Harness Engineering 101: libro gratis de agentes de IA

¿Qué es un harness y por qué define lo que tu agente puede hacer?

Cerca del 98,4% del código de Claude Code es infraestructura alrededor del modelo: permisos, gestión de contexto, sandboxing, enrutamiento de herramientas y recuperación. Solo el 1,6% restante es lógica de decisión de IA. Esa proporción, estimada por el VILA-Lab de MBZUAI en su análisis de Claude Code v2.1.88 y recogido por InfoQ, explica por qué un libro que enseña a construir esa capa desde cero se volvió material de lectura para cualquiera que esté montando agentes.

Un harness es el programa que construye, mantiene y protege el array JSON que se envía al modelo en cada turno. La API de un LLM es stateless: no recuerda nada entre llamadas. Todo lo que el modelo "sabe" en un momento dado es lo que el harness decidió poner en ese array.

Esa es la tesis de Harness Engineering 101, un libro abierto que el ingeniero Isuru Wijesiri publicó en su versión 1.0, de septiembre de 2026, y cuyo código fuente vive en GitHub. La formulación del autor: "El LLM es el cerebro. El harness es el cuerpo."

El término se consolidó rápido. Según recoge TechTimes, fuentes secundarias lo atribuyen al cofundador de HashiCorp Mitchell Hashimoto, que en un post de comienzos de febrero de 2026 dejó una regla operativa simple: cada vez que un agente comete un error, se ingenieriza una solución para que nunca vuelva a cometerlo. Días después, el 11 de febrero de 2026, Ryan Lopopolo de OpenAI le dio forma pública en un post de la compañía, a partir de la experiencia de llevar a producción una aplicación sin una sola línea de código escrita por humanos.

La ecuación que resume la disciplina: Agente = Modelo + Harness. El modelo razona; el harness decide qué ve, qué puede tocar y cómo reporta.

¿Qué enseña Harness Engineering 101?

El libro no es un tratado teórico. Es una serie de 16 capítulos que construyen un agente de juguete de unas 300 líneas en Python puro, agregando una pieza por capítulo. Cada capítulo tiene la misma estructura: la falla concreta, el parche mínimo y cuánto cuesta ese parche.

Está organizado en cuatro partes:

• Parte I — The Wire: cómo se habla con la API, qué es el "cerebro" como caja negra de siguiente token, cómo se mapean herramientas a funciones JSON, el loop del agente y por qué el orden del array es determinante para el caché.
• Parte II — Running Long: el contexto como presupuesto y no como bolsa, subagentes que bifurcan el contexto, cómo dirigir un loop en marcha y el trabajo en segundo plano cuando el mundo no es síncrono.
• Parte III — The Ecosystem: por qué cada framework es un wrapper del capítulo 1, cómo extender el cuerpo con MCP, skills, carga diferida y hooks, y cómo depurar el array.
• Parte IV — Trust, Domains, and Data: reflejos y guardrails, el caso de estudio de los agentes de código y el argumento de que RAG siempre fue un patrón de harness.

Los patrones del libro se desarrollan completos en One Code, un agente de código open source construido sobre pi. Ese detalle importa: según TechCrunch, Databricks comparó harnesses y encontró que Pi, el harness open source publicado por la empresa Earendil, superó a Codex usando el mismo modelo GPT 5.5. El propio creador de Pi, Mario Zechner, sostiene que su harness minimalista demuestra que un enfoque de mínima intervención funciona, al menos para tareas de código.

Hay una distinción de licencia que conviene leer antes de copiar código. La prosa del libro (los archivos .md) está bajo CC BY-NC-ND 4.0: se puede compartir con crédito, pero no usar comercialmente ni publicar versiones modificadas. El código (los .py) está bajo MIT: uso libre con atribución. Para un founder que quiera reutilizar el harness de juguete dentro de un producto, esa frontera es la que protege.

¿Por qué el harness pesa más que el modelo?

Tres datos del sector apuntan en la misma dirección.

Primero, el diagnóstico. Según TechTimes, análisis de datos de enterprise sugieren que hasta el 65% de las fallas de agentes de IA se remontan a defectos del harness —deriva de contexto, desalineación de esquemas, degradación de estado— y no a limitaciones del modelo.

Segundo, el experimento. Un estudio de Stanford y Tsinghua University citado por el mismo medio encontró que el mismo modelo puede producir diferencias de rendimiento de hasta 6 veces según cómo se diseñe el wrapper. El modelo no cambió; solo cambió el andamiaje.

