Bukan Soal Model AI-nya: Mengenal Harness Agent, Rahasia di Balik Claude Code dan Codex yang Membuat AI Benar-Benar Bekerja

Bukan Soal Model AI-nya: Mengenal Harness Agent, Rahasia di Balik Claude Code dan Codex yang Membuat AI Benar-Benar Bekerja

Diterbitkan: · Diperbarui:

Bayangkan dua orang memakai model AI yang persis sama. Yang pertama hanya mendapat jawaban teks di jendela chat. Yang kedua melihat AI membaca ratusan file, menjalankan program, menguji hasilnya sendiri, memperbaiki kesalahannya, lalu melapor bahwa pekerjaan selesai. Modelnya sama. Yang berbeda adalah harness-nya.

Istilah agent harness (harness agen) makin sering muncul di dunia AI sepanjang 2026. Di baliknya ada gagasan sederhana tapi penting: kecerdasan AI ada di model, tetapi kemampuan AI untuk benar-benar bekerja sangat ditentukan oleh rangka perangkat lunak di sekelilingnya. Artikel ini menjelaskan apa itu harness, isinya apa saja, cara kerjanya langkah demi langkah, bukti bahwa harness bisa mengubah hasil secara drastis, serta apa artinya bagi Anda yang memakai atau membangun agen AI.

Ringkasan Singkat

Pertanyaan Jawaban singkat
Apa itu harness agen? Semua kode, konfigurasi, dan logika yang membungkus model AI sehingga model itu bisa bertindak sebagai agen
Rumus populernya Agen = Model + Harness
Contoh harness Claude Code, OpenAI Codex, GitHub Copilot, Cursor, Aider, Cline
Isinya apa saja? Loop agen, alat (tools), akses file, sandbox, memori, manajemen konteks, hook, izin, sub-agen
Kenapa penting? Model yang sama bisa berkinerja sangat berbeda di harness yang berbeda
Nama bidang ilmunya Harness engineering: merancang dan terus memperbaiki rangka di sekitar model

Arti Harness: Dari Tali Kekang Kuda ke Agen AI

Dalam bahasa Inggris, harness berarti tali kekang atau pelana: perlengkapan yang dipasang pada kuda supaya tenaganya bisa diarahkan untuk menarik kereta atau membajak sawah. Kudanya kuat, tetapi tanpa harness tenaga itu tidak bisa dipakai untuk pekerjaan yang terarah.

Analogi ini cocok untuk AI. Model bahasa besar (LLM) seperti Claude, GPT, atau Gemini sangat pintar, tetapi pada dasarnya hanya bisa satu hal: menerima masukan (teks, gambar, suara) lalu menghasilkan teks. Model tidak bisa membuka file di komputer Anda, tidak bisa menjalankan program, dan tidak ingat apa yang terjadi kemarin. Semua itu harus disediakan oleh harness.

LangChain, perusahaan pembuat kerangka kerja agen AI, merumuskannya dalam satu kalimat yang kini banyak dikutip:

“If you’re not the model, you’re the harness.”

Artinya, apa pun yang bukan model adalah harness. Menurut definisi LangChain, harness adalah setiap potongan kode, konfigurasi, dan logika eksekusi yang bukan model itu sendiri. Model mentah belum menjadi agen. Ia baru menjadi agen setelah harness memberinya state (catatan keadaan), kemampuan menjalankan alat, umpan balik, dan batasan yang ditegakkan.

Analogi yang lebih dekat: koki dan dapurnya

Bayangkan seorang koki berbakat (model AI) yang dikurung di ruangan kosong. Ia tahu ribuan resep, tetapi tidak bisa memasak apa pun. Beri dia dapur lengkap: kompor, pisau, kulkas berisi bahan, buku catatan pesanan, termometer untuk mengecek kematangan, dan aturan keamanan dapur. Barulah keahliannya menghasilkan makanan.

