の3つのシステム機構（パーソナライズされたサービス構成、効率的なエージェントインターフェース、セキュアな情報フロー）を導入する。OSエージェントの主要な機能を網羅する難易度の高いタスクを用いた予備実験において、AOHPはタスク完了率（+21.12%）、実行コスト（トークンコスト-51.55%）、セキュリティポリシー準拠の点で明確な優位性を示している。

English

AI agents are driving a new software paradigm, with the ability to autonomously call tools, extract information, manage memory, and complete tasks that span applications and data sources. Most existing end-user operating systems, however, are designed for application-centric workflows and offer little native support for AI agents. This mismatch limits the wider adoption of agents and leads to execution overhead and safety risks when running agents on conventional systems. While the concept of agent-native operating systems is emerging, the research community lacks an open testbed to explore the architectural primitives desired for agent-mediated interaction. We present AOHP (Android Open Harness Project), an OS-level agent harness built on the Android Open Source Project (AOSP). The core design principle of AOHP is to treat agents as first-class OS actors, enabling adaptive user interfaces and agent-friendly runtime environments. AOHP preserves the mature Android software and hardware ecosystem while introducing three agent-oriented system mechanisms: personalized service composition, efficient agent interfaces, and secure information flow. Based on preliminary experiments on challenging tasks covering key capabilities of OS agents, AOHP shows clear advantages in task completion (+21.12% completion rate), execution cost (-51.55% token cost), and security-policy compliance.