Vuoden 2026 aikana sana harnessHarnessMallia ympäröivä infrastruktuuri, joka tekee siitä agentin: silmukka, työkalut, konteksti, käyttöoikeudet ja jäljitykset on ujutettu kaikkiin tekoälyagentteja koskeviin keskusteluihin. Puhutaan "Claude Coden harnessista", "harnessin vaihtamisesta" tai siitä, että "harness on tärkeämpi kuin malli". On syntynyt jopa oma nimetty oppialansa, harness engineering, jonka isyydestä kiistelevät Mitchell Hashimoton helmikuussa 2026 julkaisema artikkeli ja LangChainin maaliskuinen artikkeli. Kuulostaa vastikään keksityltä termiltä, mutta ei ole: autoalan sähköasentajat ovat koonneet harnesseja jo vuosisadan ja ohjelmoijat kirjoittaneet niitä vuosikymmeniä. Ainoa uusi asia on se, mihin niitä nykyään sovelletaan.
Mikä harness on yhdessä lauseessa
Selkein määritelmä on se, jota Anthropic käyttää agenttien arviointia koskevassa oppaassaan: "agentin harness (tai scaffoldScaffoldKoodirakenne, joka yhdistää tekoälyagentin ja orkestroi sen toimintaa) on järjestelmä, jonka avulla malli voi toimia agenttina: se käsittelee syötteet, ohjaa työkalukutsuja ja palauttaa tulokset". Lyhyesti sanottuna se on kaikki mallin ympärillä oleva, jotta malli pystyy tekemään työtään. Silmukka, joka päättää, milloin mallia kutsutaan uudelleen, työkalut, joita malli voi käyttää, konteksti, joka sille välitetään kussakin vaiheessa, käyttöoikeudet, jotka rajoittavat sitä, sekä jäljet, joihin kirjataan sen tekemiset.
LangChain tiivistää asian tänä vuonna suosituksi tulleeseen yhtälöön: agentti = malli + harness. Pelkkä raakamalli ei ole agentti. Siitä tulee agentti, kun harness antaa sille tilan, työkalujen suorittamisen, palautesilmukat ja valvottavissa olevat rajat.
Parhaiten asiaa havainnollistaa tämä kuva: malli on moottori ja harness on loppuosa autosta. Alusta, voimansiirto, jarrut, ohjaus ja mittaristo. Erinomainen moottori pöydällä ei vie sinua minnekään, ja sama moottori toimii hyvin eri tavoin sen mukaan, millaiseen ajoneuvoon se asennetaan.
Mistä nimi tulee
Harness tarkoittaa valjaita: hihnoja, jotka kiinnittävät vetoeläimen, tai varusteita, jotka estävät korkealla työskentelevää putoamasta. Tekniikan ala oli omaksunut sanan jo kahdesti ennen kuin se päätyi tekoälyyn.
Johtosarja
Autoteollisuudessa ja ilmailussa wiring harness (johtosarja) on ajoneuvon läpi kulkeva kaapelikimppu, joka yhdistää moottorin kojelautaan, valoihin, antureihin ja ohjausyksikköön: kaapelit on niputettu ja sidottu kestävällä suojasukalla sekä päätetty liittimillä. Se yleistyi autoteollisuudessa 1920-luvulla, jolloin kävi selväksi, että irralliset johdot eivät kestä tärinää, hankausta ja kosteutta. Modernin lentokoneen sisällä kulkee johtosarjoja, jotka suoriksi vedettyinä muodostaisivat kilometrien pituisen matkan.
Anologiamme kannalta mielenkiintoista on se, että johtosarja ei tee mitään itsessään: se yhdistää, järjestää ja suojaa sen, mikä on jo olemassa. Ilman sitä mikään osa ei kommunikoi muiden kanssa.
Testauskehys
Ohjelmistokehityksessä test harness (testauskehys) on ohjelmakomponenttia ympäröivä stubs- ja drivers-kokoelma, jonka avulla komponenttia voidaan suorittaa hallitusti: se syöttää sille syötteitä, kerää tulokset, vertaa niitä odotettuihin tuloksiin ja luo raportin. Se on jäljittelyinfrastruktuuri, joka mahdollistaa testaamisen automatisoinnin, ja se on ollut ohjelmistotekniikan vakiisanastoa jo vuosikymmenten ajan.
