وقتی می‌گویند «ایجنت هوش مصنوعی»، بیشتر آدم‌ها خودِ مدل، یعنی «مغز»، را تصور می‌کنند. اما بخش بزرگی از قابل‌اعتماد بودن یک ایجنت به مدل ربطی ندارد.
یک فرمول ساده
ایجنت = مدل + هارنس
مدل فکر و تصمیم می‌گیرد. هارنس (Harness) همه‌چیز اطراف آن است: نرم‌افزاری که به مدل اطلاعات می‌دهد، کارهایش را اجرا می‌کند، پیشرفت را به خاطر می‌سپارد و او را در محدوده نگه می‌دارد.
یک راننده‌ی ماهر را در نظر بگیر. مدل همان راننده است. هارنس فرمان، ترمز، کمربند، داشبورد و قوانین جاده است.
هارنس چه کار می‌کند؟
۱. زمینه را آماده می‌کند: تصمیم می‌گیرد مدل در هر مرحله چه چیزی ببیند. ۲. ابزار می‌دهد و اجرا می‌کند: مدل فقط می‌تواند متن بنویسد؛ هارنس جست‌وجو را انجام می‌دهد، فایل را باز می‌کند یا درخواست را می‌فرستد. ۳. وضعیت را نگه می‌دارد: می‌داند چه انجام شده و چه مانده. ۴. دسترسی‌ها را کنترل می‌کند: از کارهای ممنوع جلوگیری می‌کند و پیش از کارهای پرخطر از تو می‌پرسد. ۵. نتیجه را بررسی می‌کند و خطا را مدیریت می‌کند: دوباره تلاش می‌کند، راه دیگری می‌رود یا متوقف می‌شود. ۶. می‌داند کی بایستد: با تمام شدن هدف، رسیدن به سقف یا درخواست کمک.
حلقه‌ی درونی
۱. مدل درخواست استفاده از یک ابزار را می‌دهد. ۲. هارنس درخواست را بررسی و اجرا می‌کند. ۳. نتیجه به‌عنوان اطلاعات تازه به مدل برمی‌گردد. ۴. تا رسیدن به هدف تکرار می‌شود.
هارنس در برابر فریم‌ورک
فریم‌ورک به توسعه‌دهنده کمک می‌کند ایجنت را بسازد. هارنس کمک می‌کند آن را امن اجرا کند: محیط ایزوله، مرحله‌ی تأیید، سقف هزینه و گزارش. این دو هم‌پوشانی دارند، ولی سؤالشان فرق می‌کند: «چطور بسازمش؟» یا «چطور حین کار قابل‌اعتماد بماند؟»
چرا برای تو مهم است؟
دستیارهای برنامه‌نویسی مثل Claude Code و Cursor و Codex هارنس‌هایی هستند که دور مدل‌ها پیچیده شده‌اند. هارنس را عوض کنی، همان مدل رفتار خیلی متفاوتی نشان می‌دهد. وقتی ابزار ایجنتی انتخاب می‌کنی بپرس:
- به چه چیزهایی دسترسی دارد و می‌توانم محدودش کنم؟
- قبل از کار پرخطر می‌پرسد؟
- می‌توانم هر قدمی که برداشته را ببینم؟
- وقتی خطا پیش بیاید چه می‌شود؟
قدم بعدی
مدل خوب لازم است، اما هارنس خوب است که جواب‌های هوشمندانه را به کار تمام‌شده تبدیل می‌کند. در مقاله‌های بعد بخش‌های اصلی‌اش را می‌بینیم: ابزار، حافظه و محافظ‌ها.