Mengenal Harness AI: Lapisan yang Mengubah Model Menjadi Coding Agent

By Rizky Kurniawan - November 16, 2026 ~7 mins read

Halo, selamat datang di Ruang Developer Blog. Apakah kamu pernah memakai model yang sama di dua tools berbeda, lalu mendapatkan hasil yang jauh berbeda? Di satu tools modelnya rapi dan disiplin, di tools lain dia mengubah file yang tidak seharusnya disentuh, atau berhenti di tengah jalan. Modelnya identik, tapi perilakunya tidak. Selisih itu bukan datang dari model, melainkan dari lapisan yang membungkusnya: harness.

Istilah ini makin sering muncul sejak 2025, seiring tools seperti GitHub Copilot, Claude Code, Codex, dan Cursor menjadi bagian dari keseharian developer. Mari kita bahas apa itu harness, kenapa dia menentukan hasil akhir, dan bagaimana menilainya saat kamu memilih tools.

Apa Itu Harness AI?

Harness AI atau agent harness adalah lapisan runtime yang membungkus satu atau beberapa model bahasa dan mengubahnya menjadi agent yang bisa bekerja pada sebuah environment. Hubungannya sering disederhanakan menjadi satu persamaan:

agent = model + harness

Model memberi kemampuan bernalar dan mengambil keputusan. Harness yang membuat keputusan itu berubah menjadi tindakan nyata: membaca file, menjalankan perintah, memanggil API, memeriksa hasilnya, lalu mengulang sampai tugas selesai atau dihentikan.

Anthropic merangkumnya dengan kalimat yang cukup jernih: Claude Code adalah harness-nya, dan Claude adalah model di dalamnya. Artinya, dua produk bisa memakai model yang sama persis, tetapi punya kualitas agent yang berbeda karena harness-nya berbeda.

Istilah harness sendiri dipinjam dari dunia testing. Di sana, test harness adalah kerangka yang menjalankan kode dalam kondisi terkontrol lalu mencatat hasilnya. Di ranah agent, perannya mirip: menyediakan kondisi kerja yang terkontrol untuk model, lalu merekam apa yang terjadi di setiap langkah.

Mengapa Harness Menjadi Penting Sekarang?

Kalau kamu hanya memakai model untuk sekali tanya-jawab, harness hampir tidak terasa. Dia mulai terasa penting ketika pekerjaan bertambah panjang dan menyentuh file project kamu. Di project yang saya kerjakan, bedanya paling kentara saat agent diminta memperbaiki bug yang menyentuh beberapa file sekaligus:

  • Tugas berlangsung banyak langkah: membaca kode, mengubah, menjalankan test, memperbaiki, mengulang. Tanpa loop yang terkelola, langkah ketiga sering lupa langkah pertama.
  • Context window terbatas: transkrip panjang membuat model kehilangan fokus. Harness yang harus memutuskan informasi apa yang dibuang, diringkas, atau dipertahankan.
  • Tool yang tersedia menentukan batas kemampuan: agent yang hanya bisa membaca file tidak akan pernah menyelesaikan perbaikan bug dari awal sampai akhir.
  • Ada risiko keamanan: perintah shell, akses kredensial, dan file produksi butuh pembatas yang tegas, bukan niat baik.
  • Reproduksibilitas: dengan konfigurasi yang sama, hasilnya harus bisa diulang, diaudit, dan diperbaiki.

Vendor dan komunitas memakai penyebutan yang saling tumpang tindih seperti harness, scaffold, runtime, dan agent platform. Sebagian besar perbedaan itu soal batas, bukan konsep baru.

Empat Komponen Wajib Sebuah Harness

Sebuah sistem layak disebut harness kalau keempat komponen berikut ada saat runtime:

  • Agent loop: siklus bernalar, bertindak, dan mengamati. Ini mesin utamanya. Tanpa loop, yang kamu punya hanyalah wrapper API sekali jalan.
  • Tool interface: daftar aksi yang boleh diminta model beserta deskripsinya: baca file, tulis file, jalankan perintah, cari di web. Di sinilah Model Context Protocol (MCP) berperan sebagai kontrak standar supaya tool tidak perlu diintegrasikan satu per satu.
  • Context management: keputusan tentang apa yang masuk dan keluar dari jendela model. Termasuk compaction, yaitu meringkas percakapan lama supaya isi kepala agent tetap relevan, serta membuang output tool yang sudah kedaluwarsa.
  • Control mechanisms: batas, verifikasi, dan tindakan deterministik, seperti sandbox, aturan approval, time limit, sampai lint yang wajib hijau sebelum perubahan dianggap selesai.

