Harness predstavlja Agent DLC — CI/CD za AI agente

Samo 8% organizacija ima agentički AI u produkciji. Ta statistika, koju navodi Gartner, a koja se ovoga tjedna široko ponavlja u industriji, govori više o alatima za developere nego o kvaliteti modela. Modeli rade. Ono što ne funkcionira jest cijev isporuke oko njih — testiranje, upravljanje, nadzor i odgovor na incidente.

Harness je 21. srpnja najavio Agent DLC, proširenje svoje CI/CD platforme koje AI agente tretira istom pipeline disciplinom kao i klasični softver. Ovo izdanje rješava strukturni jaz: u anketi iz ožujka 2026., 78% poduzeća prijavilo je aktivne AI pilot projekte, ali manje od 15% tih pilot projekata stiglo je u produkciju. Gartner sada predviđa da će 40% ili više projekata agentičkog AI-ja biti otkazano do 2027. — ne ugašeno, nego otkazano.

Problem nije u tome da agenti ne mogu proizvesti korisne rezultate. Problem je u tome što su se do sada isporučivali izvan uobičajenog procesa objave — brzo, neformalno i bez kvalitetnih vrata, rollback putova i mogućnosti nadzora koje produkcijski softver zahtijeva. Harness Agent DLC pokušava zatvoriti taj jaz s pet mogućnosti osmišljenih da se uklope u postojeće CI/CD pipelaine.

AI Evals — Kvalitetna vrata za nedeterminističke sustave

Standardna kontinuirana isporuka pretpostavlja deterministički softver: isti ulazi daju iste izlaze. AI agent ruši tu pretpostavku. Isti upit s istim alatima može dati različite odgovore u različitim izvođenjima, što tradicionalnu canary analizu čini besmislenom. Ne možete uspoređivati ponašanje agenta na isti način na koji uspoređujete kod.

AI Evals zamjenjuje usporedbu izlaza mjerenjem kvalitete. Definira se skup reprezentativnih ulaznih podataka, konfiguriraju se funkcije bodovanja za točnost, sigurnost i performanse — svaka normalizirana na ljestvici 0,0–1,0 — te se postavlja prag prolaznosti. Harness to ugrađuje u pipeline kao fazu, na isti način na koji se pokreće lint provjera ili testni skup. Ako eval rezultat padne ispod praga nakon promjene modela ili ažuriranja upita, implementacija se zaustavlja.

To je karika koja je nedostajala između ručnog testiranja i tihih produkcijskih regresija. Timovi koji već izvode evaluacije u notebookovima ili ad-hoc skriptama, njihovo postavljanje kao pipeline vrata mijenja tijek rada iz opcionalne provjere u obavezni standard.

Implementacija agenata — Upravljana okruženja s canary izdanjima

Agent Deployments donosi gotove pipeline korake za Amazon Bedrock AgentCore i Google Agent Runtime, dva najčešća upravljana hosting servisa za agente. Model implementacije uključuje canary izdanja — usmjeravanje postotka prometa na novu verziju agenta prije potpunog puštanja — i Open Policy Agent zaštitne ograde koje nameću operativne granice u trenutku implementacije.

Za timove koji ne koriste Harness, sam obrazac vrijedi usvojiti: tretirati implementaciju agenta kao postupno puštanje, a ne kao kopiranje datoteke. Iste faze odobrenja i rollback procedure koje štite implementaciju mikroservisa trebale bi štititi i implementaciju agenata, no većina timova ih preskače.

AI konfiguracije — Odvajanje modela i upita od binarne datoteke

AI Configs odvaja odabir modela i sadržaj upita od binarne datoteke agenta, oslonjeno na postojeću Harnessovu infrastrukturu feature flagova. Moguće je zamijeniti temeljni model ili prilagoditi upit u stvarnom vremenu bez potpune ponovne implementacije. Ako promjena upita smanji kvalitetu, vraća se unatrag na razini konfiguracije umjesto da se izdaje nova verzija.

