SSD Nodes Learn Hosting plans →
Przewodniki Matt ConnorAutor: Matt Connor · Zaktualizowano 2026-10-30

Czym jest agent harness w systemach AI?

Agent harness to program otaczający model LLM, który zarządza pętlą wywołań, narzędziami oraz stanem sesji. Sprawdź, jak odróżnić środowisko uruchomieniowe od samego modelu.

Czym jest środowisko uruchomieniowe agenta

Środowisko uruchomieniowe agenta (ang. agent harness) to program, który otacza model językowy i przekształca go w agenta. Zarządza on pętlą, która wielokrotnie wywołuje model, przechowuje definicje narzędzi, z których model może korzystać, oraz zasady uprawnień decydujące o tym, które z tych wywołań zostaną faktycznie wykonane. Środowisko to utrzymuje również stan sesji między kolejnymi turami konwersacji oraz katalog roboczy, w którym wykonywane są zadania. Model wewnątrz tego środowiska jest wymienny.

To ostatnie zdanie jest kluczowe. Samodzielny model odpowiada na pytanie i zapomina o użytkowniku. Środowisko uruchomieniowe pyta model o następny krok, wykonuje polecenie wskazane przez model, przekazuje wynik z powrotem i ponawia zapytanie. Ta powtarzalność jest tym, co rozumie się przez pojęcie "agenta". Jeśli użyta terminologia jest nadal niejasna, różnica między agentem AI, modelem LLM a asystentem wyjaśnia te pojęcia przed wyborem odpowiedniego narzędzia.

Harness to nie model

Te dwa pojęcia są mylone, ponieważ dostawcy oferują je pod jedną nazwą handlową.

dsh oraz DeepSeek to różne produkty. DeepSeek Harness, opublikowany pod adresem github.com/deepseek-ai/deepseek-harness w dniu 13 sierpnia 2026 roku na licencji MIT, jest programem Node instalowanym na maszynie. Modele DeepSeek to wagi udostępniane za pośrednictwem API (application programming interface). Skieruj dsh na model innego dostawcy, a narzędzie nadal będzie działać, ponieważ harness wymaga jedynie komponentu, który przyjmuje komunikaty i zwraca wywołania narzędzi.

Claude Code i Claude tworzą taką samą parę. Claude Code to harness: program terminalowy z pętlą, systemem uprawnień oraz narzędziami do obsługi plików i powłoki. Claude to rodzina modeli, z której korzysta domyślnie. Codex i Gemini CLI dzielą się w ten sam sposób.

Oto test, który zawsze rozstrzyga tę kwestię. Instalujesz harness. Wywołujesz model. Jeśli dany element posiada wersję na dysku i plik konfiguracyjny w katalogu domowym, jest to harness. Jeśli jest to ciąg znaków wewnątrz tego pliku konfiguracyjnego, taki jak deepseek-flash, jest to model.

Na czym faktycznie polega pętla

Pojedynczy obieg pętli sterującej (harness) wygląda następująco. Warto przeanalizować to powoli, ponieważ niemal każda różnica między implementacjami wynika z przebiegu tych pięciu kroków.

  1. Harness przesyła dotychczasową konwersację wraz z listą definicji narzędzi do modelu.
  2. Model odpowiada tekstem lub żądaniem wywołania jednego z narzędzi.
  3. Harness weryfikuje żądanie pod kątem reguł uprawnień, a następnie wykonuje je lub przerywa działanie, aby zapytać użytkownika o zgodę.
  4. Harness uruchamia narzędzie, przechwytuje wyjście oraz kod wyjścia, a w przypadku zbyt dużej ilości danych – przycina wynik.
  5. Harness dołącza wynik do konwersacji i wraca do kroku 1.

