Amazon Bedrock AgentCore Harness: Wat het is, hoe het werkt en belangrijkste functies

Het bouwen van een AI-agent die werkt in een demo is relatief eenvoudig. Het bouwen van een agent die betrouwbaar taken kan uitvoeren, tools kan gebruiken, context kan beheren en in een productie-omgeving kan werken, is veel moeilijker. Dat is waar een agent harness om de hoek komt kijken.

Een agent harness bevindt zich tussen het model en de systemen waarmee het moet communiceren. Het beheert de agent loop, tool-uitvoering, context, geheugen, sandboxing en andere runtime-zaken die nodig zijn om een LLM om te zetten in een werkende agent.

Amazon Bedrock AgentCore Harness is een gepatenteerde, beheerde dienst van AWS die een vooraf gebouwde agent loop biedt en draait binnen AgentCore Runtime.

In deze gids leggen we uit hoe AgentCore Harness werkt, hoe het verschilt van AgentCore Runtime en hoe het zich verhoudt tot TrueForge op het gebied van modelondersteuning, contextbeheer, sandboxing, uitbreidbaarheid, implementatie en controle over de agent loop.

Wat is AgentCore Harness?

AgentCore harness is een beheerd agent harness binnen Amazon Bedrock AgentCore. Het ging in april 2026 in openbare preview en is nu algemeen beschikbaar. De orchestratieloop wordt voor u geleverd, aangedreven door Strands Agents, en u beschrijft de agent in plaats van deze zelf te bouwen.

Vrij vertaald naar de praktijk: u declareert een model, een systeemprompt, een reeks tools, geheugeninstellingen en uitvoeringslimieten als configuratie. AWS voert de loop uit. De meeste wijzigingen die normaal gesproken een code-aanpassing en een hernieuwde implementatie zouden betekenen, zijn nu een enkel configuratieveld. Overstappen van de ene modelprovider naar de andere is een kwestie van één veld. Een tool toevoegen is één veld.

Elke harness-sessie is standaard stateful en draait in een geïsoleerde microVM. De agent krijgt zijn eigen bestandssysteem en shell, zodat hij een bestand kan schrijven, code kan uitvoeren en geheugens en bestanden kan overdragen tussen sessies in plaats van elke keer blanco te beginnen.

Twee API-calls zijn genoeg om aan de slag te gaan. CreateHarness definieert de agent, InvokeHarness voert deze uit. Er is ook een AgentCore CLI-pad en een console-pad als u liever klikt dan curl gebruikt.

Hoe werkt AgentCore Harness?

AgentCore Harness is gebouwd rond een configuratiegedreven benadering van agent-uitvoering.

In plaats van een agent loop te schrijven zoals:

definieert u de componenten die de agent nodig heeft en laat u de harness de loop beheren.

Op een hoog niveau bestaat een AgentCore Harness uit:

• Model - het model dat de agent gebruikt voor redenering en generatie
• Instructions - het gedrag op systeemniveau en de instructies voor de agent
• Tools - mogelijkheden die de agent kan aanroepen, waaronder MCP servers en AgentCore-tools
• Memory - status die behouden kan blijven over meerdere interacties heen
• Skills - aanvullende mogelijkheden en instructies die beschikbaar kunnen worden gesteld aan de agent
• Execution settings - instellingen voor hoe de agent werkt

De harness coördineert deze componenten vervolgens tijdens de uitvoering.

Als een agent bijvoorbeeld een onderwerp moet onderzoeken, kan hij redeneren over de taak, een tool aanroepen om informatie op te halen, het resultaat opnemen in zijn context en de loop voortzetten totdat hij een definitief antwoord bereikt.

Deze abstractie betekent dat ontwikkelaars niet elk onderdeel van de orchestratielaag zelf hoeven te bouwen.

Het betekent echter ook dat het uitvoeringsmodel grotendeels wordt bepaald door de harness. Als u de onderliggende loop moet wijzigen of aangepaste orchestratielogica wilt introduceren, hebt u minder flexibiliteit dan bij een open-source harness waar de loop zelf toegankelijk is.

U ziet de loop nooit. Dat is het hele doel van het product, en het is ook de bron van de meeste beperkingen ervan.

Wat wordt er meegeleverd?

De beheerde harness omvat een breed scala aan functionaliteiten zonder dat er code voor nodig is:

Modelselectie omvat Bedrock, OpenAI, Gemini en LiteLLM, en u kunt halverwege een sessie van provider wisselen. Ingebouwde shell- en file_operations tools worden standaard meegeleverd, evenals Agent Skills. Geheugen is beschikbaar in zowel korte- als langetermijnvorm, waarbij de laatste categorische, samenvattings-, gebruikersvoorkeurs- en episodische geheugens omvat, met bereik per gebruiker via actor-ID.

