Últimamente se habla mucho de Inteligencia Artificial en los periódicos y de como destruirá el mundo pero realmente poco de como adoptarla o trabajar con ella.
El agente es probablemente el término que nos suena más. Es un sistema autónomo que toma sus propias decisiones y ejecuta acciones usando herramientas para cumplir un objetivo específico. El harness es toda la infraestructura y el código que envuelve a un modelo de IA para que pueda hacer cosas útiles en el mundo real y facilitar una correcta ejecución del Agente.
Si nos ponemos técnicos, el modelo en sí (Sonnet, Gemini, GPT o el que sea) es solo un «cerebro» aislado que procesa texto. Si tú le pides que te organice unos archivos o que pruebe si un código funciona, por sí solo no puede hacer nada; es como un cerebro flotando en un bote de cristal. Ahí es donde entra el harness. Este entorno es el que le da «cuerpo» y herramientas al modelo:
-
-
- Gestión de contexto: Archivos de instrucciones específicas (como
CLAUDE.mdoAGENTS.md) ehistoriales optimizados para no perder información.
- Gestión de contexto: Archivos de instrucciones específicas (como
-
- Ejecución de herramientas: Acceso a la terminal, lectura y escritura de archivos, o llamadas a APIs externas.
-
- Bucles de autoverificación: Sistemas que ejecutan pruebas de código, y detectan errores para devolverle la información al modelo y que se corrija solo.
-
- Entornos aislados (sandboxing): Espacios seguros como contenedores Docker para que la IA ejecute comandos sin poner en riesgo el sistema
-
La ingeniería de harness está ganando peso porque se ha visto que, muchas veces, optimizar este entorno y darle mejores herramientas a la IA multiplica su rendimiento mucho, sin necesidad de tocar o cambiar el modelo que utilizamos.