Krok 3 to miejsce, w którym implementacje różnią się najbardziej w codziennym użytkowaniu. Harness pytający o zgodę przed każdym poleceniem jest bezpieczny, ale męczący. Harness, który nigdy nie pyta, ostatecznie wykona destrukcyjne polecenie w ścieżce błędnie zinterpretowanej przez model. Claude Code wspiera ustawienie pośrednie: listę dozwolonych poleceń (allowlist), które uruchamiają się bez pytania, oraz monit o potwierdzenie dla pozostałych operacji.

Krok 1 stanowi źródło pozostałych różnic. Harness tworzy również system prompt, czyli stałą instrukcję mówiącą agentowi, kim jest i jak ma działać, dołączaną do każdego żądania. Claude Code pozwala na bezpośrednią edycję tego parametru, ponieważ styl wyjściowy modyfikuje system prompt, co wpływa na każdą otrzymaną odpowiedź. Konwersacja wydłuża się z każdym krokiem, a model posiada ograniczone okno kontekstowe, dlatego harness musi decydować, co usunąć, co podsumować, a co zapisać do pliku i odczytać później. Ta decyzja w głównej mierze odpowiada za różnice w jakości pracy dwóch różnych implementacji sterujących tym samym modelem. Jeśli powyższe pięć kroków wydaje się zbyt abstrakcyjne, najlepszym rozwiązaniem jest samodzielne napisanie prostej pętli, co jest dokładnie tym, do czego zachęca etapowa ścieżka nauki agentów AI.

Większość implementacji łączy się obecnie z zewnętrznymi narzędziami poprzez MCP (model context protocol). Jest to standard pozwalający udostępnić narzędzie każdemu harnessowi, który go obsługuje, dzięki czemu jedna integracja działa z wieloma rozwiązaniami. Uruchamianie serwerów MCP na VPS opisuje ten aspekt. Wyszukiwanie w sieci jest zazwyczaj pierwszym narzędziem dodawanym przez użytkowników, a skierowanie agenta na własną instancję SearXNG pozwala uniknąć zapytań do stron trzecich, jednocześnie przypominając, że każda strona odczytana przez agenta jest niezaufanym danym wejściowym trafiającym do pętli.

Harness agenta a framework agenta

To pytanie pojawia się za każdym razem, gdy debiutuje nowy harness, a odpowiedzi są sprzeczne, częściowo dlatego, że sami dostawcy nie są zgodni. Oto wersja, która jest poprawna.

Framework to biblioteka, którą importujesz. Agent jest składany w kodzie, przy użyciu pętli frameworka lub własnej implementacji. LangChain jest znanym przykładem: otrzymujesz klocki i składasz agenta w kodzie.

Harness to program, który uruchamiasz. Pętla jest już napisana, narzędzia już istnieją, a model uprawnień ma domyślne ustawienia. Otrzymujesz działającego agenta po wydaniu pierwszego polecenia i od tego momentu go konfigurujesz.

O tym zazwyczaj decyduje test instalacji. Jeśli instalujesz narzędzie, a następnie piszesz kod, jest to framework. Jeśli instalujesz narzędzie, a następnie komunikujesz się z nim, jest to harness.

Granica ta jest autentycznie sporna, a najjaśniejszym dowodem jest dokumentacja samego LangChain. Według stanu na październik 2026 określa ona Deep Agents jako "harness agenta", a jednocześnie jako "samodzielną bibliotekę zbudowaną na bazie podstawowych komponentów LangChain dla agentów", podczas gdy repozytorium langchain-ai/deepagents nazywa siebie "harnessem agenta typu batteries-included". Oba opisy są poprawne. Deep Agents to Python SDK (software development kit), który importujesz, więc test instalacji klasyfikuje go jako bibliotekę, ale dostarcza on wystarczająco dużo domyślnych zachowań, by użytkownicy traktowali go jak harness. Microsoft ogłosił ogólną dostępność Hosted Agents w ramach Foundry Agent Service 9 lipca 2026, a wpis z 22 lipca 2026 ogłasza wydanie Microsoft Agent Framework Harness, co pokazuje, że termin ten stał się kategorią produktu, a nie tylko żargonem.

