Как обвязка вокруг ИИ стала отдельным слоем технологии
За пару лет LLM-модели перестали быть просто чатами с правилами и превратились в часть более сложной системы — харнеса. Именно этот слой теперь задаёт, как ИИ получает доступ к инструментам, помнит контекст и выполняет задачи.
Что такое модель, харнес и агент
Сама языковая модель — это по сути генератор текста. Она не помнит прошлые запросы, не видит внешний мир и не умеет действовать сама по себе: она лишь продолжает текст по входному контексту.
Харнес — это всё, что превращает модель в полезную систему. Сюда входят инструменты для работы с внешними сервисами, память и сессии, инструкции, ограничения по правам и дополнительные механизмы вроде хуков, скилов и оркестрации. Если говорить проще, модель — это «мозг», а харнес — «тело» и рабочая среда.
Именно когда модель помещают в харнес, она становится ИИ-агентом. Такой агент уже может выполнять многошаговые задачи: читать состояние среды через инструменты, помнить ход работы и доводить цепочку действий до результата.
Как развивался этот слой в 2023–2026 годах
Сначала всё держалось на простых правилах и промптах. Потом появились более удобные форматы вроде .cursorrules, затем системный подход закрепили Claude Code и файл CLAUDE.md, а позже OpenAI предложила стандарт AGENTS.md. К сентябрю 2026 года его поддерживали уже более 60 000 open-source репозиториев, а среди совместимых инструментов были Amp, Codex, Cursor и Gemini CLI.
Параллельно рос MCP — стандарт подключения внешних инструментов к агенту, появившийся в ноябре 2024 года. В 2026 спецификацию обновили так, чтобы сервер мог работать как обычный HTTP-сервис без привязки к сессии, а также добавили фреймворк Extensions для корпоративной аутентификации, интерактивных приложений и долгих задач.
Дальше появились более удобные способы работать с длинным контекстом: компактизация, чекпоинты, откат шагов, форкирование диалогов и субагенты. К 2026 году это превратилось в более зрелую сессионную память с фоновыми потоками и caching-механизмами.
Почему сейчас важен именно харнес, а не только модель
В 2025 году модели стали довольно близкими по качеству, и удерживать пользователя только за счёт самой LLM стало сложнее. Поэтому вендоры сместили акцент на харнес: на правила, память, хуки, MCP-настройки и связку с инструментами. Менять модель теперь можно быстро, а вот менять харнес — это уже миграция накопленной инженерной базы.
Отдельно выросли хуки и скилы. Хуки позволяют подмешивать нужные инструкции в правильный момент, не перегружая агента огромными файлами. Скилы, в свою очередь, стали лёгкой альтернативой MCP: сначала это были markdown-инструкции, а затем к ним добавились исполняемые скрипты. Это полезно компаниям и командам, которым нужно быстро подключать новые сценарии работы без полной переработки системы.
При этом остаётся проблема переносимости: харнес нельзя просто скопировать из одного продукта в другой. Часть стандартизации уже есть в правилах и скилах, но для хуков и плагинов единого универсального формата пока нет.