→ חזרה לבלוגEnglish

ניהול context ב-coding harnesses: מה באמת נשלח למודל ולמה זה חשוב

איך coding harness מרכיב הקשר למודל מתוך הוראות, היסטוריה, כלים ותוצאות; איך הודעות קודמות נשלחות שוב; דרכים יעילות לניהול context בסשנים ארוכים; ואיך נראות הודעות עם tool calls ו-MCP.

כשאומרים שסוכן קוד “זוכר” את השיחה, לרוב הכוונה למשהו פשוט ומכני יותר: ה-harness ממשיך לשלוח למודל תצוגה מרוכבת ומדויקת של מה שחשוב עכשיו. שלב ההרכבה הזה הוא ניהול context (context management). הוא קובע אילו הוראות, אילו הודעות קודמות, אילו הגדרות כלים ואילו תוצאות ייכנסו לבקשה הבאה למודל.

זו אחת המשימות החשובות ביותר ב-coding harness. הקשר טוב הופך מודל חזק לכלי שימושי. הקשר מנופח, מיושן או בנוי плохо גורם לאותו מודל להיות איטי, יקר ומבולבל.

איך harness מרכיב ומעדכן הקשר

מה המשמעות של “הקשר” ב-harness

בכל תור ה-harness בונה בקשה ממספר מקורות:

  • הוראות: כללי system/developer, מדיניות בטיחות, התנהגות המוצר והנחיות פרויקט (למשל AGENTS.md).
  • היסטוריית שיחה: הודעות משתמש קודמות, תשובות assistant ורישומים של שימוש בכלים.
  • משטח הכלים: סכמות ותיאורים של כלים שהמודל יכול לקרוא להם עכשיו (כלים מובנים, plugins, כלי MCP ועוד).
  • תוצאות טריות: פלטי כלים אחרונים, תוצאות פקודות, דיאגנוסטיקה, תוכן קבצים או עובדות מהסביבה.
  • סיכומי מצב: היסטוריה מכווצת או הערות שמחליפות פירוט ישן כשהחלון צר.

המודל לא רואה את כל הריפו או את כל הסשן אלא אם ה-harness מכניס לבקשה את החלקים הרלוונטיים. “זיכרון” ברוב לולאות ה-agent הוא בעיקר state + בחירה.

שליחת הודעות קודמות: שידור חוזר, לא קסם

רוב ממשקי ה-API בסגנון צ’אט הם חסרי מצב בין בקשות. כדי להמשיך שיחה, ה-harness שולח בכל פעם רצף הודעות (או היסטוריה מובנית שקולה). מבנה מפושט נראה כך:

[
  { "role": "system", "content": "You are a coding agent..." },
  { "role": "user", "content": "Fix the failing test in auth.ts" },
  { "role": "assistant", "content": "I'll inspect the test and implementation." }
]

בתור הבא ה-harness מוסיף את מה שקרה מאז (למשל קריאת כלי ותוצאתה, ואז הודעת assistant נוספת) ושולח את הרצף המעודכן. לספקים שונים יש שמות שדות שונים, אבל הרעיון המרכזי יציב: תורים קודמים מיוצגים כהודעות בבקשה.

המשמעות היא שההיסטוריה היא תשתית שניתן לערוך. harness יכול לשמור כל הודעה, להשמיט הודעות לא רלוונטיות, לנסח מחדש תורים ישנים לסיכומים, או לצרף הקשר מובנה נוסף לפני שהמודל רואה אותו.

איך נראות הודעות עם tool calls

כשהמודל רוצה לבצע פעולה, הוא בדרך כלל מפיק קריאת כלי/פונקציה במקום (או בנוסף ל) טקסט רגיל. ה-runtime מריץ את הקריאה ומוסיף הודעת תוצאת כלי שמקושרת למזהה הקריאה. זרימה ייצוגית:

[
  { "role": "system", "content": "You can use tools to read and edit files." },
  { "role": "user", "content": "What does package.json name contain?" },
  {
    "role": "assistant",
    "content": null,
    "tool_calls": [
      {
        "id": "call_1",
        "type": "function",
        "function": {
          "name": "read_file",
          "arguments": "{\"path\":\"package.json\"}"
        }
      }
    ]
  },
  {
    "role": "tool",
    "tool_call_id": "call_1",
    "content": "{ \"name\": \"yonatanhanan.com\", ... }"
  }
]

אחרי קבלת תוצאת הכלי, המודל נקרא שוב עם ההיסטוריה המורחבת ויכול לענות בשפה טבעית או לבקש כלים נוספים. הלולאה היא: בקשה -> קריאת כלי -> הרצה -> תוצאת כלי -> בקשה.

פרטים חשובים שה-harness מטפל בהם סביב זה:

  • זיווג קריאה/תוצאה: כל תוצאת כלי חייבת להצביע לקריאה הנכונה (מזהים חשובים).
  • סדר: התוצאות מתווספות כך שהמודל רואה סיבה ותוצאה.
  • קריאות מקביליות: לפעמים יש כמה קריאות כלי באותו תור; צריך לשמור תוצאות לכולן.
  • פלטים גדולים: stdout או תוכן קובץ גולמי לעיתים נחתכים או נשמרים לקבצים, ומוכנס להקשר מצביע קצר.
  • שגיאות כנתונים: הרצות כלי שנכשלו לרוב מוחזרות כתוצאות כלי כדי שהמודל יוכל להתאושש.

