Harness

“The model contains the intelligence and the harness is the system that makes that intelligence useful” ~LangChain Blog - The Anatomy of an Agent Harness

Sämtlicher Code, welcher gemeinsam mit einem LLM-Modell einen Agent bildet – gewissermaßen die Infrastruktur. Dabei kann es sich um “simple” Chat-Harnesses wie die typischen Web-UIs handeln, aber auch komplexe Software, welche viele Handlungsmöglichkeiten bietet. Die meisten Harnesses bauen im Mindesten eine Chat-Funktionalität ein, denn das Modell selber ist stateless.
In-House-Lösungen wie ChatGPT Codex oder Claude Code werden wohl auch beim Post-Training der Modelle berücksichtigt – hierdurch entsteht gerne ein starkes Overfitting auf existente Harnesses.

LangChain Blog - The Anatomy of an Agent Harness

Mögliche Aufgaben einer Harness beinhalten:

• Wissens-Management:
  • Context Injection von Wissen, welches nach Trainings-Cutoff entstanden ist
  • System Prompt bereitstellen
  • Erinnerungs-System
• Interaktion mit Umgebung:
  • MCP-Server
  • Tools (File System, Web Request, …)
  • Skills
• Orchestration (Subagents etc.)
• Sandboxing

In der Praxis werden Harnesses oft mit Zugang zu einer (logischen) Bash-Shell umgesetzt, da die Modelle gut darin trainiert sind, Shell-Skripte zu schreiben.

Verweise

• ReAct Loop

Quellen

• LangChain Blog - The Anatomy of an Agent Harness