Seri AI #5: Harness Itu Apa?

Sampai di tulisan keempat, kita sudah punya hampir semua bahan: LLM sebagai mesin bahasa, tools sebagai alat bantunya, dan MCP sebagai colokan standar untuk menghubungkannya ke dunia luar. Tetapi ada satu pertanyaan yang belum terjawab: siapa yang mengatur semuanya? Siapa yang menerima perintah kita, menyerahkannya kepada LLM, menjalankan tool yang diminta, mengembalikan hasilnya, lalu mengulang proses itu sampai tugas selesai? Lapisan pengatur inilah yang disebut harness — perangkat lunak yang membungkus LLM dan mengelola seluruh pekerjaannya.

Kata harness dalam bahasa Inggris berarti tali kekang atau perangkat pengaman yang membuat tenaga besar bisa diarahkan dengan terkendali — misalnya pada kuda atau pada pekerja di ketinggian. Makna itu tepat untuk AI: LLM punya kemampuan besar, tetapi tanpa arah dan kendali ia hanya menghasilkan teks. Analogi lain yang mudah dibayangkan adalah dapur. LLM adalah koki yang pandai, tools adalah peralatan masaknya, dan harness adalah dapurnya itu sendiri lengkap dengan aturan kerjanya: di mana bahan disimpan, urutan memasak bagaimana, dan apa yang boleh atau tidak boleh dilakukan. Koki yang sama akan menghasilkan pekerjaan yang sangat berbeda di dapur yang lengkap dan tertata dibandingkan di tempat yang serba seadanya.

Di dalam sebuah harness, setidaknya ada beberapa tugas yang berjalan bersamaan. Pertama, harness menerima masukan kita dan menyusun konteks untuk LLM: instruksi awal, riwayat percakapan, dan ingatan yang relevan. Kedua, harness memberi tahu LLM tools apa saja yang tersedia beserta cara memakainya, lalu menerjemahkan permintaan LLM untuk memakai tool — yang ditulis dalam format khusus — menjadi tindakan nyata, termasuk memanggil layanan luar melalui MCP bila perlu. Ketiga, harness mengembalikan hasil tool itu kepada LLM agar ia bisa melanjutkan berpikir. Putaran berpikir, bertindak, dan mengamati hasil ini berulang terus sampai tugas dinilai selesai dan jawaban akhir disampaikan kepada kita.

Harness juga yang memegang kendali soal keamanan dan ketertiban, bukan LLM itu sendiri. Di lapisan inilah izin diatur: tool mana yang boleh dipakai, tindakan mana yang harus meminta persetujuan pengguna terlebih dahulu, dan batas apa yang tidak boleh dilanggar. Harness pula yang menangani kesalahan — misalnya sebuah tool gagal atau internet terputus — dengan mencoba langkah lain atau melaporkan masalahnya dengan jujur, serta mencatat apa saja yang sudah dilakukan. Tanpa lapisan ini, AI yang kuat bisa menjadi ceroboh; dengan lapisan ini, kekuatannya menjadi bisa dipercaya.

Inilah sebabnya LLM yang sama bisa terasa sangat berbeda ketika dipakai di produk yang berbeda. Di aplikasi percakapan biasa, LLM yang sama mungkin hanya bisa menjawab pertanyaan. Di aplikasi lain dengan harness yang dilengkapi tools pencarian, pembaca berkas, ingatan jangka panjang, dan aturan izin yang baik, LLM itu bisa membantu pekerjaan nyata dari awal sampai akhir. Perbedaannya sering bukan terletak pada otaknya, melainkan pada harness yang membungkusnya. Ketika kita menilai sebuah produk AI, pertanyaan yang baik bukan hanya "model apa yang dipakai?", tetapi juga "harness-nya selengkap dan seaman apa?".

Singkatnya, harness adalah lingkungan kerja yang membuat LLM bisa berpikir, bertindak, dan dikendalikan secara aman dalam satu putaran kerja yang rapi. Nah, apabila sebuah LLM sudah dipasang di dalam harness, lalu diberi tujuan yang jelas, instruksi khusus, ingatan, dan seperangkat tools untuk satu bidang pekerjaan — maka lahirlah sesuatu yang selama ini sering kita dengar namanya: agent. Itulah yang akan kita bahas pada tulisan berikutnya.