Karácsony környékén 2025‑ben sok AI‑mérnök azt vette észre, hogy az ügynökök „egyszerűen működni kezdtek”. Ennek oka nem egyetlen, könnyen azonosítható esemény: részben végre volt idő kipróbálni az új ügynököket az új modellekkel, részben a modellek és a köréjük épített hevederek (harness) is lényegesen fejlődtek. A cikk fő állítása az, hogy a modell‑ és a hevederfejlődés együttes konvergenciája hozta meg a látható ugrást: a modellek elkezdték magukba szívni a heveder funkcionalitását, az építők pedig folyamatosan eltávolították, amit a modellek át tudtak venni. Ami marad, az végül a modell és nem a gép felé, hanem az emberi figyelem felé irányuló heveder lesz.
Mi az az ügynök‑heveder?
Az ügynök‑heveder minden, ami a modell súlyain kívül szükséges az ügynök működéséhez: környezetek, eszközök, kontextusok, jogosultságok és védőkorlátok. Modell nélkül a heveder semmit sem ér, de heveder nélkül a modell „agy a vákuumban”: döntést hozhat, de nem tudja azt a digitális térben végrehajtani. A heveder ad testet a modell elméjének: észlelteti a kontextust, lehetővé teszi a cselekvést (toolok), megőrzi az információt (memória, kompaktálás) és érvényesíti a határokat (permissions, guardrails).
Harness 1.0 – a korai, "bolt‑on" korszak
A modell és a heveder fejlődése két görbével írható le: mit kér a heveder a modelltől, és mit képes a modell ténylegesen teljesíteni. A köztük lévő rés határozza meg az ügynök hatékonyságát.
-
ReAct (október 2022): ReAct egy promptolási technika, amely modellekben papíron létrehozza az „ügynöki hurkot” (reason -> act -> observe -> repeat). Ekkor a heveder még főként külső, promptalapú módszerként lépett fel; a görbék mindkét oldalon közel nulla értéken voltak.
-
Toolformer (Meta, február 2023): a téma előrevetítette, hogy az eszközhasználat betanítható is lehet, nem csak prompttal megoldott.
-
AutoGPT / BabyAGI (tavasz 2023): a heveder nagyon gyorsan előreszaladt az autonómia kínálatával, de a modellek még törékenyek voltak. Az autonóm hurkok alacsony per‑lépés megbízhatóság mellett képesek voltak a hibák összegzésére (például 95% megbízhatóság per lépés többlépéses feladatnál drámaian csökkenő sikerességet eredményezett). Ezen időszakban a hézag volt a legnagyobb.
-
Cursor / Copilot (2023–2024): az első AI‑támogatott fejlesztői eszközök visszavonultak azonnali autonómiától, és a hurkot a humán felé helyezték: a modell gyorsította az embert, de a döntési hurkot az ember tartotta kézben. Kísérletek, például az Answer.AI tesztjei, alacsony (~15%) sikerességi rátát mutattak korai autonóm próbálkozásoknál.
Claude Code és a görbék metszéspontja (február 2025)
A 2024 végén megjelenő első valódi érvelő modellek (például o1) és a folyamatos hevederfejlesztés keltette lehetőségre válaszolt Boris Cherny és csapata az Anthropicnál: Claude Code február 2025‑ben a terminálra és shell‑hozzáférésre épített, fájlolvasási/írási és bash hozzáférést adott a modellnek, és jogosultsági szabályokkal váltotta ki a mindennapi emberi jóváhagyás szükségességét. Ebben a pillanatban a modell megbízhatósága elérte azt a küszöböt, ahol az autonómia hasznos volt; az Anthropic terméke közel 1 milliárd dollár éves ismétlődő bevételt (ARR) ért el hat hónapon belül.
Harness 2.0 – a ko‑tréning korszaka (jelen)
A heveder ma már mérhető hatással bír. A Harness‑Bench teszt ugyanazzal a modellel 106 feladatot különböző hevederekben futtatva 52.4 és 76.2 közti pontszámokat talált: 23.8 pontos különbség azonos modell mellett. OpenAI is hasonló eredményt mutatott az ARC‑AGI‑3 benchmarkon: kisebb heveder‑változtatásokkal a GPT‑5.6 Sol ARC‑AGI‑3 eredménye 13.3%-ról 38.3%-ra emelkedett, amikor megtartották a reasoning és compaction képességeket.
A változás mechanikája: a megerősítéses tanulás (RL) részben „bekerült” a heveder környezetébe — például OpenAI codex‑1 bejelentése (2025. május) szerint a codex‑1 valós kódolási feladatokon végzett megerősítéses tanulással lett tréningezve. A Toolformer elképzelése így megvalósul: a tool‑hívásokat nem külső prompttal kezdeményezik, hanem a modell környezetében tanítják meg.
Eközben a modellek elkezdik „beépíteni” a heveder képességeit a súlyaikba: például a GPT‑5.1‑Codex‑Max megjelenését narrálták úgy, hogy ez az első modell, amely natívan képes több kontextusablak között működni kompaktálás révén. Amint egy képesség átkerül a modellbe, a hevedernek csökkentenie kell a saját scaffoldját: Thariq Shihipar az Anthropictól arról számolt be, hogy a Claude Code rendszerpromptjának mintegy 80%-át törölték.
A modell‑heveder fejlődés körforgása így írható le: train -> absorb -> shed -> repeat. A heveder funkciói fokozatosan beolvadnak, az építők pedig törlik a redundáns részeket.
Harness 3.0 – az Attention‑korszak (jövő)
Ha minden heveder‑képességet a modell egyszer magába szív, mi marad az építők kezében? A szerző szerint azok a funkciók maradnak, amelyek soha nem fognak teljesen felszívódni: a humán‑központú agent‑képességek, úgymint jogosultságok, identitás, bizalom és olvashatóság (legibility). Ha a modell „beépíti” a permissions kezelését, a permissions mint konstruktum feloldódik — az abszorpció nem szünteti meg a hevedert, hanem átfordítja azt: a heveder a modell és az ember figyelmének interfésze lesz.
Ryan Lopopolo megfogalmazásában („Extreme Harness Engineering for Token Billionaires” epizód, Latent Space): „Az egyetlen alapvetően szűkös dolog a csapatom szinkron, emberi figyelme.” Amint a tokenek bőségesebbé és megbízhatóbbá válnak, a szűk keresztmetszet továbbra is az emberi figyelem.
A következő évben a cikk szerzője azt jósolja, hogy minden ügynökfejlesztő vállalat közzétesz majd egy emberi figyelemre vonatkozó szabályrendszert (az analógia az AGENTS.md‑hez): ez az attention‑interface fogja megszabni, mikor zavarhatja meg az ügynök a felhasználót, mikor dolgozzon önállóan, és mely döntésekhez szükséges humán jóváhagyás. Ahogy minden más komponens, ez is tanulhatóvá válik majd: minden emberi korrekció adatként szolgál.
Következtetés
A modell kezdetben „agy a vákuumban” volt; a heveder testet adott neki; a test fokozatosan beoldódik az agyba. A végső feladat azoknak az interfészeknek a megtervezése marad, amelyeket a jövőbeli modellek soha nem fognak teljesen felszívni: az emberi figyelem kezelése, a jogosultságok, az identitás és a bizalom. Ezek lesznek azok a felületek, amelyek a következő generációs ügynökök emberi üzemeltetését irányítják.
