Kratek odgovor
AI agent = LLM + harness. LLM je »možgani«, ki sklepajo in odločajo, harness je vse okoli njih – telo, čutila, spomin in refleksi –, ki te odločitve spremeni v dejanja in agenta drži pri nalogi skozi več korakov. Isti model, drugačen harness, drugačni rezultati.
1. Kaj je AI agent
AI agent je sistem, ki na podlagi cilja samostojno izvaja zaporedje korakov v okolju: bere podatke, kliče orodja, preverja rezultate in nadaljuje, dokler naloga ni opravljena. Razlika od navadnega klepetalnika:
| Klepetalnik (chat) | AI agent | |
|---|---|---|
| Vhod | eno vprašanje | cilj / naloga |
| Izhod | en odgovor | rezultat v okolju (datoteka, zapis v CRM, opravljeno naročilo) |
| Število korakov | 1 | N (zanka) |
| Orodja | ne / minimalno | da (API, baze, datotečni sistem, brskalnik) |
| Stanje med koraki | ni | da (spomin, načrt, vmesni rezultati) |
| Kdo vodi tok | človek | agent (človek nadzira) |
1.1 Agentna zanka (agent loop)
V jedru večine agentov je ponavljajoč cikel: model prebere celoten kontekst – nalogo, spomin in prejšnje rezultate – ter odloči, kaj storiti naprej.
┌──────────────────────────────────────────┐
│ AGENTNA ZANKA │
│ │
cilj ─┼─▶ 1. RAZMISLI (LLM) │
│ │ "kateri korak sledi?" │
│ ▼ │
│ 2. UKREPAJ (harness kliče orodje) │
│ │ │
│ ▼ │
│ 3. OPAZUJ (harness vrne rezultat) │
│ │ │
│ ▼ │
│ 4. PREVERI → cilj dosežen? ──ne──▶ 1. │
│ │da │
└────────┼─────────────────────────────────┘
▼
rezultat
2. Kaj je LLM v tem sistemu
LLM (veliki jezikovni model) je statistična komponenta za sklepanje: vzame besedilo (kontekst) in vrne besedilo (odločitev, odgovor, klic orodja v strukturirani obliki). Tri lastnosti, ki določajo, zakaj potrebuje harness:
- Brez stanja (stateless). Harnessi so nastali, ker so LLM-ji privzeto brez stanja – vsaka nova seja se začne »slepa«.
- Nedeterminističen. Ker je ovita komponenta nedeterministična, je harness zasnovan tako, da se elegantno pobere, kadar model izmisli dejanje ali javi, da je naloga končana, čeprav ni.
- Ne izvaja ničesar sam. Model lahko zapiše »pokliči API X«, ne more pa ga poklicati – to naredi harness.
LLM torej odloča, ne dela.
3. Kaj je harness
Harness je vse, kar ovija LLM – izvajanje orodij, spomin, upravljanje konteksta, ohranjanje stanja – razen samega modela. Model sklepa, harness deluje: model bere kontekst in se odloči, harness te odločitve spremeni v dejanja tako, da model poveže z orodji, spominom in zunanjimi sistemi.
3.1 Sestavni deli harnessa
| # | Komponenta | Funkcija |
|---|---|---|
| 1 | Orkestracija / zanka | vodi cikel razmisli → ukrepaj → opazuj; odloča, kdaj se ustavi |
| 2 | Upravljanje konteksta | izbira, kaj gre v vhod modela v vsakem koraku (context engineering) |
| 3 | Izvajanje orodij | dejansko kliče API-je, zaganja kodo, bere datoteke; vrača rezultate |
| 4 | Spomin in stanje | kratkoročno (v seji) in dolgoročno (med sejami); zapiše, kje je ostal |
| 5 | Varovala (guardrails) in dovoljenja | kaj agent sme, kdaj mora vprašati človeka, kaj je prepovedano |
| 6 | Preverjanje (verification) | testi, validacija izhoda, primerjava s specifikacijo |
| 7 | Obnova po napaki | ponovni poskus, drug pristop, eskalacija |
| 8 | Beleženje (logging, trajectories) | revizijska sled vsakega koraka |
| 9 | Izvajalno okolje (sandbox) | izolirano mesto, kjer se dejanja izvajajo |
Če model poskusi nevarno dejanje, ga lahko filtri v harnessu prestrežejo; harness lahko tudi zagotovi, da agent sledi postopkom – npr. vedno navaja vire ali vedno zahteva potrditev uporabnika pred nepovratnim dejanjem.