Kalau satu saja hilang, jangan heran kalau hasilnya tidak konsisten. Harness yang lewat empat komponen ini akan terasa seperti rekan kerja; yang tidak, akan terasa seperti autocomplete mahal.

Istilah yang Sering Tertukar

Praktisi di lapangan sering memakai istilah berikut sebagai sinonim, padahal batasnya bisa dipisahkan:

IstilahApa ituPerannya
HarnessLapisan operasi di sekitar modelMenjalankan loop, tool, context, permission, runtime, dan trace
ScaffoldMateri yang dikerjakan modelMembentuk perilaku lewat prompt, deskripsi tool, dan format
FrameworkToolkit untuk menyusun agentMenyediakan building block yang dirangkai oleh tim
OrchestrationLogika koordinasi tugas dan toolMenentukan langkah berikutnya dan ke mana pekerjaan dialihkan

Satu pemisahan yang berguna datang dari Birgitta Böckeler dari Thoughtworks: ada inner harness yang dikirim pembuat model (SDK, CLI, atau coding tool seperti Codex dan Cursor) dan ada outer harness yang kamu susun sendiri, misalnya file instruksi seperti AGENTS.md, MCP server, dan skill internal tim kamu.

Bagi sebagian orang, scaffold dan harness dibedakan lebih halus lagi: scaffold adalah apa yang model kerjakan, sedangkan harness adalah apa yang menjalankannya. Perbedaan ini bukan sekadar perdebatan istilah. Kalau kamu tahu komponen mana yang sedang bermasalah, perbaikannya bisa jauh lebih tepat sasaran daripada mengutak-atik prompt berulang kali.

Satu Turn di Dalam Harness

Supaya lebih konkret, berikut urutan kejadian saat kamu menekan enter pada sebuah coding agent:

  1. Harness menerima permintaanmu beserta state sesi yang sedang berjalan.
  2. Harness menyiapkan instruksi, konteks, dan definisi tool yang tersedia untuk model.
  3. Model bernalar, lalu memilih: menjawab langsung atau meminta memanggil tool.
  4. Harness memeriksa aturan permission. Kalau perintahnya berisiko, dia meminta approval ke kamu lebih dulu.
  5. Tool dijalankan di environment yang tepat, sandbox atau mesin kerjamu, lalu hasilnya ditangkap.
  6. Hasil itu dikembalikan ke model sebagai konteks baru.
  7. Loop berlanjut sampai tugas selesai, dihentikan, atau melewati batas yang ditentukan.

Kalau ditulis dalam TypeScript, bentuk minimalnya seperti ini:

async function runAgent(prompt: string, harness: Harness) {
  const messages: Message[] = [{ role: "user", content: prompt }];

  for (let step = 0; step < harness.maxSteps; step++) {
    const context = harness.contextManager.build(messages);
    const reply = await harness.model.chat(context, harness.tools.schema());

    messages.push(reply);

    const call = reply.toolCalls?.[0];
    if (!call) return reply.content;

    if (!harness.policy.isAllowed(call)) {
      messages.push(harness.refuse(call));       // guardrail, bukan error
      continue;
    }

    const result = await harness.tools.execute(call, harness.sandbox);
    messages.push({ role: "tool", name: call.name, content: result });

    messages = harness.contextManager.compact(messages);
  }

  return "Batas langkah tercapai, pekerjaan dihentikan.";
}

Perhatikan bahwa bagian tersulit bukan pemanggilan modelnya. Yang menentukan kualitas adalah contextManager, policy, sandbox, dan batas langkah, persis komponen yang dibahas di atas.

Harness Engineering: Disiplin yang Baru Muncul

Pada awal 2026, OpenAI menerbitkan catatan tentang harness engineering, yaitu disiplin merancang dan menyetel harness supaya agent bisa dipercaya pada pekerjaan panjang. Di sana kode ditulis hampir seluruhnya oleh agent, dan tugas engineer bergeser ke merancang environment, dokumentasi, dan pemeriksaan otomatis.

Pola yang muncul sama di banyak tempat:

  • Instruksi yang tahan lama: aturan arsitektur dan konvensi project diletakkan di file seperti AGENTS.md, bukan diulang di setiap prompt.
  • State externalization: progres dicatat ke file, bukan hanya disimpan di percakapan, supaya pekerjaan bisa dilanjutkan di sesi berikutnya.
  • Loop pembersihan: agent diminta merapikan hasilnya sendiri sebelum pekerjaan dianggap selesai.
  • Verifikasi otomatis: lint, test, dan review otomatis jadi pintu yang harus dilewati, bukan saran.