Tercero, la proporción. El paper "Dive into Claude Code" del VILA-Lab de MBZUAI, recogido por InfoQ, clasificó unas 512.000 líneas en 1.884 archivos y estimó que alrededor del 98,4% es infraestructura de harness y solo el 1,6% es lógica de decisión de IA. Los autores aclaran que es un conteo de líneas sobre un bundle derivado de una filtración, no una auditoría universal, pero la dirección del dato se sostiene.

El contexto de mercado acompaña: según TechTarget, Gartner proyecta que el 60% de las empresas habrá desplegado IA agéntica hacia 2028.

La consecuencia es incómoda para quien compra la narrativa de "el próximo modelo lo resuelve todo". Joe Gershenson, responsable de ingeniería del harness de OpenAI, lo dijo a TechCrunch con la metáfora de la bitter lesson: se pueden obtener buenos resultados a corto plazo agregando condicionales y herramientas, pero el próximo modelo los volverá obsoletos. Su equipo se enfoca en la vía más simple para exponer el modelo a las herramientas y el contexto que necesita, y nada más.

Eso no vuelve irrelevante al harness. Significa lo contrario: si el modelo es cada vez más capaz, la ventaja competitiva se muda a la calidad del entorno que le das. Microsoft lo formalizó en julio de 2026 con el Agent Framework Harness, un runtime que empaqueta loop de herramientas, historial persistente, compactación de contexto, lista de tareas, memoria de archivos, skills, aprobación de herramientas y OpenTelemetry. Según InfoQ, el framework alcanzó disponibilidad general el 2 de abril de 2026 y el harness llegó a estable en Build 2026, celebrado el 2 y 3 de junio.

¿Qué significa esto para tu startup?

Si estás construyendo un producto con agentes, el harness es donde vive tu ventaja y donde se acumula tu deuda técnica.

• Empieza por el array, no por el framework. Antes de adoptar LangGraph, CrewAI o el Agent Framework de Microsoft, escribe el loop a mano. El capítulo 1 del libro es literalmente "es solo un array JSON": si entiendes qué se envía en cada turno, entiendes por qué tu agente se comporta como se comporta. Después, cualquier framework es una decisión de conveniencia, no de fe.
• Trata el contexto como presupuesto. La compactación y el resumen de historial no son optimizaciones tardías: son la diferencia entre un agente que termina una tarea larga y uno que se ahoga a mitad de camino. Microsoft activa la compactación de contexto por defecto en su harness; tú deberías tener una estrategia explícita desde el primer día.
• Mide el harness, no solo el modelo. Si cambias de modelo y el rendimiento no se mueve, el cuello de botella está en tu andamiaje. Instrumenta tokens, número de round-trips y tasa de fallas por herramienta antes de culpar al LLM.
• Revisa la licencia antes de copiar código. En este libro, la prosa es CC BY-NC-ND 4.0 y el código es MIT. Si vas a reutilizar fragmentos en un producto comercial, esa frontera es la que te protege.

Un dato para calibrar expectativas: según TechTimes, la Cloud Security Alliance estima que el 88% de los proyectos de agentes en empresas se estanca antes de llegar a producción. La brecha no está en lo que los agentes pueden hacer técnicamente, sino en lo que las organizaciones pueden desplegar de forma auditable. Eso es, exactamente, trabajo de harness.

Conclusión

Harness Engineering 101 no trae una técnica nueva. Trae algo más útil: un orden de lectura. Empieza por el array JSON, sigue por el loop y solo después acepta las abstracciones. Cada capítulo está anclado a una falla concreta, lo que lo convierte en una buena forma de auditar tu propio agente: si no puedes nombrar qué parche resolvió cada problema que ya tuviste, probablemente estés usando un framework sin entender qué hace por ti.

El repositorio es todavía incipiente —12 estrellas y ningún fork al momento de escribir esta nota—, pero el marco conceptual que ordena ya está validado por la industria: el modelo es el cerebro, y el cuerpo es el trabajo.

Fuentes

• Harness Engineering 101 (repositorio original) (fuente original)
• OpenAI is building AI agents for everything. Will everyone use them? — TechCrunch
• "Harness Engineering" Emerges as the Fourth Paradigm of AI Engineering — TechTimes
• Microsoft Agent Framework Harness and Hosted Agents Reach General Availability — InfoQ
• Microsoft Agent Framework Makeover: Claws, Loops and Harnesses — Visual Studio Magazine
• Harness engineering: Agent harnesses as critical infrastructure — TechTarget