Agentタスクのパフォーマンスが悪い場合、大半の人はまず大きなモデルに切り替えようとする。Forgeの作者は別の道を選んだ：モデルは変えず、制約を追加する。結果、8B小型モデルのagenticタスク成功率が53%から99%に跳ね上がった。
このフレームワークはHacker Newsで324ポイントを獲得。コードとドキュメントを見たが、核心の考え方は実はシンプルで、エンジニアリングが綺麗に仕上がっている。
核心：ガードレールは「制限」ではなく「軌道」
Forgeの設計哲学は面白い。小型モデルがAgentシーンで失敗するのは「十分賢くない」からではなく、明確な行動の境界線がないからだとしている。
ガードレールがここで果たす役割は、モデルに「してはいけないこと」を制限するのではなく、「どうすべきか」を定義することだ。フレームワークはミドルウェア機構を通じて、ツール呼び出しの前後に検証と修正ロジックを挿入する。
53%→99%はどうやって実現されたか
READMEにはベンチマークデータがある。同じ8Bモデル、同じagenticタスクセットで：
- 裸のモデル：成功率53%
- Forgeガードレール追加：成功率99%
この差は大きすぎるのでテストの詳細を確認した。タスクは典型的なマルチステップAgentシーンだ。裸のモデルは途中で逸脱しやすく、一度逸脱すると後続がすべて失敗する。ガードレールの作用は各ステップ終了後に結果が合理かどうかをチェックし、不合理ならリトライまたは修正をトリガーすることだ。
アーキテクチャ：ミドルウェアチェーン
Forgeの核心はミドルウェアチェーン。モデルの出力が複数の品質検査を通過する工場ラインのようなものだ。
誰が使うべきか
すでにGPT-4oやClaude Opusレベルの大モデルでAgentを動かしているなら、Forgeの限界利益は大きくない。価値は3つのシーンにある：ローカルデプロイ、コスト重視、プライバシー要件。
制限
プロジェクトはまだ若い。37コミット、最新v0.6.0は3週間前。ドキュメントは良いがコミュニティは未成熟。
主要ソース：