Dapur itulah harness. Dan seperti dapur restoran, kualitasnya sangat menentukan: koki yang sama akan bekerja jauh lebih baik di dapur yang tertata dibanding di dapur yang berantakan. Addy Osmani, yang banyak menulis soal rekayasa agen AI, merumuskannya begini: model yang lumayan dengan harness yang hebat bisa mengalahkan model hebat dengan harness yang buruk.

Harness Agent vs Agentic AI: Apa Bedanya?

Dua istilah ini sering muncul bersamaan sehingga mudah tertukar. Padahal keduanya menjawab pertanyaan yang berbeda:

  • Agentic AI menjawab: AI ini bisa apa? Ia adalah sebutan untuk jenis AI yang bisa bertindak sendiri menuju sebuah tujuan.
  • Harness agent menjawab: AI ini bekerja dengan cara apa? Ia adalah perangkat lunak konkret yang membuat tindakan itu benar-benar bisa terjadi.

Agentic AI: sifat atau kategori

AI biasa, seperti chatbot sederhana, bekerja sekali tanya sekali jawab. Anda bertanya, ia menjawab, selesai. AI disebut agentic bila ia bisa merencanakan langkah, memakai alat, melihat hasilnya, lalu memutuskan langkah berikutnya sendiri sampai tugas selesai. Anthropic mendefinisikan agen sebagai sistem di mana model bahasa mengarahkan sendiri proses dan pemakaian alatnya, dan mengendalikan cara tugas diselesaikan.

Harness agent: mesin di baliknya

Model bahasa sendirian tidak bisa melakukan semua itu, karena ia hanya bisa menerima teks lalu menghasilkan teks. Supaya bisa membaca file, menjalankan program, mengingat pekerjaan, dan dicegah melakukan hal berbahaya, model harus dibungkus harness.

Hubungan keduanya dalam satu rumus

Agen = Model + Harness. Agentic AI adalah sebutan untuk agen semacam itu beserta sifat otonomnya. Harness adalah bagian agen yang bukan model. Jadi tidak ada agentic AI tanpa harness. Model tanpa harness hanyalah mesin penjawab teks.

Aspek Agentic AI Harness agent
Jenisnya Konsep, kategori, atau sifat sistem AI Komponen perangkat lunak yang konkret
Pertanyaan yang dijawab AI ini bisa apa? AI ini bekerja dengan cara apa?
Isinya Kemampuan: merencanakan, bertindak, mengecek, mengulang Loop, alat, akses file, memori, manajemen konteks, izin, hook
Lawan katanya AI biasa (sekali tanya, sekali jawab) Model mentah tanpa rangka
Contoh kalimat yang tepat “Claude Code termasuk agentic AI.” “Claude Code adalah sebuah harness.”
Biasanya dibahas oleh Pengguna dan pengambil keputusan bisnis Pengembang yang membangun atau menyetel agen

Analogi mobil otonom

Bayangkan mobil yang bisa menyetir sendiri:

  • “Mobil otonom” adalah kategorinya. Ini setara dengan agentic AI.
  • Otak komputer yang memutuskan kapan belok dan kapan mengerem adalah model.
  • Sensor, setir, rem, peta, dan aturan keselamatan yang mengubah keputusan menjadi gerakan nyata adalah harness.

Dua mobil dengan otak komputer yang sama bisa berkendara sangat berbeda bila sensor dan remnya berbeda kualitasnya. Begitu pula agen AI: model yang sama bisa bekerja sangat berbeda di harness yang berbeda.

Contoh sehari-hari

Saat Anda meminta Claude Code “rapikan semua file Excel di folder ini”:

  • Fakta bahwa AI itu bisa mengerjakan tugas multi-langkah sendirian adalah sifat agentic-nya.
  • Model Claude yang memutuskan langkahnya: daftar dulu isi folder, buka file satu per satu, lalu rapikan.
  • Claude Code sebagai harness-nya yang benar-benar membuka folder, menjalankan perintah, meminta izin Anda sebelum mengubah file, dan mencatat apa yang sudah dikerjakan.