Zadaj więc pytanie, które pozwoli przewidzieć Twój nakład pracy. Jeśli piszesz pętlę, odpowiadasz za nią: za ponowne próby, przycinanie kontekstu, monity o uprawnienia i rejestr zdarzeń. Jeśli pętla jest dostarczona w gotowym produkcie, przejmujesz cudze rozwiązania wszystkich tych kwestii, co pozwala znacznie szybciej rozpocząć pracę, ale utrudnia późniejsze wprowadzanie zmian.

Czym różni się harness od okna czatu

Okno czatu oraz harness wyświetlają dane wyjściowe modelu. Różnica polega na tym, na czyim komputerze wykonywana jest praca. W oknie czatu każdy kod uruchamiany przez model wykonuje się wewnątrz piaskownicy dostawcy, na przesłanych plikach. Harness uruchamia narzędzia na maszynie, na której został zainicjowany, z uprawnieniami użytkownika, który go uruchomił, na rzeczywistych plikach oraz z wykorzystaniem rzeczywistych poświadczeń w swoim środowisku.

To cała zaleta i całe ryzyko ujęte w dwóch zdaniach. Agent może wreszcie wykonać pracę. Agent może również tę pracę usunąć.

Rzeczywiste implementacje harnessów

Ta lista jest celowo datowana na 19 sierpnia 2026 roku. Kategoria ta zmienia się co tydzień, więc każde zestawienie szybko traci aktualność.

  • Claude Code oraz Codex to harnessy dostawców. Działają w trybie terminalowym, domyślnie są powiązane z modelami danego dostawcy i oferują najbardziej dopracowany system zarządzania uprawnieniami. Porównanie Claude Code, Cursor, Codex i Copilot szczegółowo omawia te rozwiązania.
  • DeepSeek Harness (dsh) jest udostępniony na licencji MIT i opiera się na jednej koncepcji: wszystko jest wtyczką. Modele, narzędzia, sesje, środowiska izolowane (sandboxy) oraz interfejs użytkownika to wymienne elementy. Każda zainstalowana wtyczka działa w ramach uprawnień agenta, dlatego weryfikacja dostępu wtyczki dsh przed jej dodaniem jest tutaj istotniejsza niż w przypadku harnessów ze stałym zestawem narzędzi.
  • Hermes, stworzony przez Nous Research, to ogólny agent autonomiczny, a nie tylko narzędzie do programowania. Został wydany na licencji MIT w lutym 2026 roku, a jego wbudowana pamięć jest lokalna: wspomnienia i umiejętności przechowywane są jako pliki w ~/.hermes, a historia sesji w lokalnej bazie danych SQLite. Obraz ten zmienia się po włączeniu opcjonalnych zewnętrznych dostawców pamięci, takich jak Mem0 czy Hindsight. Według dokumentacji Hermes z października 2026 roku, aktywny dostawca otrzymuje każdą turę konwersacji po każdej odpowiedzi oraz kopię każdego zapisu do pamięci wbudowanej, co oznacza, że dane są przechowywane również u tego dostawcy. Warto przeczytać porównanie Hindsight i Mem0 przed ich aktywacją, a samodzielne hostowanie Hermes na VPS przeprowadzi przez pozostałe kroki.
  • Omnigent to meta-harness: steruje innymi harnessami, w tym Claude Code i Codex, za pomocą jednego API ze współdzielonymi sesjami, limitami wydatków i sandboxem na poziomie systemu operacyjnego. Omnigent jako harness wieloagentowy wyjaśnia korzyści płynące z tego rozwiązania.
  • OneCLI to izolowany harness przeznaczony dla zespołów, zbudowany wokół bramy (gateway), która wstrzykuje poświadczenia do wychodzących żądań agenta, dzięki czemu sam agent nigdy nie widzi rzeczywistych kluczy.

