Anatomi harness
Bagian 7 · Dasar agen dan harness
| Istilah | Arti |
|---|---|
| AI harness | Lapisan perangkat lunak di sekitar model AI yang memberinya konteks, memori, alat, verifikasi, dan izin agar bisa bekerja. |
| Claude Code | Harness buatan Anthropic untuk keluarga model Claude, yang dijadikan contoh utama di video ini. |
| Codex | Harness dari OpenAI untuk rangkaian model ChatGPT, yang dibandingkan dengan Claude Code sebagai contoh di video ini. |
| context window | Batas jumlah teks yang bisa diproses model dalam satu waktu, dan kecerdasan model cenderung turun saat batas ini penuh. |
| tool calls | Permintaan yang dibuat model saat ingin melakukan tindakan nyata, seperti mencari file, yang kemudian dicocokkan harness dengan alat. |
| schema | Format baku yang menjelaskan bentuk setiap alat agar model dan harness bisa saling memahami, misalnya skema MCP. |
| permission layer | Lapisan yang memeriksa setiap pemanggilan alat dan meminta persetujuan pengguna untuk tindakan berisiko, misalnya mengirim data ke situs baru. |
| sandbox | Lingkungan virtual tempat model bebas bereksperimen tanpa bisa merusak sistem di luar area itu, sehingga dampak kesalahan tetap terbatas. |
| loop | Siklus berulang berpikir, bertindak, membaca hasil, lalu memutuskan langkah berikutnya sampai tujuan tercapai, yang disebut ReAct. |
| verification | Mekanisme memeriksa hasil kerja, misalnya lewat tes, linter, atau kalkulator, sehingga model tidak hanya percaya pada jawabannya sendiri. |
| memory | Kemampuan harness menyimpan rangkuman percakapan dan perubahan sebelumnya, termasuk compaction yang meringkas konteks saat jendela hampir penuh. |
| MCP | Model context protocol, skema populer yang memungkinkan model terhubung ke banyak aplikasi lewat alat kustom. |
Video ini membahas mengapa model AI saja belum cukup untuk bekerja di dunia nyata. Model hanya ibarat otak dalam toples yang menghasilkan teks dan tidak bisa bertindak, sehingga pekerjaan nyata dilakukan oleh harness, yaitu perangkat lunak di sekitar model. Claude Code dari Anthropic dan Codex dari OpenAI dijadikan contoh utama, tetapi pembicara menegaskan konsepnya berlaku untuk hampir semua harness dan model. Pesan intinya penting bagi siapa pun yang membangun atau memakai agen AI: performa model bisa berubah banyak hanya karena harness-nya berbeda, sehingga harness yang baik sama pentingnya dengan model yang baik.
Pembicara menguraikan lima bagian harness. Konteks memberi model informasi tentang proyek dan aturan kerja, biasanya lewat file seperti CLAUDE.md atau AGENTS.md. Memori mencakup compaction, yaitu meringkas langkah lama dan percobaan gagal saat jendela konteks hampir penuh, serta catatan perubahan yang mirip Git. Alat adalah cara model bertindak: harness mengenali permintaan alat dari teks model, mencocokkannya dengan daftar alat, lalu mengembalikan hasilnya ke model, dengan skema seperti MCP. Verifikasi memeriksa hasil kerja, misalnya dengan kalkulator, linter, atau tes yang mengembalikan kode nol saat berhasil. Izin dan sandbox memeriksa setiap pemanggilan alat lewat hook dan membatasi kerusakan di dalam lingkungan virtual. Siklus agen yang disebut ReAct mengulang berpikir, bertindak, membaca hasil, dan memutuskan langkah berikutnya sampai tujuan tercapai.
Kata kunci
- AI harness
- Claude Code
- permission layer
- context window
- Menjelaskan AI harness sebagai lapisan di sekitar model (contoh Claude Code dan Codex) yang membuat AI bisa bertindak, bukan hanya bicara.
- Mengenali komponennya: loop agen, tool calls dengan schema, permission layer, sandbox, memori, dan pengelolaan context window.
- Memahami cara harness memverifikasi hasil dan mengulang langkah sampai tujuan tercapai.
Tulis catatan pribadimu untuk modul ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.