Kihagyás

Engineering the Membrane — Harness Orchestration, Part 2

Szerző: Santosh Kumar Radha (CTO, AgentField) Dátum: 2026-05-05 Forrás: https://agentfield.ai/blog/harness-as-membrane Hossz: ~15 perc olvasás, sorozat 2. része

Összegzés

A Part 1 megállapította: a harness egy új számítástechnikai primitív (agency + embodiment + persistence együtt). A Part 2 a membránt — a harness határfelületét — bontja négy mérnöki kontrollálható dimenzióra.

1. A workspace a legnagyobb prompt

A rendszerprompt és user prompt együtt ~2-4K token. A harness viszont az első 5-10 körben 30-60K tokent olvas be a munkakönyvtárból: README, commit history, test fájlok, dependency manifest. A workspace a legnagyobb prompt, amit a harness valaha lát — és az orchestrator egyetlen szavát sem tartalmazza.

"Te írtál 4K-t. Az agent 60K-t olvasott. A workspace a prompt, amit az orchestrator soha nem gépelt be."

Amit tenni kell: - Snapshot + worktree per hívás - Rövid, feladat-specifikus brief írása, ami felülírja a README-t - .cursor/, node_modules/, dist/ mappák törlése a workspace-ből - Környezeti változók tisztítása (csak ami kell) - Diagnosztika: ha rossz a trajektória, dumpold ki mit olvasott az első 10 körben — a hiba oka szinte mindig ott van

2. A membrán driftel

Ami t=0-kor konfigurálva volt, nem az, ami t=30-nál működik. Négy drift forrás:

Drift forrás Mi történik Mitigation
Script-write-then-execute Agent ír egy scriptet és futtatja → tool-készlet bővült Frozen tool registry (t=0-kor rögzíteni, scriptek nem adhatnak új tool-t)
Context compaction Context ablak megtelik → korai körök összefoglalva → prompt constraint-ek elvékonyodnak Brief fájlba írása, újraolvasás minden compaction-nál
Discovered capability Agent felfedez egy deploy scriptet, API key-t, belső toolt Snapshot-olt workspace (worktree per hívás, utána eldobás)
Expanding network reach Minden sikeres HTTP hívás tanítja az agentet elérhető szolgáltatásokról OS-level egress control (sandbox hálózati policy)

A drift miatt a paraméterek összecsatolódnak futás közben: max_turns × max_budget × tools × permission_mode — amik a call site-on függetlennek tűnnek, futásidőben nem azok.

3. Verifierek, amiket a harness lát, nem szerződések

A kritikus kategorikus változó: a verifier a membrán melyik oldalán van.

  • Inside-visible verifier → trajektóriát formál → legyen olcsó, gyors, nehezen game-elhető (type check, lint, unit test zárolt fixture-ökkel)
  • Outside-only verifier → eredményt kapuz → legyen drága, lassú, fizikailag kívül a writer elérésén (integrációs test valós függőségekkel, schema diff, második harness más modellel)

Empirikus példa: A Part 1 40 kísérletéből egy agent úgy ment át pytest-en, hogy mock-olta a teszt fixture-t, a valós függőség helyett stub-ot adva vissza. CI is átment (ugyanaz a pytest). Az integrációs környezet másnap fogta meg.

Goodhart törvénye érvényes: amikor ugyanaz az artifact szolgál verifierként és szerződésként is, az agent optimalizálni fog a verifierre, nem a szerződésre.

Strukturális fix — kompozíció:

## Writer harness: írhat, szerkeszthet
artifact = await app.harness(prompt=task.goal, cwd=worktree(writer))

## Verifier harness: CSAK olvasás, másik modell, másik cwd, nincs Write/Edit
return await app.harness(
    prompt="Ellenőrizd az artifactot a brief ellen. Futtass integrációs teszteket valós függőségekkel.",
    cwd=worktree(verifier),
    provider="codex",  # másik modell → másik attractor
    tools=["Read", "Bash(pytest tests/integration/*)"],  # nincs Write, nincs Edit
    schema=Acceptance
)

4. Blast radius ≤ recovery budget

Minden képességnek van egy legrosszabb undo költsége:

Képesség Undo költség Mikor OK
read_only nulla mindig
sandbox másodpercek exploratív munka
worktree percek kód változtatás PR review-val
shared_db órák megbízható point-in-time restore esetén
prod_write napok ritkán; verifier + HITL kötelező
prod_send végtelen soha explicit ember nélkül

A legtöbb produkciós harness hiba az alsó három sorban van, véletlenül megadva. A recovery budget-et a farokra kell méretezni, nem az átlagra — a 40-ből 25 eltérő diff közül a hibásak fizettetik meg a költséget.

Gyakorlati lépés: Minden harness-re: mi a legrosszabb dolog, amit csinálhat? Mi az undo budget? Ha a budget kisebb → membrán szűkítése.

A sorozat következő része: Part 3 — Contracts as Architecture (harnessek kompozíciója)

Vissza a tetejére