00 — ВступлениеВопрос, на который я устал отвечать
Почти каждый разговор с потенциальным клиентом рано или поздно приходит к одной фразе:
«Да зачем нам ваша платформа? Раздадим всем сотрудникам подписки на Claude Code или Cursor — и пусть работают.»
Это честный вопрос. И правильный ответ — не про фичи, а про то, как вообще устроена ценность в мире, где сама модель перестала быть дефицитом.
Пара слов о том, откуда я смотрю. Двадцать лет я занимался внедрением корпоративных систем класса ERP. От стажера первой линии поддержки до совладельца консалтиноговой компании-партнера SAP и директора в Axenix (ex-Accenture). Вайбкодить начал с первых дней появления этой возможности, для себя, затем с партнёром с нуля написали и запустили продукт для биржевой торговли — spreadlab.io, который принёс первые реальные деньги. И именно там мы уперлись в потолок «персонального» подхода: продукт, за который платят, — это не вечерний скрипт в руках одного человека. Из этой боли выросла Nextera. Дальше — только про неё и про вывод, к которому я пришёл, гоняя десятки AI-агентов в проде.
01 — ЯдроЧто такое harness и почему платят именно за него
Все говорят про модели: GPT против Opus против Kimi, кто умнее, у кого контекст больше. Но вот неудобная правда: модель — это стандартный товар, как бензин на заправке. Она у вас и у вашего конкурента одна и та же, доступна по API за одинаковые деньги. На самой модели вы не построите преимущества — её купит любой.
Преимущество — в harness. Harness (обвязка) — это всё, что стоит вокруг модели и превращает «умную болталку» в работающую систему:
- как задача декомпозируется и распределяется,
- как работа передаётся от одного агента к другому,
- как агенты встраиваются в ваш корпоративный ландшафт и обучаются
- как контролируется качество и кто не даёт соврать «готово»,
- как агенты помнят контекст между сессиями,
- как понимается, что агент реально работает, а не завис,
- как система накапливает знания о вас и компании, ее продуктах
- как всё это восстанавливается, когда ломается.
- А как этим всем управлять когда живых агентов у вас становится не 5 а 100 а потом 1000?
Сначала — про масштаб происходящего. Появление сильных LLM — это не новая фича, это смена эпохи: как электричество в начале XX века или пересадка с лошадей на автомобили. Сперва кажется игрушкой — через десять лет без этого не работает ничего. Но у всякой такой революции есть неочевидная часть. Электричество само по себе ничего не производит — производит завод, построенный вокруг розетки. И машина едет не потому, что в баке бензин, а потому, что вокруг двигателя собран автомобиль. Вот аналогия, которая объясняет лучше всего:
Harness — сама машина.
И вот ключевая деталь, ради которой метафора именно про топливо: топливо взаимозаменяемо. Наш агент — как гибрид: сегодня едет на одном провайдере, завтра переключаешь на другого — 92-й, 95-й, 100-й, электричество — и он даже не замечает подмены, продолжает ехать. Модель можно сменить на горячую, посреди дороги, потому что ценность не в ней, а в самой машине, собранной вокруг бака. Это и есть harness.
Возвращаясь к вопросу из начала: раздать подписки Cursor — это раздать всем по канистре бензина. Топливо есть — машины нет, завода нет. Платформа — это harness поверх того же самого топлива. Клиент платит не за доступ к модели (он и сам её купит на любой заправке), а за обвязку, которая превращает топливо в работающую команду.
02 — ARPМы поняли, что строим новый класс систем
Пока мы это собирали, поймали мысль, которая всё расставила по местам. Тридцать лет назад бизнес научился управлять ресурсами предприятия — деньгами, складом, людьми, производством — и назвал это ERP. Сегодня появился новый вид ресурса: армия AI-агентов. Они работают, ошибаются, стоят денег, зависят друг от друга; их нужно планировать, распределять, контролировать и учитывать — ровно как любой другой ресурс предприятия.
Значит, нужен и новый класс систем, чтобы этим ресурсом управлять. Мы называем это ARP — Agent Resource Planning. Harness в этом смысле — не «ещё один инструмент для кодинга», а система управления агентным трудом: тот же уровень, что ERP, только предмет управления не станки и склады, а агенты. И мы уверены, что ARP так же неизбежен, каким в своё время стал ERP.
ARP управляет агентами.
03 — В продеЧто мультиагентные контуры делают прямо сейчас
Это не рассказ про светлое будущее. Вот что агентные команды Nextera ведут в проде сегодня. Клиентов не называю (NDA) — но процессы настоящие, не демо:
Общее у всех пяти — это не «ассистент подсказывает». Это рабочие процессы, которые раньше делали люди или дорогие интеграции, а теперь ведёт агентный контур под присмотром harness.
04 — АрхитектураКак это устроено в железе
Теперь — базовая механика, без которой предыдущее звучит как маркетинг. Агент у нас — это языковая модель, запущенная в CLI-процессе на сервере, в бесконечном цикле. Она получает входящее сообщение, «думает», производит текстовый ответ — и этот ответ надо доставить нужному участнику: другому агенту или человеку. То есть весь обмен между агентами — это текст, который кто-то должен смаршрутизировать, проверить и не потерять. Именно поэтому нужна обвязка. Разберём её по частям.