3.2 Harness engineering kot disciplina
Izraz »harness engineering« se je pojavil v začetku leta 2026; več virov ga pripisuje objavi Mitchella Hashimota (soustanovitelj HashiCorp), ki je opisal prakso trajne popravka v agentovem okolju ob vsaki njegovi napaki; drugi ga pripisujejo Viveku Trivedyju iz LangChaina in formuli Agent = Model + Harness. Ključna miselna sprememba: vsak neuspeh agenta je sistemska napaka, ki jo je treba trajno odpraviti, ne poziv, ki ga ponovno poskusimo.
Harness engineering se pogosto umešča kot širši sloj od prompt engineeringa (optimizira eno interakcijo) in context engineeringa (določa, kaj model vidi v danem trenutku); harness načrtuje celotno operativno okolje in vsebuje obe kot dela.
┌───────────────────────── HARNESS ENGINEERING ─────────────────────────┐
│ ┌──────────────── CONTEXT ENGINEERING ────────────────┐ │
│ │ ┌──────── PROMPT ENGINEERING ────────┐ │ orodja │
│ │ │ navodila, primeri, format izhoda │ spomin, │ varovala │
│ │ └────────────────────────────────────┘ RAG, stanje│ preverjanje │
│ └─────────────────────────────────────────────────────┘ sandbox │
└───────────────────────────────────────────────────────────────────────┘
3.3 Arhitektura celotnega sistema
╔══════════════════════ AI AGENT ══════════════════════╗
║ ║
UPORABNIK ──cilj──────▶ ║ ┌────────────────── HARNESS ──────────────────────┐ ║
║ │ │ ║
║ │ [Orkestracija/zanka] │ ║
║ │ │ │ ║
║ │ ▼ │ ║
║ │ [Upravljanje konteksta] ◀──── [Spomin/stanje] │ ║
║ │ │ │ ║
║ │ ▼ vhod (besedilo) │ ║
║ │ ┌───────────┐ │ ║
║ │ │ LLM │ ──▶ odločitev / klic orodja │ ║
║ │ └───────────┘ │ ║
║ │ │ │ ║
║ │ ▼ │ ║
║ │ [Varovala/dovoljenja] ─X─ blokirano ──▶ človek │ ║
║ │ │ dovoljeno │ ║
║ │ ▼ │ ║
║ │ [Izvajanje orodij] ◀──▶ OKOLJE (API, DB, FS) │ ║
║ │ │ │ ║
║ │ ▼ │ ║
║ │ [Preverjanje] ──▶ [Beleženje] ──▶ nazaj v zanko│ ║
║ └─────────────────────────────────────────────────┘ ║
╚══════════════════════════════════════════════════════╝
Ključna posledica: več modelov si lahko deli isti harness – model je zamenljiva komponenta. Zato ni nenavadno, da dva izdelka uporabljata isti LLM, tisti z boljšim harnessom – boljšo podporo orodjem, spominu in vodenju uporabnika – pa ponudi bistveno boljšo izkušnjo.