Trzy z wymienionych rozwiązań często trafiają na listę krótką, dlatego warto przeczytać zestawienie DeepSeek Harness, Claude Code i Omnigent, które omawia powiązania z modelami, licencje, dojrzałość oprogramowania oraz wymagania serwerowe.

Szybki start dsh to pojedyncze polecenie, a jego jednorazowe uruchomienie jest najszybszym sposobem na sprawdzenie działania harnessa. Wymaga zainstalowanego Node.js na maszynie.

npx @deepseek-ai/dsh web

Uruchamia to interfejs webowy (UI) pod adresem http://127.0.0.1:3080. Przed rozpoczęciem pracy należy przeczytać plik README, ponieważ dsh określa się jako wersja poglądowa dla programistów (developer preview) i wyraźnie zaznacza, że wystąpią zmiany niekompatybilne wstecz. Jeśli pierwsze polecenie zakończy się niepowodzeniem lub pobierze nieoczekiwaną wersję, przypięcie konkretnej wersji dsh i wyczyszczenie pamięci podręcznej npx zazwyczaj rozwiązuje problem. Uruchamianie DeepSeek Harness na VPS opisuje instalację serwerową, a dlaczego ten adres zaczyna się od 127.0.0.1 wyjaśnia domyślne ustawienie pętli zwrotnej (loopback).

Routery znajdują się powyżej harnessa

Router modelu to lokalny proxy działający pomiędzy harness a API dostawcy. Claude Code Router jest typowym przykładem: domyślnie wiąże się z 127.0.0.1:3456, przyjmuje żądania, które Claude Code wysłałby do swojego dostawcy, i przekazuje je do skonfigurowanego dostawcy. Harness nie otrzymuje żadnej informacji o zmianie.

Routery istnieją, ponieważ model można wymieniać, co stanowi potwierdzenie głównej tezy tego wpisu. Koncentrują one również ryzyko, ponieważ proxy widzi każdy prompt i przechowuje każdy klucz dostawcy. Należy traktować je jak infrastrukturę, a nie jak udogodnienie. Miejsce przechowywania kluczy API i ustawień modelu przez harness stanowi ten sam problem, tyle że na niższym poziomie.

Co zmienia się, gdy środowisko uruchomieniowe działa na VPS

Cztery elementy ulegają zmianie, gdy środowisko przenosi się z laptopa na wynajęty serwer.

Działa nadal po zamknięciu pokrywy. Długotrwałe zadanie przetrwa podróż i rozładowanie baterii. Uruchom je wewnątrz tmux i odłącz się od sesji:

tmux new -s agent
# start the harness, then press Ctrl-b and then d to detach
tmux attach -t agent

W przypadku zadań, które mają powrócić po restarcie, usługa użytkownika jest lepszym rozwiązaniem niż sesja terminala:

loginctl enable-linger $USER
systemctl --user status my-agent.service

loginctl enable-linger to element, który jest często pomijany. Bez niego domyślnym zachowaniem systemd jest zatrzymanie menedżera usług użytkownika 10 sekund po zamknięciu ostatniej sesji, więc usługa użytkownika nie utrzyma agenta w działaniu po wylogowaniu. Uruchamianie dsh w trybie headless pod systemd zawiera plik jednostki. Gdy na serwerze działa już jedna sesja, można uruchomić drugą, a dwie sesje Claude Code na tej samej maszynie mogą przesyłać sobie wiadomości, dzięki czemu sesja uruchomiona rano może przekazać zadanie drugiej bez ręcznego pośrednictwa.

Przechowuje klucze. Klucz dostawcy znajduje się teraz w pliku konfiguracyjnym na serwerze. Sprawdź, kto ma uprawnienia do jego odczytu:

ls -l ~/.config

Każdy proces działający na koncie użytkownika może odczytać ten plik, w tym agent oraz wszystko, co agent uruchomi.

Ma dostęp do innych maszyn. VPS w tej samej sieci prywatnej co pozostałe urządzenia zapewnia agentowi trasę do nich. Jest to główny cel, ale również zakres potencjalnego zagrożenia.