4.1 · Оркестрация вместо ручного пинг-понга
С подпиской координатор — ты сам: копипастишь между чатами, держишь контекст в голове, следишь чтобы ревьюер посмотрел код. На 5 задачах — ок. На 50 — ты узкое горло. Harness делает это конвейером: задача декомпозируется, распределяется и передаётся между агентами автоматически. Оркестратор — это отдельный агент, который держит карту «кто над чем работает» и раздаёт следующие шаги.
4.2 · Адресация по числовым ID
Всё общение агентов положено на числовые идентификаторы и базу, а не на имена в тексте. Это архитектура с колёс: агент не пишет «@Иван» словами — он указывает ID получателя, а диспетчер сам резолвит его через БД и подставляет корректный адрес при доставке. Модель отвечает за смысл, платформа — за адрес. Маршрутизация получается детерминированной: она не зависит от того, как модель набрала имя, транслитерацию или форму.
На тех же ID лежат агенты, команды, проекты и задачи — единый машинный контур, поверх которого уже рисуется человекочитаемый интерфейс. Идентичность и роутинг — забота платформы и БД; модель занимается только смыслом. Просто, надёжно, масштабируется на десятки участников без единой «потерявшейся» реплики.
4.3 · Контроль качества, который нельзя пропустить
LLM-агент радостно напишет «✅ готово», когда код не собирается. Против этого — обязательный гейт: Developer → Reviewer → Test Lead → owner.
Developer не идёт дальше без ACK ревьюера по хэшу коммита. Фича не готова без live-verify тест-лидом — не «зелёный юнит-тест», а проверка глазами того, что фикс делает в проде. Ревьюер — тоже агент, и его нельзя пропустить: и диспетчер, и внутренний канон не дают срезать цепочку. Это разница между «джун закоммитил» и «прошло ОТК».
4.4 · Liveness: почему «процесс жив» — это ложь
Самый неочевидный урок. Залипший CLI, который ждёт ввода уже час, — это живой процесс со «свежим» лог-файлом. Он выглядит зелёным, но не делает ничего. Мы называем это «зелёный при глухом». Поэтому источник истины о жизни агента — живой мост (постоянное соединение диспетчер↔агент), а активность — это не сам факт соединения, а фактическая доставка новой работы через него. Инвариант: зелёный = реально ответил, а не «процесс запущен». Подделать зелёный нельзя by-design.
4.5 · Надёжность: восстановление без рук оператора
Агенты залипают. Раньше чинилось руками. Теперь — диагностическая лесенка проверок с авто-фиксом возрастающей инвазивности. Реальный кейс: ревьюер-агент завис и провисел так 119 часов; лесенка поймала, убила залипший процесс и перезапустила его канонически — зелёный за 6 секунд. Философия детектора — «не навреди»: ложное авто-действие опаснее пропущенного зависания, поэтому при любой неоднозначности система молчит и логирует «сознательно осторожен», а не действует наугад.
4.6 · Память и RAG: помним неделями, не таща всё в контекст
Подписка забывает всё между сессиями — harness помнит проект, решения, историю. Но «помнить» — это не «сложить весь диалог в один файл»: окно модели конечно и дорого. Поэтому длинные диалоги мы компактим — сжимаем в короткие смысловые резюме (компактинги). И режем на чанки, векторизуем и кладём в векторную базу именно эти компактинги, а не сырой лог.
Почему именно их? Сырой лог — это шум: большая часть токенов не несёт смысла для будущего. Сжатое резюме — плотный сигнал: по нему и семантический поиск точнее, и хранить дешевле. Когда агенту нужно что-то вспомнить, он ищет не по ключевым словам, а по смыслу — и достаёт ровно тот кусок памяти, что релевантен задаче. Так агент держит проект в голове неделями, не втаскивая килотонны истории в каждый запрос.
4.7 · MCP: безопасный коннект к любым корп-системам
Агент полезен ровно настолько, насколько дотягивается до реальных данных. Мы подключаем агентов к корпоративным системам через MCP (Model Context Protocol) — единый стандартный слой доступа к инструментам и данным. Через него агент ходит в базы, ERP, трекеры, файловые хранилища, внутренние API. Коннектор нужный мы либо пишем сами, либо берём готовый — хоть наш, хоть клиентский. Доступ гранулярный и аудируемый: агент видит ровно то, что ему разрешили, каждый вызов логируется. Это разница между «болталкой, которая фантазирует» и «сотрудником, который работает с настоящими данными компании» — безопасно и гибко.
4.8 · Модели: свои и клиентские, внешние и внутренние
Раз модель — это топливо, заправляться можно откуда угодно. Внешние облачные провайдеры (Claude, GPT, Gemini, Kimi…), собственные модели, развёрнутые локально, или модели самого клиента в его контуре. Для чувствительных данных — всё целиком на инфраструктуре клиента, наружу не уходит ничего. Переключение — на горячую, под задачу и бюджет: дорогую топ-модель на критичное ревью, дешёвую — на фон. Это и защита от вендор-лока, и прямой рычаг на стоимость. Что ещё раз доказывает тезис: модель взаимозаменяема, ценность — в обвязке.
05 — ЧестноЧто это стоило и что ещё не решено
Без глянца:
Всё это — не баги подхода, а и есть та самая работа harness, за которую платят. Если бы это было легко, преимущества бы не было.
06 — ЗачемЗачем я это рассказываю
Архитектуру раскрыли осознанно: если видишь, где мы неправы или где решение лучше — комментарии открыты. В мире, где топливо у всех одно, единственный способ строить машину лучше — это спорить о ней вслух.