Wat is een agent harness (en waarom Claude Code er een is)?

AI-modellen zijn indrukwekkend. Maar een model alleen is niets meer dan een tekst-interface: tekst erin, tekst eruit. Wat een model omvormt tot iets dat daadwerkelijk werk verzet, is de agent harness. Alles dat om het LLM heen zit (de tools, het geheugen, het systeemprompt, de parameters) bepaalt hoe effectief je AI-agent werkt. En dat inzicht verandert hoe je over tools als Claude Code nadenkt.

In dit artikel leg ik uit wat een agent harness precies is, waarom de harness vaak belangrijker is dan het model zelf, en hoe Claude Code dit concept in de praktijk brengt.

Wat is een agent harness precies?

Een agent harness is alles dat om een taalmodel heen zit, behalve het model zelf. Denk aan de gereedschapskist en de werkinstructies die een vakman nodig heeft om zijn kennis daadwerkelijk toe te passen.

Concreet bestaat een harness uit deze onderdelen:

Tools. De acties die de agent kan uitvoeren. Bestanden lezen, code schrijven, terminal-commando's draaien, zoeken op het web.
System prompt. De startinstructies die bepalen hoe de agent zich gedraagt, welke regels gelden en welke context beschikbaar is.
Memory. Informatie die de agent onthoudt tussen sessies door. Projectkennis, eerdere beslissingen, geleerde lessen.
Parameters. Instellingen zoals temperatuur, maximale tokens en model-selectie die het gedrag van het taalmodel sturen.
Orchestratie. De logica die bepaalt wanneer de agent welke tool gebruikt, hoe fouten worden afgehandeld en hoe taken worden opgedeeld. Inclusief parallellisatie: meerdere sub-agents tegelijk laten werken.

Zonder harness is een LLM als een consultant die alles weet maar niks kan aanraken. De harness geeft handen aan het brein.

Waarom is de harness belangrijker dan het model?

Dit is het inzicht waar de meeste mensen overheen kijken. We vergelijken modellen op benchmarks (Claude vs GPT vs Gemini) terwijl het verschil in de praktijk veel vaker zit in de harness.

Stel je voor: een contentmanager bij een marketingbureau wil met AI blogposts schrijven. Ze heeft toegang tot hetzelfde model, maar twee verschillende setups:

Setup A: Het model via een chat-interface, zonder context over het merk, zonder schrijfregels, zonder toegang tot eerdere content.

Setup B: Het model via een harness met brandrichtlijnen, een CLAUDE.md systeemprompt met schrijfstijl en SEO-regels, toegang tot bestaande artikelen, en tools om direct te publiceren.

Het verschil in output is enorm. Niet omdat het model slimmer is, maar omdat de harness het model de juiste context, tools en instructies geeft.

De 80/20 van AI-productiviteit

In mijn ervaring zit 80% van het resultaat dat je met AI behaalt niet in het model, maar in hoe je de harness eromheen inricht. Betere instructies, betere context, betere tools. Dat zijn de hefbomen.

Hoe werkt Claude Code als agent harness?

Claude Code is het concrete voorbeeld van een goed gebouwde agent harness. Het is de tool van Anthropic die het taalmodel Claude omvormt tot een agent die je computer kan bedienen. Laten we de componenten bekijken.

Tools

Claude Code geeft het model toegang tot je bestandssysteem, je terminal, je browser en externe diensten via MCP-servers. Het model kan bestanden lezen en schrijven, git-commando's uitvoeren, builds draaien en zoekresultaten ophalen. Zonder die tools is het model blind en hulpeloos.

CLAUDE.md als systeemprompt

Het CLAUDE.md systeemprompt is misschien wel het krachtigste onderdeel van de harness. Dit bestand vertelt Claude Code wie het is, welke regels gelden voor het project, welke commando's beschikbaar zijn en hoe het zich moet gedragen.

