Du kaufst ein Auto mit 600 PS, aber die Karosserie ist aus Pappe, die Lenkung schwammig und die Bremsen sind Spielzeug. Damit gewinnst du kein Rennen. So ist es auch mit KI-Agenten. Viele konzentrieren sich nur auf das Modell – GPT, Claude oder Llama – und vergessen, dass die Umgebung, in der das Modell agiert, ebenso wichtig ist. Dieses Grundgerüst nennen Fachleute den Harness. Ein Forscherteam von NVIDIA zeigt: Allein die Architektur dieses Harness kann ein Modell doppelt so gut abschneiden lassen – bei halbem Token-Verbrauch. Das klingt übertrieben. Aber schauen wir uns die Details an.
Das Team um NVIDIA Labs hat NOOA veröffentlicht – NVIDIA Object-Oriented Agents. Die Idee ist einfach, aber mächtig: Ein Agent ist kein komplexes Geflecht aus Prompt-Vorlagen, Tool-Schemas, Callback-Code und Workflow-Graphen mehr. Stattdessen wird er zu einem einzigen Python-Objekt. Seine Methoden sind seine Fähigkeiten, seine Felder sein Zustand, seine Docstrings seine Prompts, und seine Typannotationen durchgesetzte Verträge. Du schreibst eine Klasse mit einer Methode, die nur aus ... (Ellipsis) besteht. Diese Methode wird zur Laufzeit von einem LLM-gesteuerten Loop ausgefüllt. Methoden mit einem normalen Rumpf laufen deterministisch. Das bedeutet: Agentenentwicklung wird zu normaler Softwareentwicklung. Du kannst einen Agenten differenzieren, code-reviewen, unit-testen, versionieren und umgestalten – von Menschen und von KI-Coding-Agenten, mit denselben Werkzeugen wie für jeden anderen Code.
Sechs konkrete Schnittstellen-Ideen treiben das NOOA-Harness an. Sie sind wie die Zylinder eines Motors – jeder trägt zur Gesamtleistung bei. Gehen wir sie durch.
1. Typisierte Ein- und Ausgabe. Statt Freitext zu produzieren und auf einen korrekten Parser zu hoffen, werden alle Aufrufe mit getypten Argumenten und validierten Rückgabewerten ausgeführt. Fehler werden früh abgefangen.
2. Referenzübergabe (Pass by Reference). Bisher wurde jedes Tool-Ergebnis als Text in den Kontext geschrieben – bei großen Dateien explodiert der Token-Verbrauch. NOOA übergibt dem Modell einen Live-Verweis auf das Python-Objekt. Das Modell sieht eine typisierte, begrenzte Vorschau, der volle Wert bleibt im Ausführungskontext lebendig. Das spart Tokens und beschleunigt die Verarbeitung.
3. Code als Aktion. Das Modell handelt, indem es Python schreibt: Methodenaufrufe, Kontrollstrukturen, Variablen – wie ein Entwickler. Keine brüchigen JSON-Schemas, sondern ausführbarer Code in derselben Umgebung wie der Agent.
4. Programmierbare Schleifensteuerung. Die Orchestrierungsschleifen sind normales Python. Der Entwickler kann sie schreiben, aber auch das Modell selbst kann sie anpassen. Das gibt Flexibilität wie bei menschlichen Programmierern.
5. Expliziter Objektzustand. Der Zustand eines Agenten lebt nicht nur im Gesprächsverlauf, sondern in dauerhaften, getypten Feldern auf dem Objekt. Der Agent kann sich Dinge merken, auch wenn der Kontext abgeschnitten ist. Dieser Zustand ist versionierbar und testbar.
6. Vom Modell aufrufbare Harness-APIs. Kontextblöcke und Ereignishistorien sind nicht verborgen. Das Modell kann sie über API-Aufrufe inspizieren und verwalten. Es kann seine eigene Erinnerung kuratieren – gezielt schreiben, abfragen und korrigieren. Statt einer undurchsichtigen Blackbox gibt es einen transparenten, steuerbaren Speicher.
