LangChain: Kako izgraditi vlastiti agent harness (agent = model + harness)

Što je LangChain objavio?

LangChain je 3. lipnja 2026. objavio tehnički vodič autorice Sydney Runkle koji objašnjava kako izgraditi vlastiti agent harness. Vodič harness definira kao skelu oko jezičnog modela koja ga povezuje sa stvarnim svijetom, sažeto u formulu agent = model + harness. Posao harnessa je dostaviti modelu pravi kontekst u pravom trenutku za zadani zadatak. Bez harnessa model je tek generator teksta, a tek s njim postaje agent koji može djelovati u okolini.

Što je create_agent?

Središnji alat vodiča je LangChainov create_agent, koji za izgradnju agenta traži tri ulaza: model, alate i system prompt. Alat je namjerno minimalistički, što znači da ne nudi mnoštvo opcija nego osnovni okvir koji se nadograđuje. Umjesto da prilagodbu rješava kroz brojne parametre, create_agent izlaže middleware kao primarni mehanizam prilagodbe, čime se agent gradi dodavanjem slojeva oko jezgre, a ne mijenjanjem same jezgre.

Kako middleware oblikuje agent-petlju?

Middleware se kači na agent-petlju na specifičnim točkama: prije i poslije poziva modela, prije i poslije poziva alata te pri startupu i teardownu (pokretanju i gašenju agenta). Na tim točkama middleware nudi četiri poluge za prilagodbu: determinističku logiku, alate, custom state i stream handlere. Deterministička logika dodaje predvidljiva pravila, alati proširuju sposobnosti, custom state pohranjuje podatke kroz petlju, a stream handleri upravljaju protokom izlaza. Te poluge omogućuju precizno oblikovanje ponašanja agenta bez prepravljanja modela.

Koje produkcijske zahtjeve članak pokriva?

Vodič mapira osam čestih produkcijskih zahtjeva na odgovarajuće tipove middlewarea. Ti zahtjevi su upravljanje kontekstom, memorija, interakcija s okolinom, delegiranje, hvatanje grešaka, enforcement politika, steering i kontrola troška. Za svaki od njih članak pokazuje kako ga riješiti odgovarajućim middlewareom umjesto prepravljanjem osnovne logike agenta. Time se složeni produkcijski problemi razlažu na modularne, ponovno upotrebljive komponente koje se po potrebi uključuju.

Što znači “task-harness fit”?

Zaključak vodiča jest da “task-harness fit”, odnosno usklađenost između zadatka i harnessa, presudno određuje učinkovitost agenta. Isti model može biti izvrstan ili slab agent ovisno o tome koliko je harness oblikovan prema konkretnom zadatku. Ta poruka pomiče fokus s odabira modela na dizajn harnessa, sugerirajući da kvaliteta agenta često više ovisi o skeli oko modela nego o samom modelu.

Zašto je ovaj pristup važan za graditelje agenata?

Za inženjere koji grade agente u produkciji, vodič nudi jasan mentalni model i konkretne alate. Razdvajanjem agenta na model i harness te izlaganjem prilagodbe kroz middleware, LangChain promovira modularan pristup u kojem se produkcijski zahtjevi rješavaju dodavanjem slojeva. Naglasak na “task-harness fitu” podsjeća da uspjeh agenta ne dolazi automatski iz snažnog modela, nego iz pažljivo prilagođenog harnessa koji modelu daje pravi kontekst u pravom trenutku.