Pembahasan lebih lengkap tentang sisi “bisa apa” ada di artikel kami tentang agentic AI 2026. Artikel ini fokus pada sisi “dengan cara apa”: harness-nya.

Bagaimana Harness Bekerja: Satu Putaran Demi Satu Putaran

Inti dari hampir semua harness adalah sebuah loop (putaran berulang). Pola yang paling umum disebut ReAct, singkatan dari reasoning and acting (berpikir dan bertindak). Menurut Databricks, pola ini diperkenalkan dalam makalah Shunyu Yao dan rekan-rekan pada 2022. Simon Willison, programmer yang banyak mengulas AI, meringkas agen sebagai sistem yang “menjalankan alat dalam sebuah loop untuk mencapai tujuan”.

Dokumentasi Visual Studio Code menjelaskan apa yang terjadi dalam satu putaran ketika Anda mengetik perintah ke agen:

  1. Harness menyiapkan bahan. Harness menerima permintaan Anda beserta keadaan sesi saat ini, lalu menyiapkan instruksi, konteks, dan daftar alat yang boleh dipakai untuk dikirim ke model.
  2. Model berpikir. Model membaca semuanya, lalu membalas dengan jawaban atau dengan permintaan untuk memakai alat tertentu, misalnya “baca file laporan.xlsx”.
  3. Harness memeriksa izin dan menjalankan alat. Harness mengecek aturan izin dan persetujuan, menjalankan alat di lingkungan yang tepat, lalu menangkap hasilnya.
  4. Hasil dikembalikan ke model. Model memutuskan langkah berikutnya: memakai alat lain, bertanya kepada Anda, atau menyatakan tugas selesai.
  5. Harness mencatat semuanya. Pesan, pemanggilan alat, hasil, dan perubahan kode dikaitkan dengan sesi dan ditampilkan kepada Anda.

VS Code merangkumnya dengan rapi: model memilih tindakan, harness mengoordinasikan sistem yang menjalankannya. Model tidak pernah benar-benar “menyentuh” komputer Anda. Ia hanya meminta, dan harness yang memutuskan apakah permintaan itu dijalankan.

Contoh sederhana

Misalkan Anda meminta agen: “Perbaiki error di halaman checkout.” Di balik layar kira-kira terjadi ini:

Anda   : Perbaiki error di halaman checkout.
Model  : (minta alat) cari file yang berisi "checkout"
Harness: menjalankan pencarian -> 3 file ditemukan
Model  : (minta alat) baca checkout.php
Harness: mengirim isi file
Model  : (minta alat) jalankan tes
Harness: tes gagal di baris 88, pesan error dikirim balik
Model  : (minta alat) ubah baris 88
Harness: cek izin -> diizinkan -> file diubah
Model  : (minta alat) jalankan tes lagi
Harness: tes lulus
Model  : Selesai. Penyebabnya variabel kosong di baris 88.

Setiap baris “Harness” di atas adalah pekerjaan rangka, bukan model.

Isi Harness: 10 Komponen Utama

Tidak ada satu daftar resmi, tetapi LangChain, Addy Osmani, Databricks, dan Anthropic menyebut komponen-komponen yang kurang lebih sama. Berikut penjelasannya dengan bahasa sederhana.

1. Loop agen

Mesin putaran berpikir, bertindak, mengamati, ulangi, seperti dijelaskan di atas. Harness juga memutuskan kapan loop berhenti.

2. Alat (tools)

Fungsi yang boleh dipanggil model: membaca dan menulis file, mencari di web, memanggil API, mengakses database. Menurut LangChain, harness modern biasanya juga memberi akses ke bash (terminal), sehingga model bisa “membuat alatnya sendiri” dengan menulis dan menjalankan kode, alih-alih terbatas pada alat yang sudah disiapkan. Osmani mengibaratkannya sebagai perbedaan antara mengajari orang memakai satu alat dapur dan memberinya dapur utuh.