Ini juga alasan mengapa evaluasi agent harus dinilai bersama harness-nya. Memuji model tanpa melihat harness-nya sama tidak lengkapnya dengan menyalahkan model ketika hasilnya berantakan.

Cara Menilai Harness yang Layak Dipakai

Saat memilih tools atau menyusun harness untuk tim kamu, beberapa pertanyaan ini lebih berguna daripada daftar fitur:

  • Bagaimana dia mengelola konteks saat percakapan mulai panjang? Ada compaction, atau transkripnya hanya menumpuk?
  • Tool apa yang tersedia secara default, dan seberapa mudah menambah tool baru lewat MCP atau plugin?
  • Apakah ada sandbox dan aturan approval yang eksplisit untuk perintah berisiko?
  • Apakah setiap langkah bisa diaudit lewat trace atau log, sehingga kegagalan bisa ditelusuri?
  • Bagaimana perilakunya pada tugas panjang: bisa dilanjutkan, atau harus dimulai dari nol?
  • Apakah kamu bisa membawa konfigurasi dan aturan project kamu ke tools lain tanpa menulis ulang?

Jawaban atas pertanyaan-pertanyaan itu biasanya menjelaskan penyebab hasil yang tidak konsisten jauh lebih baik daripada mencoba model yang lebih baru. Saya sendiri sekarang menilai coding agent dari trace dan aturan approval-nya, bukan dari demo-nya.

Apa Artinya untuk Kita sebagai Developer?

Harness yang makin baik tidak menghilangkan pekerjaan kita, tapi menggeser titik beratnya. Kalau agent sudah bisa menjalankan loop implementasi, nilai kita pindah ke bagian yang tidak bisa didelegasikan begitu saja:

  • Menentukan masalah dan spesifikasi: agent bekerja paling baik saat batas tugasnya jelas, mirip dengan pendekatan Spec-Driven Development yang menempatkan spesifikasi sebagai sumber kebenaran.
  • Menyusun kontrol: memastikan lint, test, dan pipeline berjalan sebelum perubahan masuk, fondasi yang sama dengan CI/CD.
  • Membaca dan memverifikasi hasil: kode yang dihasilkan agent tetap perlu direview seperti kode manusia.
  • Merawat konteks project: dokumentasi dan aturan yang rapi adalah bahan bakar harness, bukan pekerjaan administratif.

Singkatnya, harness yang bagus memperbesar pengaruh keahlian kamu, bukan menggantikannya.

Kesimpulan

  • Harness adalah lapisan runtime di sekitar model yang membuatnya mampu bertindak: loop, tool, context management, dan kontrol.
  • agent = model + harness: kualitas agent ditentukan oleh keduanya, bukan model saja.
  • Empat komponen wajibnya adalah agent loop, tool interface, context management, dan control mechanisms.
  • Istilah harness, scaffold, framework, dan orchestration sering dipakai bergantian, tapi memisahkannya membuat perbaikan jauh lebih terarah.
  • Harness engineering adalah disiplin baru: instruksi tahan lama, state yang dieksternalisasi, dan verifikasi otomatis.
  • Saat memilih tools, nilai pengelolaan konteks, sandbox, dan keterbukaan ekosistemnya, bukan hanya nama modelnya.

Kalau kamu serius memakai AI agent untuk pekerjaan sehari-hari, mengenal harness sama pentingnya dengan mengenal bahasa pemrograman yang kamu pakai. Untuk kamu yang ingin belajar lebih lanjut tentang cara kerja agent dan alur pengembangan modern, jangan lupa baca juga artikel kami tentang Coding dengan AI Agent dan Apa Itu Spec-Driven Development.

Ingin Berdiskusi?

Yuk bergabung di Grup Telegram Ruang Developer atau mulai diskusi melalui GitHub. See You!

Dapatkan contoh source code project backend, frontend, atau fullstack untuk kamu amati, tiru, dan modifikasi sesuka hati. Klik untuk melihat detail!
comments powered by Disqus

Berlangganan Gratis

Kamu akan menerima email update dari Ruang Developer

Beri Dukungan

Beri dukungan, dapatkan full source code project web untuk bahan referensi, tiru, dan modifikasi.
Lightbox