De andere AgentCore-primitieven worden aangesloten als configuratie in plaats van SDK-calls: Gateway, Browser, Code Interpreter en remote MCP server tools. Bestandssysteemopties omvatten door de dienst beheerde sessieopslag, een EFS-toegangspunt of een S3 Files-toegangspunt.

Aan de beveiligingszijde ondersteunt inkomende authenticatie IAM SigV4 en OAuth, uitgaande authenticatie verloopt via de Identity token vault voor OAuth-tokens en API-sleutels, en sessies zijn geïsoleerd met VPC-netwerkmogelijkheden beschikbaar. Observabiliteit, streaming-antwoorden, versriebeheer en eindpunten werken allemaal zonder aangepaste code.

Eén uitzondering die het vermelden waard is: inline en client-side tools vereisen nog steeds dat u zelf een implementatie schrijft en onderhoudt, zelfs op de harness.

AgentCore Harness vs AgentCore Runtime

Dit is de vergelijking waarvoor de meeste mensen de documentatie raadplegen, dus het is goed om precies te zijn. De twee lossen verschillende onderdelen van hetzelfde probleem op, en de aws agentcore harness is bovenop de andere gebouwd.

AgentCore harness is een beheerde abstractie die binnen Runtime draait. CloudTrail legt harness-operaties zelfs vast onder AWS::BedrockAgentCore::Runtime, wat aangeeft waar de grens werkelijk ligt.

AgentCore Runtime is een serverloze hostingomgeving. U brengt agent-code mee, geschreven in een willekeurig framework of zonder framework, verpakt deze met het BedrockAgentCoreApp entrypoint van de AgentCore SDK, verpakt het in een ARM64-container, pusht het naar Amazon ECR en implementeert het. Runtime regelt de isolatie, schaling, sessies, auth-gating en observabiliteitsinfrastructuur. De orchestratieloop is van u.

Het patroon bij bijna elke functie is hetzelfde. Op de harness is het configuratie zonder code. Op Runtime wordt het ondersteund, maar onderhoudt u de implementatie zelf.

Wat AgentCore Harness niet kan

AWS publiceert deze beperkingen in haar eigen functiematrix. Vier mogelijkheden zijn gemarkeerd als niet-ondersteund in de harness:

Geen keuze uit agent-frameworks. De loop is gebouwd rond Strands Agents. Als uw team al heeft gebouwd op LangGraph, CrewAI of een ander framework, verhuist die code niet mee.

Geen niet-agent-loop patronen. Toepassingen in de vorm van een graaf of workflow zijn niet mogelijk. Als slechts één stap van uw pijplijn een model nodig heeft en de rest deterministische code is, heeft de harness geen manier om die workflow uit te drukken.

Geen hooks. U kunt geen eigen logica invoegen op specifieke punten in de loop. Dat sluit use-cases uit zoals een nalevingscontrole of bedrijfsregel die op een exact punt in de uitvoeringscyclus moet draaien in plaats van wanneer het model besluit een tool aan te roepen.

Geen tweerichtingsstreaming. De harness ondersteunt geen tweerichtingsstreaming, wat toepassingen beperkt die continue tweerichtingscommunicatie tussen de client en de agent nodig hebben.

Er is een vijfde punt dat minder een ontbrekende functie is en meer een ontwerpbeslissing, en dat belangrijker is voor langdurig draaiende agents: contextverwerking maakt gebruik van truncatie (afkapping).

Wanneer het contextvenster vol raakt, wordt oudere inhoud verwijderd. Dit houdt de agent binnen zijn contextlimieten, maar het betekent ook dat eerdere informatie kan verdwijnen.

Een alternatieve benadering is compactie (verdichting): vat oudere geschiedenis samen in een gestructureerd record en behoud die samenvatting. In plaats van simpelweg eerdere interacties te wissen, bewaart de agent een gecondenseerde versie van wat er is gebeurd, wat helpt om continuïteit te behouden bij langere uitvoeringen.

Voor een korte ondersteuningsagent kan truncatie perfect volstaan. Voor een meerurige onderzoeks- of migratietaak kan het verschil veel merkbaarder worden: de agent moet werken met minder van zijn eerdere context naarmate de uitvoering langer duurt.

TrueForge: Een open-source alternatief voor AgentCore Harness

TrueForge pakt het probleem van het agent harness anders aan. In plaats van een vaste, beheerde orchestratieloop te bieden, is TrueForge een open-source agent harness met een MIT-licentie dat u op uw eigen infrastructuur kunt uitvoeren.