4. Ponazoritev na človeškem telesu
4.1 Osnovna preslikava
| Del telesa | Komponenta sistema | Vloga |
|---|---|---|
| Možganska skorja (neokorteks) | LLM | sklepanje, jezik, odločanje – »kaj naj storim naprej« |
| Delovni spomin (tistih ~7 stvari, ki jih držite v glavi) | kontekstno okno LLM | kar model »vidi« v tem trenutku; omejeno, se hitro polni |
| Čutila (oči, ušesa, koža) | vhodni sloj harnessa – upravljanje konteksta, RAG, opazovanje | zaznava stanja okolja in ga pretvori v obliko, ki jo možgani razumejo |
| Živčevje (živci, prenos signalov) | orkestracija / zanka | prenaša odločitve iz možganov v mišice in povratne informacije nazaj |
| Mišice, roke, glasilke | izvajanje orodij (tools) | edini del, ki dejansko spremeni svet; možgani sami ne morejo dvigniti kozarca |
| Hipokampus + zvezek/koledar | dolgoročni spomin, ohranjanje stanja | shrani, kaj se je zgodilo, da naslednji dan nadaljujete, kjer ste ostali |
| Hrbtenjača, refleksi | varovala (guardrails), dovoljenja | umik roke z vroče plošče se zgodi preden možgani razmislijo – hitro, deterministično, mimo sklepanja |
| Imunski sistem | validacija vhodov, filtri (prompt injection, škodljive vsebine) | prepozna in nevtralizira, kar ne sodi v sistem |
| Bolečina, propriocepcija | preverjanje, testi, povratna zanka | povratna informacija, ali je bilo dejanje uspešno; brez nje »hodite s polomljeno nogo« |
| Mišični spomin, naučene rutine | skills, standardni postopki, sistemski pozivi | vozite avto brez razmišljanja o vsaki prestavi |
| Okostje | izvajalno okolje, sandbox, runtime | daje strukturo in meje, znotraj katerih se vse dogaja |
| Srčni utrip / cirkadiani ritem | takt zanke, časovniki, prekinitve | določa, kdaj se naredi naslednji korak in kdaj se sistem ustavi |
| Celoten človek z nalogo | AI agent | oseba, ki je dobila nalogo in jo samostojno opravi |
| Ekipa / organizacija | večagentni sistem | več ljudi z vlogami, protokoli sporočanja, vodja (orchestrator) |
4.2 Vizualno
ČLOVEK = AI AGENT
┌──────────────────────┐
│ ┌────────┐ │
│ │ MOŽGANI│ ◀────┼──── LLM: sklepa, odloča
│ │(skorja)│ │ delovni spomin = kontekstno okno
│ └───┬────┘ │
│ oči ◀──┤──▶ ušesa │ ◀── ČUTILA = upravljanje konteksta, RAG
│ │ │
│ ╔══════╧═══════╗ │
│ ║ HRBTENJAČA ║ ◀─┼──── REFLEKSI = varovala, dovoljenja
│ ║ (refleksi) ║ │ (ustavijo, preden možgani sploh razmislijo)
│ ╚══════╤═══════╝ │
│ │ živci │ ◀── ŽIVČEVJE = orkestracija, zanka
│ ┌────┴────┐ │
│ roka roka │ ◀── MIŠICE = orodja (edine spremenijo svet)
│ │ │ │
│ hipokampus + zvezek │ ◀── SPOMIN = stanje med sejami
│ imunski sistem │ ◀── filtri, validacija vhodov
│ okostje │ ◀── runtime / sandbox
└──────────────────────┘
│
▼
OKOLJE (svet, v katerem dela)
HARNESS = vse, kar ni možganska skorja.
4.3 Zakaj analogija dobro pojasni tri ključne točke
1. Zakaj LLM sam ni agent. Predstavljajte si možgane v posodi brez telesa: razmišljajo odlično, a ne morejo ničesar narediti niti ničesar novega zaznati. To je klepetalnik. Šele s telesom (harness) postanejo oseba, ki dela.
2. Zakaj je harness pomemben, čeprav »ni pameten«. Harness modela ne naredi pametnejšega, ampak ga spremeni v del zaprtega delovnega sistema; učinkovitost agenta ni odvisna samo od LLM-ja, temveč od tega, ali okolje nalogo naredi razumljivo, izvedljivo in preverljivo. Vrhunski kirurg brez rok, orodij, ekipe in sterilne sobe ne more operirati – in nihče ne bi rekel, da je problem v njegovem znanju.
