Membangun sebuah agen kini hanya butuh satu sore. Meng-harness sebuah agen adalah cerita lain: memberi konteks, menyambungkan tools, dan membuat hasilnya terukur.
Oleh Anthony Raaijmakers
Membangun agen itu mudah.
membuatnya terkendali, berguna, dan terukur — itulah pekerjaan yang sebenarnya.
Semua orang membangun agen, tetapi tidak ada yang meng-harness-nya.
Membangun sebuah agen kini hanya butuh satu sore. Meng-harness sebuah agen adalah cerita lain: memberi konteks agar ia memahami organisasi Anda, menyambungkan tools dengan akses terkontrol melalui MCP, mendefinisikan peran dan workflow agar ia tahu apa yang boleh diputuskannya sendiri dan kapan ia harus berhenti untuk persetujuan manusia, mencatat (log) semuanya untuk audit dan compliance, serta membuat hasilnya terukur. LangChain minggu lalu mendefinisikannya begini: "agent = model + harness." Harness adalah lapisan yang menghubungkan model dengan dunia nyata.
Perbedaan itu semakin penting sekarang, ketika model-model semakin berdekatan. GPT-5, Claude, dan Gemini semuanya sangat baik dan selisih kualitasnya menyusut setiap kuartal, tetapi harness tidak. Harness bersifat spesifik per organisasi, membangun pengetahuan dan konteks yang tidak bisa Anda salin, dan menentukan apakah sebuah agen benar-benar memberi hasil dalam sebuah proses bisnis atau hanya mengesankan dalam sebuah demo. Karena itu, dua organisasi dengan langganan AI yang sama bisa memperoleh hasil yang sama sekali berbeda, tergantung seberapa baik harness-nya ditata.
Langkah berikutnya bukan tentang membangun lebih banyak agen, melainkan tentang meng-harness-nya: membuatnya berguna, terkendali, dan terukur untuk proses bisnis nyata. Itulah, setidaknya, percakapan yang kami lakukan di OneMinded.