Jest dostępny z dowolnego miejsca. Większość środowisk udostępnia interfejs WWW i z określonego powodu wiąże go z adresem loopback. Sprawdź swój:

ss -tlnp | grep 3080

127.0.0.1:3080 oznacza, że tylko sam serwer może nawiązać połączenie. 0.0.0.0:3080 oznacza, że interfejs nasłuchuje na wszystkich interfejsach, więc każdy, kto ma dostęp do publicznego adresu serwera, może się połączyć, o ile firewall nie blokuje tego portu. Według stanu na październik 2026 dsh odrzuca taki adres wieloznaczny przy starcie, ale wiele innych interfejsów WWW go akceptuje. Uzyskaj dostęp do interfejsu loopback przez tunel SSH zamiast zmieniać adres wiązania:

ssh -N -L 3080:127.0.0.1:3080 you@your-server

Następnie otwórz http://127.0.0.1:3080 w przeglądarce na laptopie. Ruch odbywa się wewnątrz sesji SSH, więc żadne nowe zasoby nie są wystawiane na działanie Internetu.

Każdy z tych punktów stanowi również argument dotyczący bezpieczeństwa

Przeanalizuj ponownie te cztery właściwości z perspektywy atakującego.

Agent działa bez nadzoru, więc nikt nie monitoruje momentu, w którym model błędnie zinterpretuje ścieżkę. Przechowuje on Twoje klucze, więc jeden czytelny plik konfiguracyjny oznacza przejęcie całego konta u dostawcy. Może on uzyskać dostęp do innych Twoich maszyn, więc wstrzyknięcie polecenia (prompt injection) – czyli instrukcji ukrytych na stronie internetowej lub w pliku odczytywanym przez agenta – otwiera drogę do hosta z bazą danych. Jest on dostępny z dowolnego miejsca, więc interfejs webowy nasłuchujący na publicznym adresie, bez firewalla i własnego mechanizmu uwierzytelniania, staje się powłoką dla każdego, kto go znajdzie. dsh umieszcza token procesu w adresie URL wyświetlanym przy starcie, co pomaga, ale ten adres URL jest teraz poświadczeniem, więc należy go traktować z taką samą ostrożnością jak hasło.

Rozwiązanie w każdym z tych przypadków jest prozaiczne i za każdym razem sprowadza się do tego samego. Przypisz agentowi własne konto użytkownika z ograniczonymi uprawnieniami zamiast używać własnego:

sudo adduser --disabled-password --gecos "" agent

Utrzymuj interfejs webowy na interfejsie loopback i uzyskuj do niego dostęp przez SSH. Nadaj agentowi najbardziej ograniczone poświadczenia, które pozwalają mu wykonać zadanie, co szczegółowo opisano w utrzymywanie sekretów poza agentami AI. W przypadku wszystkiego, co działa pod Twoją nieobecność, maszyna jednorazowa jest lepsza od starannie skonfigurowanej: uruchamianie agentów programistycznych w tymczasowej maszynie wirtualnej oraz bezpieczne uruchamianie Claude Code na VPS to podejścia, które realizują tę strategię.

Czy potrzebny jest agent harness?

Jeśli praca polega na zadawaniu pojedynczych pytań, wystarczy okno czatu, a harness jedynie dodaje pętlę wymagającą nadzoru. Harness staje się opłacalny, gdy zadanie składa się z wielu kroków wykonywanych na rzeczywistych plikach lub gdy musi być kontynuowane pod nieobecność użytkownika.

