Skip to content
Статья Nielsen Norman Group нояб. 2026 г.

NN/g: что такое agent harness и почему дизайнерам важно это знать

По мере того как AI-агенты переходят из демонстраций в готовые продукты, терминология вокруг них начинает устояться. Одно из понятий, с которым всё чаще сталкиваются продуктовые и UX-дизайнеры, — agent harness: программный слой, расположенный между AI-моделью и инструментами, которые она использует.

О чём статья

В ноябре 2026 года Caleb Sponheim из Nielsen Norman Group опубликовал эту статью, чтобы дать дизайнерам рабочее определение, применимое в обсуждениях продукта. Материал предназначен для всех, кто проектирует продукты, где AI-агент выполняет многошаговые действия от имени пользователя.

Что делает agent harness

Harness — это код, запускающий цикл выполнения AI-агента. Когда модель принимает решение вызвать инструмент — проверить календарь, прочитать файл, отправить сообщение — именно harness фактически выполняет этот вызов, проверяет, разрешено ли действие, возвращает результат модели и продвигает цикл вперёд. Без harness модель способна лишь отвечать на запросы; с ним она может выполнять последовательности задач.

Harness делает три вещи, которые дизайнерам необходимо понимать. Во-первых, он собирает контекст: до того как модель получит запрос пользователя, harness аккумулирует предыдущие сообщения, сохранённые настройки, подключённые источники данных и системные инструкции. То, что модель может сделать, отчасти определяется тем, что harness ей передаёт. Во-вторых, harness подключает инструменты и устанавливает разрешения: он определяет, какие инструменты агент вправе вызывать и когда необходимо сделать паузу для подтверждения пользователем. В-третьих, harness задаёт ограничения: он может ограничить количество шагов, стоимость запуска или его продолжительность, а также остановить цикл при возникновении проблемы.

Почему это важно для дизайнеров

Практический вывод состоит в том, что одна и та же базовая AI-модель может вести себя совершенно по-разному в зависимости от окружающего её harness. Продукт, использующий Claude или GPT-4o в качестве модели, определяется не только возможностями этих моделей — он определяется тем, что harness открывает наружу.

Sponheim выделяет три UX-следствия. Первое: оценивая возможности продукта, нужно изучать harness, а не только модель — задача, которую модель теоретически способна решить, может оказаться недоступной, если harness не подключил нужные инструменты. Второе: дизайн продукта на основе агентов включает поведение harness: диалоги разрешений, подтверждения действий, хранение настроек и потоки отмены — всё это часть опыта, даже если написано инженерами. Третье: при оценке AI-продуктов нужно тестировать полные задачи, включая сбойные сценарии, и совместно с инженерами выяснять, на каком уровне произошёл отказ — интерфейс, harness или модель, — поскольку от этого зависит исправление.

Для кого эта статья

Материал будет полезен продуктовым дизайнерам, работающим над AI-функциями, design engineers и продуктовым менеджерам, которым нужен общий язык с инженерными командами. Статья предполагает некоторое знакомство с AI-продуктами, но не требует технической подготовки.