Een goed CLAUDE.md-bestand bevat:

Projectstructuur en technologiekeuzes
Coding-conventies en stijlregels
Beschikbare commando's en scripts
Verwijzingen naar skills en agents

Hoe specifieker je CLAUDE.md, hoe beter de output. Het is het verschil tussen een nieuwe collega zonder onboarding en een collega met een compleet handboek.

Skills en agents

Claude Skills zijn herbruikbare instructiesets die Claude Code leert hoe specifieke taken uit te voeren. Denk aan een schrijfgids, een SEO-checklist of een deployment-procedure. Skills leven in de .claude/skills/ map van je project.

Agents gaan een stap verder. Ze combineren meerdere skills met een workflow en kunnen zelfstandig end-to-end taken uitvoeren. Een content-writer agent leest bijvoorbeeld de brandrichtlijnen (skill), schrijft een artikel (skill), valideert de SEO (skill) en publiceert het resultaat.

Memory

Claude Code onthoudt informatie via CLAUDE.md-bestanden op verschillende niveaus (project, gebruiker, map) en via memory-bestanden die automatisch worden bijgewerkt. Zo bouwt de agent progressief kennis op over je project en voorkeuren.

Dit sluit aan op de plan-instantiate-learn loop: elke keer dat je met de agent werkt, leert het systeem bij en worden de volgende iteraties beter.

Hoe verhoudt Claude Code zich tot andere harnesses?

Claude Code is niet de enige agent harness. Cursor, GitHub Copilot, Codex en Windsurf zijn allemaal harnesses rond (verschillende) taalmodellen. Het verschil zit in de architectuur van de harness.

Aspect	Claude Code	Cursor	Codex
Interface	Terminal (CLI)	IDE (VS Code fork)	CLI / web
Customisatie	CLAUDE.md, skills, agents, MCP	Rules, docs context	Instructiebestanden
Tooling	Bestandssysteem, terminal, browser, MCP	Editor-integratie, terminal	Sandbox-omgeving
Orchestratie	Multi-agent, parallel taken	Composer met stappen	Taakgebaseerd

De keuze hangt af van je werkwijze. Wie graag in een IDE werkt, voelt zich thuis bij Cursor. Wie maximale controle wil over de harness (eigen skills, agents, MCP-servers) kiest Claude Code. Het punt is: de harness bepaalt je ervaring, niet alleen het model eronder.

Wat verandert dit inzicht aan hoe je met AI werkt?

Als je begrijpt dat de harness het verschil maakt, verschuift je focus. In plaats van te wachten op het volgende betere model, investeer je in het optimaliseren van je harness.

Concreet betekent dat:

Schrijf een goed CLAUDE.md. Dit is de hoogste ROI-actie. Elke minuut die je besteedt aan een beter systeemprompt, verdien je tientallen keren terug in betere output.
Bouw skills voor terugkerende taken. Alles wat je meer dan drie keer doet, verdient een skill. Zo vermijd je herhaling en garandeer je consistentie.
Geef je agent de juiste tools. Stel MCP-servers in voor de diensten die je gebruikt. Hoe meer de agent zelf kan opzoeken en uitvoeren, hoe minder jij hoeft in te grijpen.
Optimaliseer voor tokenkosten besparen. Een goede harness voorkomt onnodige tokens. Kenniscompressie in je CLAUDE.md en gerichte skills zorgen dat de agent minder context nodig heeft om goed werk te leveren.

Conclusie

Een agent harness is het verschil tussen een taalmodel dat tekst genereert en een AI-agent die daadwerkelijk werk verzet. Claude Code is een van de meest uitgebreide harnesses die er op dit moment zijn, met CLAUDE.md als systeemprompt, skills en agents voor herbruikbare workflows, MCP-servers voor tool-integraties en memory voor progressief leren.

Het model is het brein. De harness zijn de handen, de ogen en het geheugen. Investeer in beide, maar begin bij de harness. Daar zit het laaghangende fruit.