Building more than just an agent harness

Тема AI-агентов остаётся в центре внимания индустрии сразу по нескольким направлениям. По данным Figma Blog, создание агентных продуктов ставит перед разработчиками особые задачи проектирования: нужно сделать инструмент достаточно мощным и «знающим», чтобы он мог выступать настоящим партнёром пользователя, но при этом сохранить доверие и безопасность как основу продукта — этим наблюдением в блоге поделились опрошенные лидеры индустрии.

Инфраструктурная сторона вопроса поднималась и на конференции Microsoft Build. Как сообщает Stack Overflow Blog, вице-президент Microsoft по AI Core Джей Парикх рассказал о том, что нужно предприятиям для создания, развёртывания и запуска AI-агентов в масштабе с измеримым ROI, а также о том, как в Microsoft построили сквозную систему разработки агентов, выходящую за рамки простого «харнесса», и как оценивать такие решения. В том же направлении движется и DeepSeek: по данным «Библиотеки программиста», компания открыла исходный код своего фреймворка DeepSeek Harness (dsh) для создания AI-агентов. Проект построен на плагинах — можно заменять модель, инструменты, sandbox и даже интерфейс; поддерживаются DeepSeek, Claude, GPT, Gemini и другие модели, при этом проект пока находится в стадии developer preview.

На прикладном уровне также появляются новые кейсы. TechCrunch сообщает, что стартап Runable привлёк $21 млн, делая ставку на то, что AI-агенты способны не только запускать бизнесы, но и растить их: по словам компании, 60–70% использования её токенов (объём которых превысил 1 триллион за последние 90 дней) пришлось на платящих клиентов. Отдельный пример практического применения агентов приводит dev.to: команда разработчиков в рамках хакатона «Build with DataHub: The Agent Hackathon» создала агента, превращающего метаданные DataHub (лайнеж, SLA по свежести данных, PII-теги, термины глоссария) в готовые Airflow DAG; хакатон завершился, но, по словам авторов, разработка проекта продолжается.