Harness uruchamia Autonomous Worker Agents – autonomiczne agenty AI dla całego cyklu dostarczania oprogramowania

30 czerwca 2026 roku firma Harness ogłosiła premierę Autonomous Worker Agents – platformy przeznaczonej dla przedsiębiorstw, która pozwala tworzyć i bezpiecznie uruchamiać agenty AI automatyzujące pracę pomiędzy napisaniem kodu a wdrożeniem go do produkcji . Zamiast opierać się na sztywnych skryptach, agenty działają jako rozumujące kroki w pipeline'ach Harness – analizują logi, zmiany w kodzie i stan środowisk, aby zautomatyzować testowanie, bezpieczeństwo, wdrożenia, zarządzanie i naprawy .

Czym są Autonomous Worker Agents?

Worker Agents to jednostki automatyzacji oparte na AI, które działają jako kroki w pipeline'ach CI, CD, IaCM, STO, SCS lub w niestandardowych etapach Harness . Każdy agent łączy instrukcję (prompt) z Modelem Connector (wskazującym na dostawcę LLM) i opcjonalnymi źródłami danych podłączonymi przez MCP – wszystko to jest pakowane w jeden, wielokrotnego użytku i podlegający kontroli krok .

Jak działają i jak są zarządzane?

Agenty wykonują się jako kroki w pipeline'ach i generują wynik podlegający audytowi . Dziedziczą mechanizmy kontroli z platformy Harness: przestrzegają istniejących uprawnień RBAC, polityk pipeline'ów i zasad organizacyjnych, a także mogą być zarządzane przez te same sekrety, łączniki i przepływy zatwierdzania, co inne komponenty pipeline'u . To kluczowa różnica w stosunku do rozwiązań typu „black box” – agenty Harness działają w sandboksowanych kontenerach i integrują się z Harness Model Context Protocol (MCP) Server, LLM Gateway oraz Harness Software Delivery Knowledge Graph . Dzięki temu każde działanie agenta jest rejestrowane i możliwe do prześledzenia.

Gotowe agenty dostępne od razu

Harness dostarcza dziesiątki gotowych agentów (Harness Managed Agents) gotowych do użycia „od ręki” . Wśród nich znajdują się:

• Code Review – automatyczny przegląd kodu
• Autofix – automatyczne naprawianie błędów
• Feature Flag Cleanup – czyszczenie nieużywanych flag funkcji
• Approval Review – weryfikacja zatwierdzeń
• IaCM Plan Safety – bezpieczeństwo planów IaCM
• Pipeline Failure Summarizer – podsumowywanie awarii pipeline'ów
• PR Review – przegląd pull requestów .

Te agenty są klasyfikowane jako System Agents – utrzymywane przez Harness, wczytywane automatycznie do konta. Nie można ich bezpośrednio edytować, ale można je forkować, tworząc spersonalizowane warianty .

Trzy kategorie rynku agentów

Worker Agent Catalog posiada zakładkę Marketplace podzieloną na trzy kategorie :

1. Harness Managed Agents – gotowe agenty utrzymywane i certyfikowane przez Harness
2. Community-authored agents – agenty tworzone i udostępniane przez społeczność Harness
3. Custom agents – agenty tworzone przez własny zespół, w pełni konfigurowalne

Jak zbudować i skonfigurować agenta?

Tworzenie agenta odbywa się w trzech krokach: utwórz, skonfiguruj i uruchom . W Worker Agent Catalog wybierasz + Create i wypełniasz formularz zawierający:

• nazwę i opis agenta
• Instructions (prompt systemowy)
• Model provider i nazwa modelu
• MCP connectors (opcjonalnie, do łączenia z zewnętrznymi źródłami danych)
• dane wejściowe i zmienne środowiskowe .

Szablony agentów są open source i dostępne na GitHub . Po zapisaniu agent pojawia się w katalogu Custom i może być dodany do dowolnego pipeline'u jako kontrolowany krok .

Obsługiwane modele językowe

Harness wspiera Anthropic i OpenAI jako dostawców modeli . Użytkownicy konfigurują Model Connector, który wskazuje na obsługiwanego dostawcę i określa domyślny model . Dodatkowe łączniki dla źródeł danych opartych na MCP są opcjonalne .

Pierwsi użytkownicy

United Airlines i Verint Systems są wymieniani jako pierwsi użytkownicy produkcyjni Autonomous Worker Agents . Choć szczegóły przypadków użycia nie zostały podane, Verint ogłosił również własną „Agent Factory” do orkiestracji pracy ludzi i agentów AI podczas konferencji Engage 2026 . Obie firmy wykorzystują Worker Agents do automatyzacji dostarczania oprogramowania w środowisku produkcyjnym.

Dlaczego to ma znaczenie?

W tradycyjnych pipeline'ach CI/CD każdy krok to stały skrypt, który wykonuje to samo zadanie – nawet gdy kontekst się zmienia. Worker Agents zmieniają to: analizują aktualny stan (logi, zmiany w kodzie, błędy) i podejmują decyzje na podstawie rzeczywistej sytuacji. To przejście od automatyzacji opartej na regułach do automatyzacji opartej na rozumowaniu – co pozwala zespołom DevOps skupić się na innowacjach, a nie na ręcznym rozwiązywaniu problemów .