---
title: Wat is een harness bij AI-agenten? Uitleg en voorbeelden
description: "Een harness is de laag om het model heen: tools, context, state en
  uitvoering. Lees wat die laag doet en waarom een agent daar staat of valt."
lang: nl
canonical: https://www.en-twine.ai/nl/wat-is/harness/
updated: 2026-09-29T15:52:29.000Z
---
Een taalmodel voorspelt tekst. Het kan geen mail versturen, geen order wegschrijven en geen pagina openen. Alles wat een [AI-agent](/nl/wat-is/ai-agent/) in de praktijk doet, gebeurt doordat de laag eromheen het aanbiedt en uitvoert. Die laag heet het harness. Het woord komt uit de engineeringpraktijk en is in het Nederlands niet vertaald, maar het beeld klopt: een harnas dat om iets heen zit, dat de bewegingsruimte bepaalt en dat u zelf aanmeet.

## Wat een harness doet

Een harness doet vier dingen:

- Het **biedt tools aan**: zoeken, lezen, schrijven of een systeem bijwerken. Een tool is niet alleen een functie, maar ook een afspraak over waarvoor hij bedoeld is, wanneer juist niet en wat het antwoord betekent. Een groot deel van het gedrag van een agent zit in die beschrijving en niet in het model.
- Het **zet context klaar**: welke informatie gaat per stap mee? Dat is selectie, geen opslag. Te veel informatie meesturen maakt een agent duurder en kan de antwoorden minder betrouwbaar maken.
- Het **houdt bij wat er gebeurd is**: het model kan niet zien of een actie is gelukt en ziet alleen wat het harness teruggeeft. Die administratie heet [state](/nl/wat-is/agent-state/) en is een veelvoorkomende oorzaak van problemen in productie.
- Het **begrenst de uitvoering**: hoe vaak mag de agent opnieuw proberen, wanneer stopt hij, wat mag nooit zonder goedkeuring en wie mag wat? Dat hoort afgedwongen te worden in de software en niet gevraagd te worden in de prompt, met [menselijke goedkeuring voor onomkeerbare acties](/nl/wat-is/human-in-the-loop/).

## Waarom dit onderscheid belangrijk is

Twee bedrijven kunnen hetzelfde model gebruiken en een totaal verschillend resultaat krijgen. Het verschil zit bijna nooit in het model en bijna altijd in de laag eromheen: welke tools er zijn, welke informatie meegaat en wat er gebeurt als een stap half slaagt. Dat is ook de praktische reden om die laag zelf te bezitten. Wie het harness heeft, kan het model per taak kiezen, wisselen van aanbieder of naar een open source model gaan zonder de agent opnieuw te bouwen. Wie de laag niet beheert, heeft het model als afhankelijkheid in plaats van als onderdeel.

## Hoe ziet dat er concreet uit

Wij hebben er zelf één gepubliceerd. Het [Minimal Coding Harness](/nl/blog/minimal-coding-harness-open-source/) staat onder MIT-licentie op GitHub en is bewust klein gehouden. Het beperkt hoeveel informatie naar het model gaat, controleert lokaal of het geleverde werk klopt en houdt het verbruik apart bij. Zo blijft de agent sneller, goedkoper en beter controleerbaar. Dat is een harness voor code. Voor een agent in uw eigen processen ziet de inhoud er anders uit, maar de vier onderdelen hierboven blijven dezelfde. Bij een CRM-agent, bijvoorbeeld, schrijft het model een follow-up, terwijl het harness de juiste klantgegevens ophaalt, goedkeuring vraagt, de e-mail verstuurt en in het CRM vastlegt wat er daadwerkelijk is gebeurd.

Wilt u weten wat dat betekent als u zelf iets wilt bouwen, lees dan de gids over [een eigen AI-agent bouwen](/nl/gids/ai-agent-bouwen/). Wilt u eerst weten welk proces zich daarvoor leent, begin dan met de [AI Readiness Scan](/nl/ai-readiness-scan/).