Tämä on tasan tarkkaan sama idea, jota sovelletaan agentteihin nykyään: ulkoinen rakenne, joka kannattelee komponenttia, syöttää sitä ja tarkkailee sen toimintaa. Kun kielimallit alkoivat käyttää työkaluja ja ketjuttaa vaiheita, niitä ympäröivälle koodille tarvittiin nimi. Termi odotti valmiina kaapissa.
Kaksi merkitystä, joita ei kannata sekoittaa keskenään
- Suoritusympäristö (agent harness): ympäristö, joka saa agentin toimimaan tuotannossa. Tämä on vallitseva merkitys, jota käytetään esimerkiksi puhuttaessa ”Claude Coden harnessista”. Microsoft on tehnyt siitä jopa virallisen tuotenimen: syyskuun 2026 dokumentaatiossaan se määrittelee harnessin ”suorituskehykseksi, joka muuttaa kielimallin työskentelykykyiseksi agentiksi”.
- Arviointikehys (evaluation harness): kehys, joka ajaa testisarjan mallia vastaan sen mittaamiseksi toistettavalla tavalla. Se on klassisen test harnessin suora perillinen.
Ne ovat pikkuserkuksia: molemmissa tapauksissa mallia kannattelee ja sen käyttäytymistä tarkkailee ulkoinen rakenne. Ja molemmissa tapauksissa kehyksen rakentaja vaikuttaa ratkaisevasti lopputulokseen.
Miksi harness määrittää lopputuloksen
Tämä on yritystä kiinnostava osa, ja vuonna 2026 se on lakannut olemasta mielipide ja muuttunut faktaksi.
Sama malli, eri ohjauskehikko, toinen tulos. Helmikuussa 2026 LangChain julkaisi puhtaan kokeen: he jäädyttivät mallin (GPT-5.2-Codex) ja työstivät pelkkää kehikkoa (harness). Sen pistemäärä Terminal-Bench 2.0 -vertailussa nousi 52,8 prosentista 66,5 prosenttiin eli lähes neljäntoista pisteen verran, hypäten 30 parhaan ulkopuolelta kärkiviisikkoon. Heidän oma yhteenvetonsa: ”muutimme vain kehikkoa”. Asiat, joita he muuttivat, olivat itsetarkistussilmukat, ympäristön kontekstin syöttö, ikuisten silmukoiden havaitseminen ja jäljitysten automaatisointi. Mikään näistä ei ole malli.
Tulostaulukot mittaavat pareja, eivät malleja. Syyskuussa 2026 julkaistussa tutkimuksessa auditoitiin 254 SWE-benchin leaderboardille tehtyä lähetystä, ja sieltä löytyi vuoden puhuttelevin tieto: samalla mallilla scaffoldingin vaihtaminen muuttaa tulosta jopa 29,8 prosenttiyksikköä, kun taas koko top 30 mahtuu 8,8 pisteen sisään. Toisin sanoen: kehikkojen välinen ero on yli kolme kertaa suurempi kuin maailman kolmenkymmenen parhaan järjestelmän välinen etäisyys. Sen tekijät vaativat, että malli-kehikkopari on aina ilmoitettava.
Toukokuussa 2026 julkaistussa kannanottoartikkelissa sanotaan suoraan: suorituskehikkona ”agentin suorituskyvyn määrittäjänä se on usein vahvempi kuin malli, jota se ympäröi”, ja niin kauan kuin käytettyä kehikkoa ei julkaista, leaderboard-vertailuja tulisi pitää puutteellisina ja mahdollisesti harhaanjohtavina. Anthropic itse muotoilee asian yksinkertaisemmin: ”kun arvioimme ’agenttia’, arvioimme kehikkoa ja mallia toimimassa yhdessä”.
