Referentiearchitectuur voor Enterprise AI Harness op Kubernetes: Vier Lagen voor Veilige Agentimplementatie in Productie

Het artikel presenteert een referentiearchitectuur voor het bouwen van een zelfgehoste Enterprise AI Harness op Kubernetes, gestructureerd in vier lagen: Input, Agent Loop, Execution en Identity, Policy & Audit. De Input-laag scheidt gebruikers-, agent- en eventverkeer met behulp van tools zoals Traefik en n8n-webhooks. De Agent Loop (ReAct)-laag beheert stateful agentsessies met geheugen, delegatie en human-in-the-loop (HITL) via componenten zoals kagent en LangGraph. De Execution-laag controleert de toegang tot externe bronnen (MCP-tools, workflows, LLM's) via FastMCP, n8n en LiteLLM. De Identity, Policy & Audit-laag biedt cross-cutting authenticatie, autorisatie en auditing via Keycloak, agentgateway, Vault/OpenBao en OTEL/Grafana. De architectuur legt nadruk op beveiligingsgrenzen, multi-tenancy (via RLS, namespaces, netwerkbeleid) en implementatiecontext (Kubernetes, Helm, NetworkPolicy). Skills worden geïmplementeerd als pod-lokale mogelijkheidsinjecties (OCI-images met SKILL.md), terwijl tools netwerktoegankelijk zijn. Het artikel illustreert de workflow met een voorbeeld van een engineeringtaak, waarbij wordt getoond hoe identiteit stroomt van input via agentgateway naar executie, met audittrails door het hele proces. De auteur merkt op dat dit een werkend referentiemodel is, geen product, en nodigt uit tot discussie over essentiële lagen.