Хто зараз будує AI-агента, рано чи пізно стикається з тим самим набором проблем: де агент виконує код, як ізолювати його від хост-системи, як зберігати пам'ять між сесіями, як підключати скіли.Кожна команда будує цей шар з нуля під себе. Для нього з'являється назва: agent harness.⬥ Моделі → фреймворки → harness → продуктиСтек агентної інфраструктури поступово розшаровується. Внизу модель (GPT, Claude, Gemini). Над нею фреймворк (як з'єднати агентів: LangGraph, CrewAI). Над фреймворком harness (де агент живе і працює: сендбокс, пам'ять, скіли, термінал). Зверху продукт, яким користується людина.Фреймворк відповідає на питання «як з'єднати агентів». Harness відповідає на «де вони виконують роботу». Раніше цей шар не мав назви, кожен продукт будував його сам. Зараз він виділяється в окрему категорію з власними репозиторіями на Гітхабі, стандартами і конкуренцією.⬥ Три harness проекти одночасно в трендахbytedance/deer-flow (44k зірок) ByteDance переписали його з нуля в лютому 2026. Docker-ізоляція, пам'ять між сесіями, динамічні субагенти, 17 вбудованих скілів. MIT-ліцензія, працює з будь-якою моделлю. Бізнес-модель прозора: harness безкоштовний, інференс через Volcengine платний.NousResearch/hermes-agent (12.8k). NousResearch, відомі моделями Hermes, зайшли в інфраструктуру.ruvnet/ruflo (25k). Оркестрація мультиагентних swarm-ів.Три різні команди будують один і той самий шар одночасно. Це і є сигнал, що категорія реальна.⬥ Що з цього випливаєСтек розшаровується, і це нормальний процес дозрівання. Так було з вебом (сервери → фреймворки → PaaS → продукти), так відбувається з агентами.Harness як окремий шар означає, що наступному продукту не треба буде будувати сендбокс, пам'ять і оркестрацію з нуля. Це здешевлює створення нових агентних продуктів і прискорює появу спеціалізованих рішень поверх.Поки що стандарту нема, три команди будують три різних рантайми. Але сам факт, що шар виділився і отримав назву, означає, що конкуренція за нього вже почалась.🐋 @llms_ua