Ada catatan penting: nama, deskripsi, dan skema setiap alat ikut masuk ke prompt di setiap permintaan. Karena itu, menurut Osmani, sepuluh alat yang fokus bekerja lebih baik daripada lima puluh alat yang tumpang tindih.

3. Sistem file dan Git

LangChain menyebut sistem file sebagai komponen paling mendasar. Model hanya bisa mengolah apa yang muat di “ingatan kerjanya” (jendela konteks). Dengan sistem file, agen punya ruang kerja untuk membaca data, menyimpan hasil sementara, dan meninggalkan catatan untuk sesi berikutnya. Git menambahkan riwayat versi, sehingga agen bisa melacak pekerjaan dan membatalkan perubahan yang salah.

4. Sandbox (lingkungan terisolasi)

Menjalankan kode buatan AI langsung di laptop Anda berisiko. Sandbox adalah lingkungan terpisah tempat agen boleh menjalankan kode, memasang paket, dan menguji hasil, tanpa membahayakan sistem utama. Harness bisa membatasi perintah apa yang boleh dijalankan dan memutus akses jaringan bila perlu.

5. Instruksi dan file aturan

System prompt dan file aturan proyek seperti CLAUDE.md atau AGENTS.md. File ini dimuat ke konteks setiap kali agen mulai bekerja, berisi konvensi seperti “pakai pengelola paket ini” atau “jangan sentuh folder legacy”. Osmani menyebutnya titik konfigurasi dengan pengaruh terbesar, dan memberi dua saran: buat singkat, dan setiap baris aturan harus berasal dari kesalahan nyata yang pernah terjadi.

6. Memori

Model tidak mengingat apa pun di luar data latihannya dan isi konteks saat ini. Satu-satunya cara “menambah pengetahuan” tanpa melatih ulang model adalah menyuntikkannya ke konteks. Harness melakukannya lewat file memori yang dibaca di awal sesi, dan lewat pencarian web atau alat seperti MCP untuk informasi yang lebih baru dari data latihan model.

7. Manajemen konteks

Ini komponen yang paling sering diremehkan. LangChain menjelaskan fenomena context rot: kemampuan model menurun ketika jendela konteksnya makin penuh. Harness punya beberapa teknik untuk mengatasinya:

  • Compaction: meringkas percakapan lama ketika konteks hampir penuh, supaya agen bisa terus bekerja.
  • Offloading keluaran alat: keluaran yang sangat panjang, misalnya log 2.000 baris, tidak dimasukkan utuh. Hanya bagian awal dan akhirnya yang ditampilkan, sedangkan versi lengkapnya disimpan di file.
  • Skills dengan pengungkapan bertahap: instruksi dan alat hanya dimuat ketika tugas memerlukannya, bukan semuanya sejak awal.
  • Context reset: menurut Anthropic, untuk tugas yang sangat panjang kadang lebih baik memulai sesi baru yang bersih dengan catatan serah terima terstruktur.

8. Hook

Hook adalah skrip yang otomatis berjalan pada momen tertentu: sebelum alat dipakai, setelah file diubah, atau sebelum commit. Osmani menyebut hook sebagai pembeda antara “saya sudah menyuruh agen melakukan X” dan “sistem memastikan X terjadi”. Contohnya: menjalankan tes setelah setiap perubahan, atau memblokir perintah berbahaya seperti rm -rf dan DROP TABLE. Prinsip yang ia kutip dari HumanLayer: sukses itu senyap, kegagalan itu lantang. Kalau tes lulus, agen tidak perlu diberi tahu apa-apa. Kalau gagal, pesan error langsung dimasukkan ke loop supaya agen memperbaikinya.