Ja se maksaa rahaa. Anthropicin maaliskuussa 2026 tekemässä kokeessa, joka koski pitkäkestoista sovelluskehitystä, sama ilman kehikkoa annettu tehtävä ratkaistiin 20 minuutissa ja 9 dollarilla, kun taas täydellä kehikolla varustettuna se kesti lähes kuusi tuntia ja maksoi noin 200 dollaria. Ero ei ole hinnassa: ensimmäinen oli luonnos ja toinen valmis sovellus. Kehikko on se, mikä muuttaa demon työksi.
Käytännön seuraus on kiusallinen alan markkinoinnille: kun vertaat kahta tekoälytuotetta, suuri osa erosta ei ole mallissa, joka on usein kirjaimellisesti sama. Malli ostetaan; kehikko rakennetaan.
Kehikon anatomia
Kunnollinen valjaistoronni ratkaisee kuusi asiaa:
- Silmukka. Mallin kutsuminen, sen pyytämien toimintojen suorittaminen, tuloksen palauttaminen ja toistaminen, kunnes työ on valmis tai raja saavutetaan. Helppo kuvailla, vaikea toteuttaa hyvin: tässä ratkaistaan kustannukset ja pullonkaulat.
- Työkalut. Se, mitä agentti voi todellisuudessa tehdä: lukea sähköposteja, tarkistaa toiminnanohjausjärjestelmän (ERP) tiedot, luoda tapahtuman, avata tukipyynnön. Niiden kuvaus ja nimeäminen vaikuttavat suorituskykyyn yhtä paljon kuin mallin vaihtaminen.
- Konteksti. Se, mikä pääsee konteksti-ikkunaan jokaisessa vaiheessa ja mikä tiivistetään, hylätään tai tallennetaan ulkopuolelle. Tämä on kaikkien pitkien tehtävien pullonkaula.
- Käyttöoikeudet. Se, mitä agentti voi tehdä ilman kysymistä ja mikä vaatii ihmisen vahvistuksen. Tämä on ero hyödyllisen avustajan ja tietoturvatapauksen välillä.
- Muisti ja tila. Se, mikä säilyy vaiheiden ja suorituksien välillä, ja voidaanko keskeytetty tehtävä aloittaa uudelleen siitä, mihin jäätiin. Anthropic tunnistaa juuri tässä pitkäkestoisten agenttien keskeisen ongelman: ne toimivat erillisissä istunnoissa, ja jokainen uusi istunto alkaa ilman muistia edellisestä.
- Seurattavuus. Jäljet, lokit ja vaiheittainen toisto. Ilman näitä agenttia ei voi vianmäärittää – sitä voi vain arvailla.
Tarjolla on myös seitsemänniin, melko epäintuitiivinen yksityiskohta, joka mainitaan erikseen: agentit ovat huonoja tuomareita omasta työstään. Kun niitä pyydetään arvioimaan tuottamaansa lopputulosta, ne tuppaavat kehumaan sitä, vaikka laatu olisi keskinkertaista. Siksi hyvät valjaat erottavat työtä tekevän agentin työtä arvioivasta agentista.
Jos haluat lyhyen version, joka on linkitetty muuhun sanastoon, löydät sen NAiOS Wikin tietueesta Harness yhdessä hakusanojen Scaffold, Loop engineering ja Guardrails kanssa.
Miksi tämä oikeuttaa luvan pyytämisen
Vakavasti otettavien harness-kehysten tapa pyytää vahvistus perustuu kovaan syyhyn. τ-bench-benchmark, joka mittaa asiakkaiden kanssa keskustelevia ja liiketoimintasääntöjä soveltavia agentteja, osoitti, että kärkiagentit ratkaisivat alle 50 % tehtävistä ja että kun sama tehtävä toistettiin kahdeksan kertaa, kaikki kahdeksan yritystä onnistuivat alle 25 %:ssa tapauksista. Johtopäätös ei ole, etteivät agentit kelpaisi mihinkään, vaan että johdonmukaisuutta ei voi pitää itsestäänselvyytenä. Siksi seurauksia aiheuttavia toimintoja ei pitäisi suorittaa ilman, että joku valvoo.
