Bir araştırma, LLM ajanlarının tek araç çağrısından, tek bir çalışmanın birkaç aracı ve yan etkiyi zincirlediği çok araçlı orkestrasyona nasıl geçtiğini haritalandırıyor. Harness geliştiren ekipler için bu geçiş yapısaldır: eklenen her araç ayrıcalık yüzeyini genişletir ve bir çalışma boyunca biriken hata modları ekler. Araştırma, bir ajanın güvenilir kalıp kalmayacağına model seçiminden ziyade harness tasarımının karar verdiği noktaların kullanışlı bir haritasıdır.
Yakın çalışmalar da aynı yönü işaret ediyor. Ayrı bir araştırma, öz-yansıtma içeren işbirlikçi bir çoklu LLM çerçevesi bildiriyor ve bir USI makalesi, ajanları sözleşmelere dayandırmak için spec-driven test üretimini ampirik olarak değerlendiriyor; açık şartnameleri test edilen şey olarak ele alıyor. Google Research ayrıca sürekli öğrenmede bilgiyi korumaya yönelik bir uyku çerçevesi yayımladı. Birlikte okunduğunda bu hatlar, modelin etrafındaki iskelete odaklanıyor: araç izinleri, sözleşme kontrolleri ve bellek yönetimi.
Pratik okuma şudur: orkestrasyon kalitesi, test edilebilir yüzeyleri olan bir mühendislik problemidir. Sunulan kapsamın ortaya koymadığı şey, bu yaklaşımlardan herhangi birinin harness'lar veya iş yükleri genelinde nasıl performans gösterdiğidir; araştırma bir kıyaslama ölçütü değil, bir harita olarak tanımlanıyor. Çok araçlı ajanları değerlendiren ekipler, ayrıcalık kapsamını, sözleşmeye dayalı testleri ve çalışmalar arası bilgi korumasını, her birinin yayına almadan önce ölçülecek kendi hata modlarıyla birlikte ayrı tasarım kararları olarak ele almalıdır.