9. Izin dan pengaman

Harness menentukan aksi mana yang boleh langsung berjalan dan mana yang harus menunggu persetujuan manusia. Databricks menambahkan sisi perusahaan: kebijakan akses, persetujuan, pemantauan, dan jejak audit. Di industri yang diatur ketat, jejak audit itu sering menjadi kewajiban.

10. Orkestrasi dan sub-agen

Untuk tugas besar, harness bisa memecah pekerjaan ke beberapa agen yang masing-masing punya konteks sendiri, menjalankannya paralel, dan memilih model berbeda untuk tugas berbeda. Pola populernya adalah pemisahan perencana, pelaksana, dan penilai, yang dibahas di bagian berikutnya.

Bukti: Harness Bisa Mengubah Hasil Secara Drastis

Eksperimen Anthropic: aplikasi yang rusak vs aplikasi yang bisa dipakai

Prithvi Rajasekaran dari tim Labs Anthropic menguji perintah satu kalimat: “Create a 2D retro game maker with features including a level editor, sprite editor, entity behaviors, and a playable test mode.” Perintah yang sama dijalankan dengan model yang sama (Claude Opus 4.5) di dua cara:

Cara Durasi Biaya Hasil
Agen tunggal (solo) 20 menit 9 dolar AS Aplikasi tampak jadi, tetapi game-nya rusak: karakter muncul di layar namun tidak merespons input
Harness lengkap (perencana, pelaksana, penilai) 6 jam 200 dolar AS Perencana mengembangkan perintah menjadi spesifikasi 16 fitur dalam 10 sprint. Game bisa dimainkan, editor lebih lengkap, ada fitur AI bawaan

Harness lengkap lebih dari 20 kali lebih mahal, tetapi menurut Rajasekaran perbedaan kualitasnya langsung terlihat. Dalam percobaan lanjutan dengan Opus 4.6, harness yang sudah disederhanakan membangun aplikasi studio musik (DAW) di browser dalam sekitar 4 jam dengan biaya token sekitar 124 dolar AS.

Benchmark: naik dari peringkat 30 ke 5 tanpa ganti model

LangChain melaporkan bahwa agen coding mereka naik dari peringkat 30 besar ke 5 besar di papan peringkat Terminal Bench 2.0 hanya dengan mengubah harness, tanpa mengganti model. Menurut LangChain, di papan peringkat yang sama, model Opus 4.6 yang dijalankan di Claude Code mendapat skor jauh di bawah model yang sama di harness lain. Ini klaim LangChain sebagai pembuat harness pesaing, jadi wajar dibaca dengan kritis, tetapi intinya sejalan dengan temuan Anthropic sendiri.

Penjelasannya menarik. Menurut LangChain, produk seperti Claude Code dan Codex dilatih bersama harness-nya. Model jadi sangat mahir memakai alat-alat di harness tempat ia dilatih, tetapi bisa canggung kalau logika alatnya diubah. Itu sebabnya harness terbaik untuk tugas Anda belum tentu harness bawaan model tersebut.

Masalah yang Diselesaikan Harness

Anthropic mendokumentasikan secara terbuka kegagalan yang mereka lihat saat membiarkan agen bekerja berjam-jam membangun aplikasi web, beserta solusi berbasis harness untuk masing-masing. Daftar ini sangat berguna untuk memahami mengapa harness diperlukan.