Miten NAiOS hallitsee harnessin
NAiOSissa emme käytä yhtä mallia: käytämme kulloinkin parasta saatavilla olevaa mallia ja vaihdamme sen, kun parempi ilmaantuu. Harness pysyy samana. Tässä ovat sen muodostavat moduulit.
NAiOS Agents: silmukka
NAiOS Agents on kerros, joka muuttaa reaktiivisen chatin itsenäisesti työskenteleviksi agenteiksi. Se ajaa pysyvää plan→act→observe-silmukkaa taustatyöprosessin (worker) avulla, joten pitkä tehtävä selviää uudelleenkäynnistyksestä ja jatkuu siitä, mihin se jäi. Se ratkaisee juuri sen istuntojen välisen muistin ongelman, josta puhuimme. Mukana ovat manuaalinen tai ajastettu suoritus (cronilla tai tapahtumasta), agenttikohtainen muisti ja tietokanta, delegointi muille agenteille, eristetty työtila ja toistettava aikajana, josta näet vaihe vaiheelta, mitä agentti ajatteli ja mitä se teki. Tämä viimeinen on havaittavuutta: kun jokin menee oudosti, asiaa tarkastellaan eikä arvailla.
Connectors ja MCP: työkalut
Agentti ilman työkaluja on vain pönäkkä chat. NAiOS Connectors yhdistää OAuthilla yli tuhat palvelua – Gmailin, Slackin, GitHubin, Calendarin, Notionin ja muut – ja tarjoaa ne työkaluina deny-by-default-periaatteella: malliin pääsevät vain ne työkalut, jotka kuuluvat sinun käyttöön ottamiisi liittimiin, ja ne on eristetty käyttäjäkohtaisesti. NAiOS MCP tekee saman kaikille rekisteröimillesi MCP-palvelimille ja luokittelee jokaisen työkalun lukutyökaluksi tai arkaluonteiseksi.
Knowledge Base: konteksti
RAG Knowledge Base syöttää kontekstti-ikkunaan sen, mitä yrityksesi tietää: asiakirjat, taulukkolaskentatiedostot, tuoteluettelot, äänen ja videon, semanttisen haun sekä tekoälyn tuottamat SQL-kyselyt. Agentti, joka ei voi hyödyntää tietämystäsi, improvisoi; agentti, joka voi, vastaa sinun tietojesi pohjalta.
HITL: käyttöoikeudet
Sääntö on alustalla vakio: lukeminen on vapaata, toimiminen vaatii luvan. Toiminnot, joilla on sivuvaikutuksia – sähköpostin lähettäminen, julkaiseminen, ulkoiseen palveluun kirjoittaminen, laskun luominen – pysähtyvät vahvistuskorttiin, joka näyttää, mitä ollaan tekemissä ja millä tilillä. Riskialttiit työkalut pitävät tämän vahvistuksen voimassa jopa itsehyväksyvissä agenteissa. Kerromme tämän työtavan alkuperästä artikkelissa HITL:n alkuperä.
Neljä todellista käyttötapausta
- Aamun rutiinit. Kello 7.00 ajastettu agente tarkistaa yön sähköpostit NAiOS Mail -sovelluksella, luokittelee kiireelliset, vertaa jokaista lähettäjää CRM:ään ja jättää sinulle yhteenvedon valmiiden vastausluonnosten kanssa. Mitään ei lähetetään ilman napsautustasi.
- Asiakaspalvelu, joka osaa väistyä tieltä. NAiOSOmni-sovelluksessa agentti vastaa WhatsAppissa tai Telegramissa tietokantasi tiedoilla ja keskeytyy automaattisesti heti, kun tiimin jäsen liittyy keskusteluun. Valjastus päättää, milloin agentti vaikenee.
- Palaverit, jotka jättävät tehtäviä, eivät muistiinpanoja. Meeting Agent liittyy videopuheluun, litteroi sen puhujantunnistuksella sekä tuottaa yhteenvedon ja action itemit – agentti muuttaa ne tehtäviksi ja määrittää vastuuhenkilöt. Kaikki kokouksen jälkeinen tylsä työ on tehty.
