Agent harness
En agent harness er softwaren omkring AI-modellen. Den giver jeres agent instrukser, værktøjer, adgang, grænser, hukommelse og en logbog, og den afgør, hvad agenten må gøre. Vi bygger harnessen til jeres agenter, så hver agent læser jeres regler, kun når det, opgaven kræver, og stopper dér, hvor en person skal godkende.
Kender I det?
- I har prøvet en AI-agent, og den vidste ikke, hvad jeres ord og konti betyder.
- I vil gerne lade en agent forberede posteringer, men ingen kan sige, hvad den kan ændre.
- Når nogen tvivler på et svar fra AI, kan ingen vise, hvor det kom fra, eller hvad agenten gjorde.
Det får I
- Resultatet
- En harness, som jeres agenter arbejder inden for. Reglerne, værktøjerne og indstillingerne ligger som filer og kode i jeres repository. Værktøjerne og data bliver i jeres egen cloud, og modellen kører hos den udbyder, I har valgt.
- Regler, den læser
- Jeres virksomhedsordbog, en nedskrevet liste over, hvad jeres ord og tal betyder, og reglerne for hver opgave. Jeres agenter læser begge, før de går i gang.
- Sin egen adgang
- Hver agent når jeres systemer gennem værktøjer, ofte MCP-servere, med sin egen adgang og kun de rettigheder, opgaven kræver. Guardrails ligger i den adgang og i koden, uden for modellen.
- Logbogen
- Hvert trin, hvert værktøjskald og hvert resultat skrives i logbogen, så I kan se, hvad agenten gjorde, og hvordan. Den er sporet, I følger, når nogen tvivler på et resultat.
Det gør vi, det gør I
| Vi | I |
|---|---|
| Skriver jeres virksomhedsordbog og reglerne for hver opgave sammen med jer, som filer i jeres repository. | Fortæller os, hvad jeres ord, konti og godkendelser betyder. |
| Bygger de værktøjer, jeres agenter bruger, og giver hver agent sin egen adgang med kun de rettigheder, opgaven kræver. | Styrer adgangen: giver den, begrænser den eller trækker den tilbage, når I vil. |
| Håndhæver guardrails i adgangsrettigheder og kode og bestemmer, hvor hver opgave venter på godkendelse, i det system, hvor arbejdet foregår. | Godkender det forberedte arbejde dér, hvor I allerede arbejder. |
| Kører evals, test på kendte tilfælde, der kan gentages, før en opgave, der gentager sig, kører af sig selv, og kører dem igen efter en fast plan bagefter. | Afgør, hvad der er rigtigt, og tjekker resultatet af det, der kører af sig selv. |
Godt at vide
Modellen afgør, hvor godt en agent tænker. Harnessen afgør, hvad den ser, hvilke systemer den når, hvad den må gøre på egen hånd, og hvad den aldrig kan gøre. Sæt en model i et chatvindue uden adgang, og spørg til denne måneds leverandørfakturaer: Den kan forklare, hvordan man bogfører en faktura, men den har aldrig set jeres. Giv den samme model en harness med læseadgang til jeres fakturaer og jeres økonomisystem, og den kan foreslå hver postering med fakturaen som kilde, så en person kan godkende den. Hver opgave hører til en af tre faser: "I spørger, agenten hjælper", "Agenten forbereder, I godkender" eller "Det kører af sig selv, og I tjekker resultatet". Harnessen holder arbejdet i sin fase.
Jeres spørgsmål
- Hvordan ser det ud i praksis?
- Hos DuffBeauty, et beautybrand, når bogholderiagenten økonomisystemet gennem én forbindelse, der kan skrive kladder og aldrig kan bogføre. Den eksterne bogholder gennemgår kladderne og bogfører dem. Hvert kald gennem forbindelsen logges, og kan logningen ikke skrives, går der intet svar ud.
- Er det et produkt, vi skal købe licens til?
- Nej. Harnessen er kode, regler og indstillinger i jeres repository, og dens værktøjer kører i jeres egen cloud. I ejer den og kan ændre den uden os. AI-værktøjerne og modellerne betaler I direkte til udbyderne. Hos os betaler I en fast pris for resultatet, aldrig for de timer, vores agenter arbejder. Løbende arbejde er et fast månedligt beløb.
- Binder det os til én modeludbyder?
- Harnessen afgør, hvilke modeller en agent kan bruge: Claude Code kører Claudes modeller, og andre harnesser tilbyder modeller fra flere udbydere. Jeres ordbog og regler er almindelige filer, og jeres værktøjer forbinder sig gennem MCP, en åben standard, som mange harnesser understøtter. Derfor kan de flytte med jer til en anden harness.
- Hvor kører agenten, og hvor ligger logbogen?
- Det afhænger af, hvad vi bygger, og af jeres udbyder. En agent, der er bygget til jeres virksomhed, kører sin kode i jeres egen cloud. En agent i en leverandørs produkt kører i leverandørens tjeneste, og en kodeagent kører på en persons computer. Modellen kører altid hos den udbyder, I har valgt, og I bestemmer, hvor logbogen skal ligge.
- Hvordan ved vi, at det virker?
- Evals kører agenten på kendte tilfælde, også dem, den skal afvise, før en opgave, der gentager sig, kører af sig selv, og igen efter hver ændring af model, regler eller adgang. Når arbejdet kører, gentages evals efter en fast plan, og logbogen viser hvert trin.
- Hvem ændrer reglerne?
- Jeres team. Når nogen retter agentens arbejde, går rettelsen ind i reglerne og ordbogen, så den samme fejl ikke bliver foreslået igen. Hvis noget ændrer sig i en opgave, der kører af sig selv, kommer den tilbage til jer til godkendelse.