איפה MCP נכנס לאותה תמונה

MCP (Model Context Protocol) מגדיר תקן לאופן שבו לקוח מגלה ומפעיל יכולות ששרתים חושפים (כלים, משאבים, prompts). מנקודת המבט של ה-harness, MCP הוא גבול יכולות. מנקודת המבט של המודל, כלים שמגיעים מ-MCP עדיין הופכים לחלק ממשטח הכלים הזמין.

בפועל הזרימה היא:

  1. ה-harness מתחבר לשרתי MCP ומגלה הגדרות/סכמות של כלים.
  2. הכלים מוצגים למודל לצד כלים מובנים (שמות מרחב/namespace משתנים בין מערכות).
  3. המודל מפיק קריאת כלי שמכוונת לשם של כלי MCP.
  4. ה-harness מנתב את הקריאה לשרת ה-MCP, מריץ אותה וממיר את התוצאה לצורת tool-result הרגילה שבה השיחה משתמשת.
  5. המודל רואה את התוצאה כהקשר וממשיך.

כלומר, MCP בדרך כלל לא יוצר “סוג הודעה” נפרד עבור המודל. הוא משנה מאיפה הכלים מגיעים ואיך מריצים אותם, בעוד השיחה עדיין סובבת סביב קריאות כלי ותוצאות כלי.

דרכים יעילות לניהול context

חלון ההקשר סופי, עלות וזמן גדלים עם מספר הטוקנים, ופרטים לא רלוונטיים עלולים לפגוע בהיגיון. harnesses יעילים מתייחסים להקשר כתקציב:

  • לבחור, לא לשפוך: לכלול קבצים/קטעים/תוצאות שרלוונטיים לצעד הנוכחי; למשוך עוד לפי צורך.
  • לסכם או לדחוס: להחליף תורים ישנים בסיכומים נאמנים כשאין עוד צורך בכל הפירוט, תוך שמירה על החלטות ותוצאות מרכזיות.
  • להעביר פלטים גדולים הצידה: לשמור לוגים/ארטיפקטים גדולים מחוץ ל-prompt ולהעביר קטעים קצרים עם נתיב/מזהה.
  • להימנע מכפילויות: לא לחזור על בלובים גדולים שלא השתנו בכל תור כשאפשר להפנות למצב קודם בבטחה.
  • לשמור על קידומות יציבות: קטעי system/project/tools עקביים יכולים לשפר שימוש ב-cache אצל ספקים שתומכים בכך.
  • להעדיף אותות מובנים: דיאגנוסטיקה, diffs ותוצאות שאילתה ממוקדות לרוב שימושיים יותר מקיר טקסט גולמי.
  • לעקוב אחרי “אמת קרקע”: תוצאות כלים ותצפיות מהסביבה צריכות להישמר בקפידה כי ההיגיון בהמשך נשען עליהן.

המטרה אינה prompt קטן ככל האפשר. המטרה היא prompt עם האות הגבוה ביותר: מספיק ראיות לצעד נכון הבא, בלי להטביע את המודל ברעש.

מודל מחשבה שימושי

אפשר לחשוב על ה-harness כעל קומפיילר של הקשר. הקלט שלו הוא כל מצב העבודה המתפתח: הוראות, היסטוריה, כלים ותצפיות. הפלט שלו הוא רצף ההודעות הבא שהמודל יקרא. קריאות כלי ואינטגרציות MCP הן חלק מהדרך שבה המצב גדל; סיכום ובחירה הם חלק מהדרך שבה הוא נשאר שמיש.

ברגע שרואים הקשר כך, הרבה התנהגויות של סוכנים נהיות ברורות: למה צריך compaction, למה חשוב עיצוב פלט של כלים, למה MCP יכול להרגיש “טבעי”, ולמה שני סוכנים עם אותו מודל יכולים להתנהג אחרת לגמרי.

מקורות

סדרה שבועית

אפשר לקרוא את הפוסטים לפי הסדר:

  1. הוספתי בלוג לאתר האישי (בלי לבנות הכול מחדש) - 2026-11-11
  2. למה PostHog הוא אחד הכלים הראשונים שאני מוסיף למוצר חדש - 2026-11-18
  3. האנטומיה של coding harness: מה באמת מפעיל סוכני קידוד - 2026-11-11
  4. ניהול context ב-coding harnesses: מה באמת נשלח למודל ולמה זה חשוב (הפוסט הזה) - 2026-11-18
  5. Goose מבפנים: harness מבוסס MCP עם פרוטוקול במרכז - 2026-11-11
  6. Pi מבפנים: harness מינימלי שנבנה סביב עץ סשנים ופרימיטיבים - 2026-11-18
  7. OpenCode מבפנים: לולאה אחת, מודלים רבים, ומשוב אמיתי מהסביבה - 2026-11-11
  8. DeepSeek Harness מבפנים: הכול plugin, והלוג הוא החוזה - 2026-11-18

הקודם: האנטומיה של coding harness: מה באמת מפעיל סוכני קידוד הבא: Goose מבפנים: harness מבוסס MCP עם פרוטוקול במרכז