De kernserver is open source, zodat ontwikkelaars de uitvoeringsloop kunnen inspecteren en aanpassen in plaats van deze als een black box te behandelen. U kunt TrueForge lokaal uitvoeren, met Docker Compose, of het implementeren met Helm.

Dat verandert de afweging aanzienlijk. Met AgentCore Harness beheert AWS de loop en de omringende infrastructuur voor u. Met TrueForge krijgt u meer controle over hoe de agent daadwerkelijk draait.

Breng uw eigen model en tools mee

TrueForge is model-neutraal en werkt met OpenAI-compatibele eindpunten. U kunt het harness richten op de modelprovider of het eindpunt van uw keuze zonder de onderliggende agent-implementatie te wijzigen.

Hetzelfde geldt voor de tools die de agent gebruikt. TrueForge ondersteunt MCP servers en stelt u in staat uw eigen sandbox mee te brengen in plaats van de agent te koppelen aan een enkele beheerde uitvoeringsomgeving.

Dit maakt de harness-laag onafhankelijk van het model en de infrastructuur eronder:

Model → TrueForge → MCP / tools / sandbox

U kunt het modeleindpunt wijzigen zonder de agent opnieuw op te bouwen rond een andere provider.

Controle over de Agent Loop

Een van de grootste verschillen met AgentCore Harness is dat de TrueForge-loop open source is.

Dat betekent dat ontwikkelaars kunnen inspecteren hoe de harness de uitvoering afhandelt en deze kunnen aanpassen wanneer ze gedrag nodig hebben dat niet beschikbaar is als configuratie-optie.

Dit is handig wanneer een agent aangepaste logica nodig heeft rondom:

• Tool-uitvoering
• Goedkeuringen
• Contextbeheer
• Sub-agents
• Sandboxing
• Uitvoeringsbeleid
• Aangepaste orchestratie

In plaats van te wachten tot een beheerd harness een specifieke hook of configuratie-optie biedt, is de onderliggende implementatie beschikbaar om te worden gewijzigd.

Contextbeheer

TrueForge hanteert ook een andere benadering van contextbeheer.

In plaats van alleen te vertrouwen op truncatie wanneer de context te groot wordt, gebruikt TrueForge compactie (verdichting) samen met technieken zoals uitgestelde tool-lading, Code Mode en response offloading.

Het doel is om de hoeveelheid context die actief moet blijven in het gesprek te verminderen, terwijl de informatie die de agent nodig heeft om te blijven werken behouden blijft.

Voor langdurig draaiende agents is dit verschil van groot belang. Een agent die door een grote codebase werkt of een meerstaps onderzoekstaak uitvoert, kan een aanzienlijke hoeveelheid tool-output en tussenliggende context verzamelen. Het simpelweg verwijderen van oudere berichten kan die informatie ontoegankelijk maken; compactie biedt een manier om in plaats daarvan een gecondenseerde weergave te behouden.

Sandbox als Tool

TrueForge behandelt de sandbox ook anders.

Bij AgentCore Harness draait de sessie binnen een geïsoleerde microVM. TrueForge behandelt de sandbox in plaats daarvan als een tool die kan worden ingericht wanneer de agent daadwerkelijk code moet uitvoeren.

Dat betekent dat de sandbox niet de omgeving hoeft te zijn voor de gehele agent-sessie. Het wordt een extra mogelijkheid die de agent kan aanroepen wanneer dat nodig is.

De runtime-laag voor productie-AI-agents

Draai productie-agents met een open-source runtime voor uw modellen, MCP tools, sandboxing, goedkeuringen en observabiliteit.

Ontdek TrueForge

Bekijk op GitHub

Waar TrueForge past

Het onderscheid komt uiteindelijk neer op controle.

AgentCore Harness is ontworpen om ontwikkelaars een beheerde manier te bieden om agents uit te voeren zonder zelf de orchestratieloop te hoeven bouwen. TrueForge is ontworpen voor ontwikkelaars die willen dat de harness zelf aanpasbaar blijft en onafhankelijk is van een specifieke cloudprovider of agent-framework.

Dat maakt TrueForge bijzonder relevant wanneer u controle moet hebben over de agent loop, wilt wijzigen hoe context wordt beheerd, uw eigen modeleindpunt wilt kiezen of het harness op uw eigen infrastructuur wilt uitvoeren.

npx @truefoundry/trueforge geeft u in ongeveer een minuut een werkende agent, of bekijk hoe TrueForge context afhandelt bij lange uitvoeringen.

Veelgestelde vragen

V: Wat is AgentCore harness?