Większość rozwiązań w tej kategorii jest na wczesnym etapie rozwoju. dsh w swoim pliku README z października 2026 roku wskazuje na status developer preview, a pozostałe narzędzia zmieniają się na tyle szybko, że plik konfiguracyjny utworzony dzisiaj może wymagać edycji w przyszłym miesiącu. Jest to powód, by utrzymywać konfigurację w małej i odtwarzalnej skali oraz dokumentować wprowadzone zmiany. Ta sama powściągliwość pomaga wewnątrz pętli, gdzie umiejętność kierowania agenta ku najmniejszej działającej zmianie pozwala uzyskać diff, który można faktycznie przeanalizować po zakończeniu pracy bez nadzoru. Należy zacząć od jednego harnessa na jednym serwerze, przydzielić mu jedno zadanie i jeden klucz o ograniczonych uprawnieniach, a dostęp rozszerzać dopiero wtedy, gdy pierwsze zadanie będzie przebiegać bezproblemowo przez tydzień. Wartościowe agenty typu self-hosted, które warto uruchomić dzisiaj stanowią odpowiednie miejsce do wyboru pierwszego narzędzia.

FAQ

Czym w uproszczeniu jest agent harness?

To program otaczający model. Model generuje tekst i żądania użycia narzędzi. Harness obsługuje pętlę, która ponawia zapytania, wykonuje żądane przez model narzędzia, egzekwuje reguły dotyczące tego, które narzędzia mogą działać bez uprawnień, oraz przechowuje stan sesji i pliki pomiędzy kolejnymi krokami. Możliwość wymiany modelu przy zachowaniu działania harnessa jest najczytelniejszym dowodem na to, że są to odrębne elementy.

Czy Claude Code to model, czy harness?

Claude Code to harness. Jest to program terminalowy z pętlą, systemem uprawnień oraz wbudowanymi narzędziami do obsługi plików i powłoki. Claude to rodzina modeli, z której program korzysta domyślnie. Ten sam podział dotyczy DeepSeek Harness (dsh), który jest instalowalnym programem w Node, oraz modeli DeepSeek, udostępnianych przez API. Harness instaluje się na maszynie. Model wywołuje się przez sieć.

Jaka jest różnica między agent harness a agent framework?

Framework to biblioteka, którą importujesz i w oparciu o którą piszesz kod, korzystając z jej pętli lub tworząc własną. Harness to gotowy program, który uruchamiasz, więc pętla, mechanizmy ponawiania prób i obsługa kontekstu są dostarczane z domyślnymi ustawieniami, które konfigurujesz, zamiast je programować. W praktyce granica jest płynna: Deep Agents od LangChain to importowalne SDK, które w swoim własnym repozytorium jest określane jako agent harness typu "wszystko w jednym" (stan na październik 2026). Zadaj sobie pytanie, czy będziesz samodzielnie pisać pętlę. Odpowiedź na to pytanie rozstrzyga, które określenie pasuje do Twojej sytuacji.

Czy potrzebuję VPS, aby uruchomić agent harness?

Nie. Każdy wymieniony tutaj harness działa na laptopie. Serwer zmienia cztery kwestie: agent działa nadal po zamknięciu klapy, przechowuje Twoje klucze na maszynie, która jest stale włączona, ma dostęp do Twoich pozostałych serwerów oraz pozwala na powrót do tej samej sesji z dowolnego urządzenia. Każda z tych kwestii wiąże się z bezpieczeństwem, dlatego nadaj agentowi własne konto użytkownika i ogranicz dostęp do interfejsu webowego do 127.0.0.1.

Czy mogę użyć innego modelu wewnątrz tego samego harnessa?

Zazwyczaj tak i jest to cecha definiująca harness. Większość z nich przyjmuje w konfiguracji nazwę modelu oraz bazowy URL, więc skierowanie programu na innego dostawcę wymaga jedynie edycji pliku, a nie przepisywania kodu. W przypadkach, gdy harness stawia opór, lokalny router, taki jak Claude Code Router, umieszczony między harnessem a dostawcą, tłumaczy żądania, domyślnie wiążąc się z 127.0.0.1:3456. Należy zachować ostrożność przy korzystaniu z takiego proxy, ponieważ widzi ono każdy prompt i przechowuje każdy klucz.

Czy ten artykuł był przydatny?