Ovo odražava ono što platformski timovi već godinama rade s feature flagovima i upravljanjem konfiguracijom. Primjena iste discipline na AI konfiguraciju znači da promjene upita postaju revidibilne, reverzibilne i odvojive od implementacije koda — što je rijetko slučaj u današnjim tijekovima rada s agentima.

Sigurnost agenata — Od popisa komponenata do kontinuiranog vatrozida

Agent Security uvodi automatizirano skeniranje ranjivosti specifično za arhitekturu agenata. Generira popis komponenata za svakog agenta — koji obuhvaća osnovne modele, dodatke, vještine i zavisnosti — te prije implementacije pokreće testove štetnih ulaza kako bi otkrio ranjivosti poput ubacivanja upita, probijanja zaštite i zloupotrebe alata.

U produkciji kontinuirani vatrozid nadzire ulaze i izlaze agenta zbog kršenja pravila. Za regulirane industrije u kojima odluke agenata imaju implikacije na usklađenost, ovaj sloj je ključan. Za sve ostale, već sam popis komponenata predstavlja značajan iskorak. Većina timova danas ne može s povjerenjem odgovoriti na pitanje “o kojim modelima i dodacima ovisi ovaj agent?”

AgentTrace — Praćenje staze odlučivanja za otklanjanje problema

AgentTrace bilježi cjelovitu stazu odlučivanja za svako izvođenje agenta: koji su alati pozvani, kašnjenje u svakom koraku, upiti i izlazi modela u svakom koraku. Praktično korisna mogućnost jest izvoz produkcijskih grešaka u eval slučajeve jednim klikom, čime se zatvara petlja između onoga što se pokvari u produkciji i onoga što se testira u CI-ju.

Harness objavljuje temeljne komponente — harness-sdk i harness-evals biblioteke — kao otvoreni kod pod Apache 2.0 licencom. One rade s bilo kojim OpenTelemetry pozadinskim sustavom, što znači da sam standard observabilityja nije zaključan na Harness platformu. Ako danas koristite OTel za svoje postojeće usluge, možete priključiti AgentTrace komponente bez migracije svog observability stoga.

Što to znači za cijev isporuke agenata

Agent DLC ne uvodi koncepte koji su novi za platformsko inženjerstvo. Eval vrata, postupna puštanja, odvajanje konfiguracije, sigurnosno skeniranje i praćenje staze odlučivanja imaju svoje ekvivalente u klasičnoj isporuci softvera. Novost je njihova primjena na AI agente kao jedinstvenu pipeline brigu, umjesto dodavanja naknadno.

Širi zaključak je strukturan. Razlog zašto većina AI pilot projekata ne stiže u produkciju nije neuspjeh inteligencije modela — već neuspjeh isporučne discipline. Timovi koji tretiraju agente kao eksperimentalne skripte preskaču ulaganja u infrastrukturu, upravljačke procese i vlasničke strukture koje bi pratile normalno izdanje usluge. Agent DLC daje timovima prisilnu funkciju: kada vaš agent prolazi kroz isti zapis promjena, kvalitetna vrata i lanac odobrenja kao i ostatak softvera, postaje teže tretirati ga kao još uvijek eksperimentalan.

Odakle početi

Ako vaš tim već koristi Harness, Agent DLC mogućnosti se postupno uvode korisnicima. Za timove koji koriste druge CI/CD platforme, open-source biblioteka harness-evals pruža komponentu eval vrata neovisno, kompatibilnu s bilo kojim OpenTelemetry pozadinskim sustavom. Krenite od observabilityja — većinu grešaka u produkciji agenata korisnici primijete prije nego što ih prikažu nadzorne ploče, a AgentTrace izravno rješava taj jaz.

Za dodatni kontekst, pogledajte raniji članak o tome zašto AI agenti u DevOpsu vrijede samo koliko i platforma ispod njih, koji obrazlaže da isti inženjerski temelji — testovi, telemetrija, rollback putevi — određuju pomaže li AI automatizacija ili šteti, bez obzira na alatni sloj iznad.