A: AgentCore harness is het beheerde agent harness van AWS binnen Amazon Bedrock AgentCore, algemeen beschikbaar sinds 2026. De orchestratieloop wordt geleverd en aangedreven door Strands Agents, waardoor u de agent declareert via configuratie — zoals model, systeemprompt, tools, geheugen en uitvoeringslimieten — in plaats van de loop zelf te schrijven. Sessies zijn standaard stateful en draaien in een geïsoleerde microVM met een eigen bestandssysteem en shell.

V: Wat is het verschil tussen AgentCore harness en AgentCore Runtime?

A: Runtime is serverloze hosting en de harness is een beheerde loop die daarbinnen draait. Met Runtime brengt u uw eigen agent-code mee in een willekeurig framework, verpakt u deze als een ARM64-container, pusht u deze naar ECR en schrijft u de orchestratie zelf. Met de harness is er geen container en geen loop om te schrijven. AWS legt harness-operaties vast onder AWS::BedrockAgentCore::Runtime, wat de duidelijkste aanwijzing is van hoe de twee zich tot elkaar verhouden.

V: Kan ik LangGraph of een ander framework gebruiken met het agent harness dat AgentCore biedt?

A: Niet op de harness. AWS merkt de keuze van het agent-framework aan als niet-ondersteund, omdat de loop gebouwd is op Strands Agents. U kunt LangGraph, CrewAI of aangepaste code uitvoeren op AgentCore Runtime, aangezien Runtime van zichzelf framework-agnostisch is. Maar overstappen naar de harness betekent dat u die code achterlaat. Dit is de voornaamste reden dat teams die gebonden zijn aan een framework op Runtime blijven.

V: Kan ik een agent harness uitvoeren in mijn eigen VPC of on-premise?

A: Met een zelfgehost harness wel. TrueForge draait lokaal met een enkel npx commando, of via Docker Compose en Helm voor teamimplementaties met Postgres, Redis, replica's en OIDC-login. Het beheerde platform van TrueFoundry kan ook zelfgehost, on-premise, air-gapped of hybride draaien, zodat er geen data uit uw domein lekt. AgentCore harness ondersteunt VPC-netwerken, maar draait binnen AWS.

V: Hoe beheer ik modellen en MCP servers over een groot aantal agents?

A: Via een gateway-laag, zodra sleutels per team niet meer schaalbaar zijn. De AI Gateway van TrueFoundry plaats meer dan 1.000 LLM's achter één OpenAI-compatibele API met ongeveer 3 tot 4 ms extra latentie en 350+ RPS op een enkele vCPU, met RBAC, budgetten, guardrails en rotatie van inloggegevens, plus OpenTelemetry traces naar Grafana, Datadog of Prometheus. Agents op AgentCore, TrueForge of wat dan ook worden op dezelfde manier beheerd.

Gerelateerde artikelen

• Agent Harness vs Agent Framework: Wat is daadwerkelijk het verschil?: het categorieverschil achter dit artikel
• Beste Agent Harness in 2026: Top 5 opties vergeleken: hoe het landschap erbij staat
• Beste Open Source Agent Harness: de open opties, als u beheerde diensten uitsluit
• Claude Managed Agents Alternatieven: dezelfde afweging met de beheerde harness van Anthropic
• Amazon Bedrock Agents vs. The Control Plane: de bredere AWS-architectuurvraag

Conclusie

AgentCore Harness en TrueForge hanteren een fundamenteel verschillende benadering voor het bouwen van AI-agents.

AgentCore Harness abstraheert de agent loop. U definieert het model, de instructies, tools, het geheugen en andere configuratie, en AWS beheert de uitvoering. Dit kan het in productie nemen van een agent vereenvoudigen, vooral als u al bouwt binnen het AWS-ecosysteem en u zich comfortabel voelt met de beperkingen van een beheerd harness.

TrueForge geeft de ontwikkelaar meer controle. Het is open source, kan op uw eigen infrastructuur draaien en stelt de onderliggende agent loop open voor aanpassingen. U kunt uw modeleindpunt, MCP servers en sandbox kiezen, en de harness gebruiken als een fundament in plaats van een vaste orchestratielaag.

De keuze komt daarom minder neer op welk harness de meeste functies heeft, maar meer op hoeveel controle u wilt over de agent runtime.

Als u wilt dat AWS de orchestratie en infrastructuur beheert, biedt AgentCore Harness die abstractie. Als u de harness zelf wilt inspecteren, aanpassen en uitvoeren, biedt TrueForge een open-source alternatief.

Voor teams die agent-infrastructuur evalueren, is de belangrijke vraag niet gewoon welk agent harness moeten we gebruiken? Het is welke onderdelen van de agent-stack willen we dat het platform beheert, en welke onderdelen willen we zelf beheren?

npx @truefoundry/trueforge geeft u in ongeveer een minuut een werkende agent, of bekijk hoe TrueForge context afhandelt bij lange uitvoeringen.