Dieser Speicher ist ein weiteres Kernstück von NOOA. Statt automatischer Hintergrund-Zusammenfassung gibt es einen Langzeitspeicher, den der Agent selbst verwaltet. Aufzeichnungen tragen Typen, Wichtigkeit und Tags. Sie sind über Beziehungen wie „unterstützt“, „widerspricht“ und „abgeleitet von“ in einem Wissensgraphen vernetzt. Eine Hintergrund-Reflexion konsolidiert den Speicher: Duplikate werden zusammengeführt, verwandte Aufzeichnungen verknüpft, Episoden zu Erkenntnissen destilliert und irrelevante Informationen entfernt. Das alles passiert in einer menschenlesbaren SQLite-Datei, die Teams inspizieren, sichern und mit Standardpraktiken überprüfen können. Mehrere Agenten können sich einen Speicher teilen, während sie getrennte Besitzverhältnisse behalten. In der ARC-AGI-3-Auswertung verbesserte das System die RHAE um +11,8 Punkte gegenüber dem gleichen Agenten mit dateibasierten Notizen.
Die Ergebnisse: Auf SWE-bench Verified erreicht NOOA mit GPT-5.5 82,2% – über dem bisherigen Spitzenwert von 79,2%. Mit Opus 4.6 sind es 79,8%. Und das mit einem allgemeinen, 253-zeiligen Agenten ohne benchmarkspezifische Prompts. Im Cybersicherheitsbereich CyberGym L1 löst NOOA 86,8% der Aufgaben mit GPT-5.5 – der Spitzenwert unter offenen Agenten, noch vor den meisten führenden geschlossenen Systemen. Der Agent hatte keinen Netzwerkzugriff, und eine regelbasierte „Cheat-Prüfung“ lief über jede Trajektorie. Die Ergebnisse stammen aus logischem Denken über den Code, nicht aus dem Nachschlagen bekannter Schwachstellen. Keine cybersicherheitsspezifische Steuerung wurde verwendet. Bei allgemeinem logischem Denken auf ARC-AGI-3 erreicht ein einzelner NOOA-Agent 50,2% mittlere RHAE mit GPT-5.5 und 85,1% mit GPT-5.6-sol – zu Kosten unter 20 Dollar pro Spiel.
Die Effizienz ist bemerkenswert. NOOA benötigt auf SWE-bench Verified nur 29 LLM-Aufrufe und etwa 1,1 Millionen Tokens pro Aufgabe. Vergleichbare Harnesses kommen auf 66 Aufrufe und 2,2 Millionen Tokens bei niedrigerer Genauigkeit. Das halbiert die Kosten bei gleicher oder besserer Leistung. Zwei Mechanismen treiben das: die Referenzübergabe (Tool-Ergebnisse werden nicht in den Kontext serialisiert) und die daraus resultierende Vermeidung von Context Compaction. Weil die Ergebnisse live bleiben, sind Transkripte append-only und Cache-tauglich über die gesamte Sitzung.
Stell dir vor, du musst ein kniffliges Problem lösen. Statt jedes Mal das gesamte Handbuch neu zu lesen, hast du einen Assistenten, der dir nur die relevanten Seiten zeigt und dir erlaubt, direkt mit den Werkzeugen zu arbeiten. Genau das macht NOOA. Der Entwickler kann deterministische Prüfungen und Modelllogik auf einem einzigen getypten Objekt vereinen – jeder Verifikationsschritt läuft als erzwungener Code, nicht als lose Anweisung.
Das Team hat NOOA als offene Forschungsvorschau veröffentlicht. Framework, Tests, Benchmark-Agent und Evaluierungsmethodik sind öffentlich. Teams können den Ansatz überprüfen und darauf aufbauen. Die Botschaft: Der Harness eines Agenten ist kein nachrangiges Detail. Er ist der entscheidende Hebel, um aus einem guten Modell einen herausragenden Agenten zu machen. Alles, was du dafür brauchst, ist Python, etwas Objektorientierung und die Bereitschaft, über das reine Modell-Tuning hinauszuschauen.
Quelle: developer.nvidia.com
