Het model is maar een deel van het verhaal: wat een harness is

Wie AI-tools vergelijkt, vergelijkt meestal modellen: welk model schrijft beter, welk denkt verder door. Maar zodra je AI echt werk geeft, zoals een maandrapport, een concurrentiescan of een map vol bestanden, hangt het resultaat net zo goed af van de software rond het model. Die software heet de harness.

Het model is het brein, de harness is de werkplek

Een taalmodel op zich neemt tekst in en geeft tekst terug. Het kan geen bestand openen, geen cijfer nakijken en niet onthouden wat je vorige week hebt afgesproken. De documentatie van Claude Code beschrijft de harness als de laag rond het model die de tools levert en de context beheert die het model te zien krijgt. De engineers van Anthropic zeggen het nog korter: de harness is de lus die het model aanroept en zijn toolaanroepen naar de juiste infrastructuur stuurt.

Denk aan een briljante nieuwe collega. Haar talent, dat is het model. Haar bureau, haar toegangsbadge, de dossiers die ze mag openen, de notities die ze bijhoudt en de leidinggevende die haar werk nakijkt: dat is de harness.

Wat een harness doet

De meeste harnesses combineren vijf taken.

1. De lus. Een agent werkt in cycli. Anthropic beschrijft ze zo: context verzamelen, actie ondernemen, het werk controleren, opnieuw. In de gids Building effective agents omschrijft Anthropic agents als doorgaans gewoon taalmodellen die in een lus tools gebruiken op basis van feedback uit hun omgeving. De harness laat die lus draaien en beslist wanneer ze stopt, bijvoorbeeld na een maximum aantal beurten of bij een kostenlimiet.
2. Tools. Tools zijn de handen: bestanden lezen, op het web zoeken, een database bevragen, een e-mail versturen. Elk resultaat voedt de volgende beslissing. Anthropic schrijft dat het team bij het bouwen van zijn programmeeragent voor de benchmark SWE-bench meer tijd stak in het verbeteren van de tools dan in de prompt zelf.
3. Context en geheugen. Een model kan alleen werken met wat in zijn contextvenster staat, en die ruimte is beperkt. Anthropic noemt context “een eindige bron met afnemende meeropbrengst”: hoe meer je erin stopt, hoe slechter het model elk afzonderlijk stuk onthoudt. Een goede harness selecteert. Hij laadt kennis pas wanneer ze nodig is, vat oudere delen van het gesprek samen als het venster volloopt, houdt notities bij buiten het venster en geeft deeltaken aan subagents die met een schone lei beginnen.
4. Rechten. Wat mag de agent doen zonder te vragen? In Claude Code kies je een modus: hij vraagt toestemming voor elke bestandswijziging of opdracht, hij plant en stelt alleen voor, of hij werkt zelfstandiger terwijl riskante acties worden tegengehouden. Daarbovenop kun je specifieke tools toestaan of verbieden.
5. Menselijke controlepunten. Anthropic raadt aan dat agents op vaste momenten of wanneer ze vastlopen pauzeren voor feedback van een mens. De praktische gids van OpenAI over het bouwen van agents noemt twee momenten om over te dragen aan een mens: wanneer de agent te vaak faalt, en vóór risicovolle acties die gevoelig, onomkeerbaar of ingrijpend zijn.

Hetzelfde model, andere resultaten

Dit is geen theorie. Toen Anthropic zijn resultaten op SWE-bench publiceerde, een benchmark met echte softwareproblemen, benadrukte het dat de test een volledig agentsysteem beoordeelt, niet het model op zich, en dat scores sterk kunnen verschillen afhankelijk van de steigers rond het model, zelfs met hetzelfde onderliggende model.

Een tweede voorbeeld komt uit het werk van Anthropic aan agents die lang doorwerken. Elke nieuwe sessie begint zonder herinnering aan de vorige. De oplossing was geen beter model, maar een betere harness: een eerste sessie die een voortgangsbestand, een lijst met functies en een versiegeschiedenis aanlegt, zodat elke volgende sessie ziet waar het werk staat. Toen de agent ook browsertools kreeg om zijn werk te testen zoals een gebruiker dat zou doen, werden de resultaten veel beter.

De vraag is niet alleen welk model je gebruikt, maar waarmee je het laat werken.

En die match verandert mee. Anthropic stelt vast dat harnesses aannames bevatten over wat een model niet zelf kan, en dat die aannames verouderen naarmate modellen beter worden. Een omweg die het ene model nodig had, werd bij het volgende dood gewicht.

Waar je op let

Of je nu een tool kiest of zelf een agent bouwt, stel deze vragen.

• Tools: kan hij bij de data en systemen die je werk echt nodig heeft? Een paar duidelijke tools werken beter dan een lange lijst die overlapt; Anthropic noemt overvolle toolsets een van de vaakste fouten die het ziet.
• Geheugen: wat onthoudt hij tussen sessies, waar staat dat, en kun je het bekijken en bijsturen?
• Rechten: wat mag hij zonder te vragen, en kun je dat per persoon en per tool instellen?
• Controle: checkt hij zijn eigen werk, met tests, schermafbeeldingen of een tweede nalezing? Volgens Anthropic zijn agents die hun eigen output kunnen controleren en verbeteren fundamenteel betrouwbaarder.
• Remmen: kun je hem onderbreken, en stopt hij zelf bij een limiet op beurten of budget?
• Spoor: is er een logboek van wat hij deed, en waarom?
• Modelkeuze: kun je overstappen op een nieuwer model zonder alles opnieuw te bouwen?

Begin met één taak die je elke maand herhaalt. Schrijf op welke data, regels en controles een nieuwe collega nodig zou hebben om die goed te doen. Dat lijstje is je harness.

Zaela is geen extra chatbot. Het werkt in de AI die je al gebruikt, zoals Claude, ChatGPT of elke assistent die MCP ondersteunt, en brengt geheugen, agents, werkwijzen en tools samen op één plek. Je AI ziet precies wat jij mag zien, elke actie wordt gelogd, en budgetten en limieten stel je per persoon in.