Harness de IA

De onde vem o termo harness de IA?

🌱 Em uma frase: o modelo de linguagem gera texto, código ou pedidos de uso de ferramentas. O harness é o “carro” em volta dele: executa esses pedidos, guarda o contexto e decide o que o modelo pode ou não fazer.

O uso da palavra harness para IA com agentes (IA que executa tarefas com ferramentas) é recente. Quem afirma isso é um relatório da Universidade das Nações Unidas (UNU) de julho de 2026. Os próprios laboratórios passaram a tratar o desenho do harness como uma tarefa central de engenharia. Um preprint de 2026 sobre o Claude Code cita textos da OpenAI sobre harness engineering. O relatório da UNU cita um ensaio da Anthropic sobre o mesmo tema.

As fontes consultadas não trazem uma definição acadêmica padronizada. A definição desta página resume o que as descrições oficiais de Claude Code, Codex e Claude Managed Agents mostram.

🚀 Para quem quer mais: o relatório da UNU separa dois estilos de sistema.

• Workflow: quem desenvolve define o passo a passo, e o modelo ocupa etapas fixas. Bibliotecas como LangGraph e CrewAI ficam mais perto desse lado.
• Harness: o modelo conduz o passo a passo, e quem desenvolve define as condições em que ele pode agir.

O mesmo relatório compara o harness ao conceito de andaime (scaffolding) da psicologia do desenvolvimento: um apoio que permite fazer o que não se faria sozinho. A diferença é que o harness foi feito para ficar, não para ser retirado.

Como a palavra harness se usa na prática?

Hoje a palavra aparece sobretudo em ferramentas de programação com agentes. Os exemplos abaixo foram verificados em nov/2026.

Claude Code (Anthropic). Funciona no terminal, no editor de código e em app desktop, segundo a página oficial. Ele oferece projetos para supervisionar vários agentes, revisão de código nos planos Team e Enterprise e “Mods” para mudar o comportamento com TypeScript. Um preprint de 2026 analisou sua arquitetura e encontrou três pontos:

• um laço em que o modelo propõe ações, o harness as executa e o resultado volta para a próxima rodada;
• até 54 ferramentas embutidas;
• um sistema de permissões em camadas, com aprovação interativa por padrão.

Codex (OpenAI). Funciona em app, linha de comando (CLI), extensão de editor e web. O modelo citado nas fontes é o GPT‑5.3‑Codex, anunciado em 5 de fevereiro de 2026.

Claude Managed Agents (Anthropic, em beta). É um harness gerenciado. Segundo as notas da plataforma, ele inclui:

• contêineres configuráveis;
• ferramentas integradas;
• sandbox (ambiente isolado);
• sessões criadas por API.

Opções abertas. O relatório da UNU lista três harnesses de código aberto:

• Aider (licença Apache-2.0);
• Cline (licença Apache-2.0);
• OpenHands (licença MIT).

Segundo o relatório, a arquitetura desses projetos converge com a do Claude Code e a do Codex.

O que um harness costuma conter:

• o laço de execução;
• ferramentas, como terminal, edição de arquivos e testes;
• contexto e memória;
• um ambiente isolado;
• permissões e aprovações;
• limite de iterações;
• coordenação entre agentes.

Custos (verificado em nov/2026). Pela API, o Claude Opus 5.5 custa US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de saída (preços da Anthropic). O GPT‑5.3‑Codex custa US$ 1,75 e US$ 14 (preços da OpenAI). Esses números não se comparam diretamente. Cada empresa combina de um jeito próprio o preço por token, as assinaturas, o cache e os recursos usados.

Quais são as confusões mais comuns sobre harness?

1. Achar que o agente é só o modelo. Trocar o modelo não equivale a trocar o agente inteiro. O relatório da UNU reúne testes em que o modelo ficou fixo e só o harness mudou. O desempenho medido mudou bastante: em um desses testes, um mesmo modelo variou 18 pontos entre dois harnesses. A conclusão do relatório é que a capacidade de um agente pertence ao par modelo–harness, não ao modelo sozinho. Por isso vale comparar as duas coisas para a sua tarefa: nenhum modelo é o melhor para tudo.

2. Misturar versão do modelo com versão do harness. `GPT‑5.3‑Codex` e `Claude Opus 5.5` são nomes de modelos. Já “Codex CLI 0.153.0 ou posterior” é a versão do cliente exigida pela OpenAI para um recurso chamado Astra, em 13 de novembro de 2026. Comparar uma coisa com a outra leva a conclusões erradas.

3. Pensar que harness é só restrição. O relatório da UNU diz que um bom harness faz duas coisas ao mesmo tempo:

• reduz as ações perigosas ou sem volta;
• aumenta as ações que o agente consegue fazer de forma confiável.

Ele faz isso separando a geração da verificação e criando pontos onde uma pessoa pode revisar antes que o erro cresça.

4. Achar que um harness bem feito dispensa um modelo bem treinado, ou o contrário. Segundo a UNU, as duas camadas são necessárias. Um modelo treinado com cuidado, dentro de um harness permissivo, ainda pode executar ações nocivas. Um harness rígido em volta de um modelo fraco ainda gera resultados ruins.

🚀 Por que a verificação a cada passo importa: o preprint sobre o Claude Code cita uma conta de Chip Huyen (2025). Com 95% de acerto por passo, uma tarefa de 100 passos dá certo só 0,6% das vezes.