3. Zakaj je LLM brez stanja tako velika ovira. Model je kot oseba z anterogradno amnezijo (film Memento): vsako jutro se zbudi brez spomina na včeraj. Edina rešitev so zapiski, fotografije in rutine – to je natanko funkcija spomina in ohranjanja stanja v harnessu. Brez tega agent vsak dan začne od začetka.
4.4 Kje analogija odpove (pomembno za pravilno predstavo)
| Točka | Pri človeku | Pri agentu |
|---|---|---|
| Zamenljivost možganov | nemogoča | normalna praksa – isti harness, drug model (Claude → GPT → lokalni Llama) |
| Vzporednost | ena oseba, ena stvar naenkrat | en harness lahko poganja 100 vzporednih instanc modela |
| Refleksi | prirojeni, fiksni | varovala napiše razvijalec in jih lahko spreminja brez dotika modela |
| Učenje iz napak | v možganih | v harnessu – raziskave o »Self-Harness« obravnavajo agente, ki iz lastnih neuspehov predlagajo in preverjajo spremembe svojega harnessa, model ostane nespremenjen |
5. Praktična posledica za svetovalno delo
Za SME projekte in skladnost z AI Act to pomeni, da skoraj vsi nadzorni mehanizmi živijo v harnessu, ne v modelu: revizijska sled (beleženje korakov), človeški nadzor (dovoljenja, eskalacija pred nepovratnim dejanjem), omejevanje dostopa do podatkov (informacijski tokovi med agenti), testiranje in preverjanje izhodov. Raziskovalno se harness formalizira kot sistem izvajanja, omejen s politikami, kjer politika dovoljenj določa, kateri agenti smejo dostopati do katerih orodij in virov, politika informacijskega toka pa, katere informacije se smejo deliti med agenti. Ko stranka vpraša »kateri model je varen«, je prava razprava večinoma »kakšen je harness«.
Slovar (EN → SL)
| Izraz | Pomen |
|---|---|
| Agent | sistem, ki samostojno izvaja večstopenjsko nalogo v okolju |
| Harness | programska infrastruktura okoli modela (orodja, spomin, zanka, varovala); vse razen modela |
| Harness engineering | disciplina načrtovanja in trajnega izboljševanja harnessa |
| Agent loop | cikel razmisli → ukrepaj → opazuj → preveri |
| Tool / tool call | zunanja funkcija (API, koda), ki jo model zahteva, harness pa izvede |
| Context window | količina besedila, ki ga model vidi naenkrat (delovni spomin) |
| Context engineering | izbira in oblikovanje tega, kar gre v kontekstno okno |
| State persistence | shranjevanje stanja med sejami |
| Guardrails | pravila in filtri, ki omejujejo dejanja agenta |
| Sandbox | izolirano izvajalno okolje |
| Trajectory | zapis vseh korakov ene izvedbe (revizijska sled) |
| Stateless | brez vgrajenega spomina med klici |
| Orchestrator | komponenta (ali agent), ki razporeja podnaloge v večagentnem sistemu |
Predpostavke in samopreverjanje
- Predpostavka: zanima vas konceptualna raven za predavanja/svetovanje, ne implementacija v določenem ogrodju (CrewAI, LangGraph, Claude Agent SDK) – če želite, lahko isto preslikavo naredim na konkretnem ogrodju ali na vaši CodeAct arhitekturi.
- Definicija harnessa v virih ni popolnoma poenotena; uporabil sem prevladujočo (»vse razen modela«), akademske različice so navedene v citatih.
- Analogija s telesom je poučna, ne tehnično natančna; točke, kjer odpove, so navedene v 4.4.
- Zahteve pokrite: agent ✓, delovanje (zanka) ✓, harness ✓, vloga LLM ✓, razmerja ✓, ponazoritev s telesom ✓, diagrami ✓, tabele ✓, slovar ✓.
Infografike: zgenerirane v ChatGPT-ju na podlagi raziskovalnega besedila.