Masalah pada agen Solusi di harness (menurut Anthropic)
Agen mencoba membuat semuanya sekaligus, kehabisan konteks di tengah jalan, lalu sesi berikutnya menemukan fitur setengah jadi tanpa catatan Agen pertama (initializer) menyusun daftar fitur lengkap. Agen berikutnya hanya mengerjakan satu fitur per sesi
Agen menyatakan proyek selesai terlalu cepat setelah melihat sebagian fitur sudah ada Daftar fitur dalam file JSON dengan status “gagal” atau “lulus”. Untuk aplikasi tiruan claude.ai, daftarnya berisi lebih dari 200 fitur
Agen meninggalkan kode berisi bug tanpa dokumentasi Setiap sesi dimulai dengan membaca file progres dan log Git, lalu diakhiri dengan commit dan catatan progres
Agen menandai fitur selesai tanpa pengujian menyeluruh Agen diberi alat otomasi browser untuk menguji seperti pengguna sungguhan, dan hanya boleh menandai “lulus” setelah diuji
Agen membuang waktu mencari cara menjalankan aplikasi Skrip init.sh yang siap menjalankan server pengembangan

Anthropic memakai analogi yang mudah dibayangkan: agen yang bekerja lintas sesi seperti proyek yang dikerjakan insinyur bergiliran shift, di mana setiap insinyur baru datang tanpa ingatan apa pun tentang shift sebelumnya. Harness yang baik adalah sistem serah terima shift yang rapi.

Mengapa penilai harus dipisah

Temuan Anthropic yang paling menarik barangkali soal menilai pekerjaan sendiri. Ketika diminta menilai hasil kerjanya sendiri, agen cenderung memuji dengan percaya diri, padahal bagi manusia kualitasnya jelas biasa saja. Solusinya adalah memisahkan agen pelaksana dari agen penilai, mirip penulis dan editor. Menurut Rajasekaran, melatih penilai terpisah agar skeptis jauh lebih mudah daripada membuat pelaksana kritis terhadap karyanya sendiri.

Penilai ini pun tidak langsung bagus. Rajasekaran menulis bahwa Claude awalnya penguji QA yang buruk: ia menemukan masalah nyata, lalu meyakinkan dirinya sendiri bahwa masalah itu tidak penting dan tetap meloloskan pekerjaan. Butuh beberapa putaran membaca log dan memperbaiki prompt penilai sampai penilaiannya sesuai harapan.

Harness Engineering: Profesi Baru?

Merancang dan memperbaiki harness kini punya nama sendiri: harness engineering. Menurut Osmani, istilah ini dicetuskan oleh Viv Trivedy, penulis artikel “The Anatomy of an Agent Harness” di blog LangChain.

Prinsip utamanya, menurut Osmani: setiap kali agen membuat kesalahan, luangkan waktu untuk merekayasa solusi supaya kesalahan itu tidak pernah terulang. Kesalahan agen bukan dianggap “nasib buruk” lalu dicoba ulang, melainkan sinyal untuk memperbaiki rangka. Contoh dari Osmani:

  • Agen tidak tahu konvensi proyek, jadi aturannya ditambahkan ke AGENTS.md.
  • Agen menjalankan perintah berbahaya, jadi dipasang hook yang memblokirnya.
  • Agen tersesat di tugas 40 langkah, jadi tugas dipecah antara perencana dan pelaksana.
  • Agen terus “menyelesaikan” kode yang rusak, jadi pengecekan otomatis dipasang di loop.

Ia mengutip HumanLayer: “it’s not a model problem. It’s a configuration problem.” Banyak kegagalan agen bukan karena modelnya bodoh, tetapi karena konfigurasinya belum tepat. Karena dibentuk oleh riwayat kegagalan di proyek masing-masing, harness yang tepat untuk Anda tidak bisa sekadar diunduh.

