Обсуждение языковых моделей часто сводится к сравнению GPT, Claude или Gemini. Однако на практике решающее значение имеет не самая мощная модель, а правильно собранная система вокруг неё — agent harness (харнесс). Это программная инфраструктура, которая превращает LLM из просто генератора текста в полноценного агента, способного работать над проектом итерациями, вызывать инструменты и выполнять проверки.
Автор статьи на Хабре выделяет 12 ключевых компонентов production-харнесса: оркестрационный цикл, инструменты (доступ к файлам, терминалу, GitHub, API), память, управление контекстом, конструирование промпта, парсинг вывода, управление состоянием, обработка ошибок, безопасность, проверки, субагенты и непрерывность работы. Каждый из них решает конкретную проблему, с которой сталкивается разработчик при попытке использовать ИИ в реальном проекте. Например, без управления контекстом модель не знает, что уже было сделано, а без обработки ошибок агент падает при первой же неудаче.
| Компонент | Описание |
|---|---|
| Оркестрационный цикл | Агент работает итерациями: получил задачу, подумал, сделал действие, получил результат, скорректировался. |
| Инструменты | Доступ к файлам, терминалу, браузеру, GitHub, API, базе данных и другим сервисам. |
| Память | Позволяет агенту не начинать каждый раз с нуля. |
| Управление контекстом | Выбор того, что модель должна видеть сейчас. |
| Конструирование промпта | Сборка системных правил, задачи, истории, инструментов и контекста. |
| Парсинг вывода | Понимание, что вернула модель: финальный ответ, вызов инструмента, ошибка или команда. |
| Управление состоянием | Отслеживание, где агент находится в задаче, что сделано и что осталось. |
| Обработка ошибок | Умение исправляться при сбое, а не падать. |
| Безопасность | Ограничения на опасные действия: удаление файлов, миграции, деплой. |
| Проверки | Тесты, линтеры, build, diff review, visual review. |
| Субагенты | Разделение ролей: один исследует, второй пишет, третий проверяет. |
| Непрерывность работы | Способность продолжать задачу между сессиями через git, progress-файлы и историю. |
Практическая реализация такого харнесса у автора включает несколько слоёв. Первый — Orca, специализированная IDE для оркестрации кодовых ИИ-агентов. Она позволяет запускать Claude Code, Codex, OpenCode и другие CLI-агенты параллельно, каждая задача получает свой git worktree, терминал и вкладку браузера. Это принципиально отличается от работы в обычной IDE с отдельным чатом: когда проектов несколько, Orca становится панелью управления, снижающей операционный шум.
Orca позволяет запускать несколько ИИ-агентов параллельно с изолированными git worktree и терминалами.
Второй слой — Pi Agent, основной harness, через который запускается модель (в данном случае Chat GPT 5.5). Дополнительно используется OMP* — ещё один CLI-агент с поддержкой субагентов и сложных workflow. GitHub и VPS обеспечивают хранение проекта, версионирование, деплой и стабильную среду для работы агента. В итоге получается не просто сборка из инструментов, а законченная система, где ИИ становится частью процесса: от написания кода до проверок и деплоя.
