Uprząż oznacza wszystko, co otacza model SI, aby uczynić z niego agenta zdolnego do działania. Przy tym samym modelu, ta struktura powoduje zmiany w wynikach, kosztach i zabezpieczeniach, zgodnie z danymi opublikowanymi niedawno na podstawie testów agentów programistycznych.
Sam model językowy generuje tekst. Uprząż dodaje do tego pętlę wykonawczą, która wykrywa wywołania narzędzi, wykonuje je, zwraca wyniki i powtarza proces aż do zakończenia zadania. Obejmuje również instrukcje, zarządzanie kontekstem, podagentów, weryfikację pracy oraz piaskownicę, czyli przestrzeń ograniczającą dostępne pliki i osiągalne serwery.
W Terminal-Bench 2.1, teście agentów wiersza poleceń, Gemini 3 Pro wykonało 65,8% z 89 zadań w Gemini CLI, agencie publikowanym przez Google dla swoich modeli. W Terminus 2, minimalnym programie napisanym przez autorów testu i wyposażonym tylko w jedno narzędzie – terminal – osiągnął 73,9%. Ranking Terminal-Bench 2.1, później zarchiwizowany przez Snorkel AI, rozdziela te dwie linie o 8,1 punktu.
LangChain zmierzył efekt, modyfikując tylko uprząż. Jego agent deepagents-cli poprawił wynik z 52,8% do 66,5% w Terminal-Bench 2.0, zgodnie z wpisem z 17 lutego 2026 roku. „Zmieniliśmy tylko uprząż, zachowując stały model gpt-5.2-codex » – pisze firma. Modyfikacje dotyczyły instrukcji systemowej, narzędzi, wymuszonej weryfikacji przed wyjściem, licznika zmuszającego agenta do ponownego przemyślenia metody, gdy zbyt często modyfikuje ten sam plik, oraz dozowania wysiłku rozumowania.
Badanie Tulane, Rutgers i Virginia Tech, opublikowane 7 maja 2026 roku w artykule pozycyjnym, zestawia trzy modele z trzema uprzężami na 100 zadaniach SWE-bench Verified. Według jego autorów zmiana uprzęży przesuwa wynik o 8,5 do 13 punktów, w porównaniu do 2,5–5 punktów przy zmianie modelu. Autorzy Terminal-Bench pozostają jednak ostrożni: w swoim artykule z 17 stycznia 2026 roku szacują, że „wybór modelu ma zazwyczaj większe znaczenie niż rusztowanie agenta ».
Rachunek zależny od konfiguracji
API rozlicza każde wywołanie za cały przesłany kontekst, a sesja agenta zwraca swoją historię w każdej turze. Pamięć podręczna redukuje ten koszt, z rabatem 95% na ponownie odczytany token, zarówno dla Claude Opus 5.5, jak i GPT-6.1 Sol. Uprząż, która modyfikuje początek swojego zapytania w trakcie sesji, traci ten rabat, co wyjaśnia, dlaczego Codex dodaje swoje zmiany na końcu zapytania.
Wybór narzędzi również ma znaczenie. We wpisie z 4 listopada 2025 roku Anthropic szacuje koszt na 150 000 tokenów dla agenta, który od razu ładuje definicje wszystkich swoich narzędzi, w porównaniu do 2 000, gdy wywołuje je z kodu. Vercel usunął 80% narzędzi z d0, swojego agenta tłumaczącego pytania na SQL. W przypadku pięciu zapytań z Claude Opus 4.5 średnie zużycie spadło z około 102 000 do 61 000 tokenów, a powodzenie wzrosło z czterech do pięciu na pięć zapytań. Pięć zapytań nie stanowi statystyki, przyznaje firma w tym samym duchu.
Kto decyduje o tym, co agent może zrobić
Uprząż określa również granice tego, co agent może wykonać. Preprint ToFu wykazał 9 października 2026 roku, że mały lokalny model wyemitował wywołanie do fikcyjnego narzędzia o nazwie launch_missiles, które LangGraph wykonał bez kontroli, przed napisaniem odmowy. Odmowa następuje więc po wykonaniu, co umieszcza weryfikację uprawnień w uprzęży i samych narzędziach.
Anthropic wskazuje we wpisie z 25 marca 2026 roku, że użytkownicy akceptują 93% żądań autoryzacji. Jego piaskownica zmniejszyła te żądania o 84% w użyciu wewnętrznym, a klasyfikator następnie przegląda działania nieautoryzowane z wyprzedzeniem. Spośród 52 rzeczywistych nadmiernych działań przepuścił 17%. OpenAI również izoluje wykonanie w swoim Agents SDK od 15 kwietnia 2026 roku.
Artificial Analysis planuje sekcję „Porównanie Uprzęży » na swojej stronie agentów kodu. 30 października 2026 roku widniała tam adnotacja „wkrótce dostępne ».