- Jatkuva liiketoiminnan valvonta. Säännöllisin väliajoin toimiva agentti tarkistaa joka yö kassavirran, varaston tai aktiiviset kampanjat ja ilmoittaa vain, jos jokin poikkeaa normaalista. Se valvoo, ei toimi: päätös pysyy sinulla.
Mistä tiedät, että alustallasi on hyvä valjastus
Neljä kysymyttä mihin tahansa demotilaisuuteen, joihin vastaaminen on kiusallista, jos valjastus on heikko:
- Jos tehtävä keskeytyy kesken kaiken, jatkaako se itsestään vai pitääkö aloittaa alusta?
- Näenkö vaihe vaiheelta, mitä agentti teki viime viikolla ja mitä tietoja se käytti?
- Mitä toimintoja se voi suorittaa kysymättä minulta, ja kuka päättää tuosta listasta?
- Jos huomenna julkaistaan parempi malli, voinko vaihtaa siihen tekemättä automaatioitani uudelleen?
Kun vaihdat mallia ja kaikki toimii edelleen, sinulla oli valjastus. Kun vaihdat mallia ja puoli järjestelmää hajoaa, sinulla oli vain onnekas kehotus.
Yhteenveto
- Harness on mallia ympäröivä ympäristö: silmukka, työkalut, konteksti, käyttöoikeudet, muisti ja jäljitystiedot. Agentti = malli + harness.
- Nimi tulee sanasta arnés (valjaat): ajoneuvon johtosarja ja perinteisen ohjelmistokehityksen test harness. Vuonna 2026 syntyi itse ala, ei tämä sana.
- Tämän vuoden tiedot ovat kiistattomat: sama malli ja eri valjaat vaikuttavat tulokseen enemmän kuin toisen mallin valitseminen.
- Malli ostetaan ja vaihdetaan; valjaat rakennetaan, ja siinä piilee tuotteiden todellinen ero.
- NAiOSissa näillä valjailla on nimi ja omat moduulinsa: Agents silmukkaa varten, Connectors ja MCPModel Context Protocol (MCP)Vakiomenettely, jolla mallit yhdistyvät ulkoisiin työkaluihin työkaluja varten, Knowledge Base kontekstia varten ja HITL käyttöoikeuksia varten.
Lähteet
- Anthropic, Demystifying evals for AI agents — 9. tammikuuta 2026. Määritelmä termille agent harness (agenttiympäristö/ohjauskehys) ja miksi arvioinnissa mitataan aina mallia ja kehystä yhdessä.
- LangChain, Improving Deep Agents with harness engineering — 17. helmikuuta 2026. Tuloksesta 52,8 % lukemaan 66,5 % Terminal-Bench 2.0 -vertailussa malliin koskematta.
- Anthropic, Harness design for long-running application development — 24. maaliskuuta 2026. Kustannukset ja kesto kehyksen kanssa ja ilman, sekä syyt sille, miksi työtä tekevän ja arvioivan tahon eriyttäminen on suositeltavaa.
- LangChain, The Anatomy of an Agent Harness — 10. maaliskuuta 2026. ”Agentti = malli + kehys” ja sen muodostavat osat.
- Zhang et al., Stop Comparing LLM Agents Without Disclosing the Harness — arXiv, 7. toukokuuta 2026. Kehys suorituskyvyn ratkaisevana tekijänä mallin yläpuolella.
- Liu et al., Coding Agents Have Converged — arXiv, 15. syyskuuta 2026. SWE-benchiin lähetettyjen 254 ratkaisun auditoini: 29,8 pisteen vaihtelu kehyksen takia verrattuna koko 30 parhaan joukon 8,8 pisteeseen.
- Microsoft, Agent Harness (Microsoft Agent Framework) — päivitetty syyskuussa 2026. Kehys dokumentoituna tuotekonseptina.
- Yao et al., τ-bench — arXiv, 2024. Agenttien luotettavuus toistettaessa samaa tehtävää.