Harness, Model, dan Hal Lain yang Sering Tertukar

Dokumentasi VS Code membantu membedakan beberapa konsep yang sering dianggap sama:

Konsep Artinya Contoh
Model Yang berpikir dan memutuskan apa yang dikatakan atau alat apa yang diminta Claude, GPT, Gemini
Harness Rangka yang menjalankan sesi agen: loop, alat, izin, konteks, catatan sesi Claude Code, Codex, Copilot
Akses model Akun atau langganan yang memberi akses ke model dan cara penagihannya Langganan Copilot, kunci API
Peran agen Instruksi dan perilaku untuk jenis tugas tertentu di dalam harness Mode Plan, Ask, Agent
Lingkungan eksekusi Tempat alat dijalankan dan kode diubah Laptop Anda, server jarak jauh, Dev Container, cloud

Satu harness bisa menawarkan beberapa model, dan satu model bisa tersedia di beberapa harness. Menurut VS Code, memilih model Claude di dalam harness Copilot tidak sama dengan memakai harness Claude. Modelnya mungkin sama, tetapi rangka, alat, dan perilakunya berbeda.

Harness vs workflow

Anthropic, dalam tulisannya “Building Effective Agents” (Desember 2024), membedakan dua jenis sistem. Workflow adalah sistem di mana model dan alat diatur lewat jalur kode yang sudah ditentukan. Agen adalah sistem di mana model sendiri yang mengarahkan proses dan pemakaian alatnya. Harness agen adalah infrastruktur untuk jenis kedua. Anthropic juga mengingatkan: carilah solusi paling sederhana, dan tambah kerumitan hanya bila perlu, karena sistem agen menukar kecepatan dan biaya dengan kinerja yang lebih baik.

Apakah Harness Akan Hilang Kalau Model Makin Pintar?

Ini pertanyaan wajar. Kalau model sudah pandai merencanakan, untuk apa komponen perencana?

Jawabannya, sebagian memang akan hilang. Anthropic mencontohkan masalah context anxiety: Claude Sonnet 4.5 cenderung buru-buru menyelesaikan pekerjaan ketika merasa konteksnya hampir habis, sehingga harness perlu fitur context reset. Pada Opus 4.5, perilaku itu sebagian besar hilang dengan sendirinya, dan Rajasekaran bisa membuang fitur tersebut dari harness-nya. Saat Opus 4.6 rilis, ia membuang juga struktur sprint.

Tetapi harness tidak lantas menjadi tidak penting. Rajasekaran merumuskan prinsip yang kini banyak dikutip:

“Every component in a harness encodes an assumption about what the model can’t do on its own.”

Setiap komponen harness menyimpan asumsi tentang apa yang tidak bisa dilakukan model sendirian. Ketika model membaik, sebagian asumsi itu kedaluwarsa dan komponennya layak dibuang. Namun model yang lebih pintar juga membuka tugas yang lebih besar, dengan jenis kegagalan baru yang perlu dirangka ulang. Kesimpulan Rajasekaran: ruang kombinasi harness yang menarik tidak menyusut seiring model membaik. Ia berpindah.

LangChain berpandangan serupa. Sebagian fungsi harness akan diserap ke dalam model, tetapi lingkungan yang tertata, alat yang tepat, catatan keadaan yang awet, dan loop verifikasi tetap membuat model apa pun bekerja lebih efisien.

Contoh Nyata: Harness di Balik Situs Ini

Sebagai gambaran konkret, sebagian pekerjaan teknis di softovator.com dibantu agen AI yang berjalan di Claude Code. Komponen harness-nya mudah dikenali:

  • File aturan: sebuah file agent.md berisi aturan kerja, misalnya “cadangkan dulu sebelum mengubah post”, “jangan pernah mencetak kredensial”, dan “buang tautan sumber yang tidak bisa diakses”. Banyak aturan di sana lahir dari kejadian nyata, persis seperti saran Osmani.
  • Memori: catatan preferensi yang dibaca di setiap sesi baru, misalnya gaya gambar yang disukai.
  • Alat: terminal untuk menjalankan WordPress CLI, pengambil halaman web, dan pembuat gambar.
  • Izin: perintah tertentu harus disetujui manusia dulu, dan pemilik situs bisa menolak perintah kapan saja. Agen berhenti saat ditolak.
  • Verifikasi: setelah artikel terbit, agen mengecek halaman live: status HTTP, jumlah tabel, tanggal terbit, dan gambar pratinjau.

Modelnya sama dengan yang bisa dipakai siapa pun. Aturan, memori, dan langkah verifikasi itulah yang membuatnya bekerja sesuai standar situs ini.

Apa Artinya bagi Anda

Jika Anda pengguna agen AI

  • Jangan hanya membandingkan model. Saat memilih alat AI, perhatikan juga harness-nya: alat apa yang tersedia, bagaimana izinnya diatur, dan apakah ia menguji hasil kerjanya sendiri.
  • Manfaatkan file aturan. Kebanyakan harness coding mendukung file seperti CLAUDE.md atau AGENTS.md. Tulis aturan singkat berdasarkan kesalahan yang pernah Anda lihat.
  • Jangan matikan pengaman sembarangan. Mode “izinkan semua” memang praktis, tetapi lapisan izin adalah rem terakhir sebelum agen menjalankan perintah yang merusak.
  • Hati-hati memasang MCP atau plugin dari sumber tak jelas. Osmani mengingatkan bahwa deskripsi alat ikut terbaca oleh model, sehingga server MCP yang jahat bisa menyusupkan instruksi ke agen Anda bahkan sebelum Anda mengetik apa pun.

Jika Anda membangun agen

  • Mulai dari harness yang sudah ada. Osmani menyebut tren Harness-as-a-Service: Claude Agent SDK, Codex SDK, dan OpenAI Agents SDK sudah menyediakan loop, alat, manajemen konteks, hook, dan sandbox. Fokuskan tenaga pada prompt dan alat khusus untuk bidang Anda.
  • Baca jejak (trace) agen. Anthropic menyarankan untuk bereksperimen dengan model yang dipakai, membaca jejak kerjanya pada masalah realistis, lalu menyetel harness sesuai hasil yang diinginkan.
  • Pisahkan pelaksana dan penilai untuk tugas yang kualitasnya sulit diukur.
  • Uji ulang harness setiap ada model baru. Buang komponen yang tidak lagi menopang kinerja, dan tambahkan yang baru untuk mencapai kemampuan berikutnya.
  • Pikirkan tata kelola sejak awal. Databricks mengingatkan risiko agent sprawl: puluhan agen di berbagai tim yang tidak bisa diawasi, dievaluasi, atau diperbaiki secara terpusat.

Analisis Redaksi

Analisis redaksi. Selama dua tahun terakhir, percakapan publik tentang AI hampir selalu berpusat pada model: siapa yang paling pintar, siapa juara benchmark. Konsep harness menggeser pertanyaannya menjadi lebih praktis: seberapa baik AI itu dirangka untuk pekerjaan Anda?

Bagi pengguna dan perusahaan di Indonesia, ini kabar baik. Kita tidak bisa membangun model sekelas Claude atau GPT sendiri, tetapi kita bisa membangun harness yang sangat baik di atasnya: aturan kerja yang sesuai proses bisnis lokal, alat yang terhubung ke sistem yang dipakai sehari-hari, dan pengaman yang sesuai regulasi. Di sinilah nilai tambah yang realistis bisa dibuat. Pertanyaannya bukan lagi “model apa yang terbaik?”, tetapi “rangka seperti apa yang membuat model ini benar-benar bekerja untuk kita?”

Untuk memahami lebih jauh soal agen AI, Anda bisa membaca ulasan kami tentang agentic AI 2026, cara merancang sistem agentic AI dari nol, perbedaan MCP, RAG, dan AI agent, serta mengapa arsitektur bisa lebih menentukan daripada model.

Daftar Sumber

Tinggalkan Komentar & Diskusi

Punya Pendapat atau Pertanyaan?

Tuliskan tanggapan Anda pada kolom di bawah ini (tidak perlu mendaftar akun, nama & email Anda aman).

This site uses Akismet to reduce spam. Learn how your comment data is processed.