Aprofundamento nº 07 4 min de leitura

Harness: o motor invisível da programação agêntica.

Todo mundo discute qual modelo é o mais inteligente. Mas o que decide se um agente funciona não é o modelo — é a estrutura construída ao redor dele. Esse "arnês" virou, em 2026, a peça mais subestimada (e mais decisiva) da engenharia de IA.

Aprofundamento Nº 01 11 min de leitura
Agentes · Engenharia
Em uma frase

O modelo é o teto; o harness é a escada — e em 2026 quase toda a distância até o topo vem da escada.

01 — Se não é o modelo, é o harness.

A definição mais limpa que o campo encontrou cabe numa equação:

O termo vem do mundo de testes de software, onde um test harness é o andaime que executa testes e coleta resultados. Aplicado a agentes, o harness é tudo o que não é o modelo: o prompt de sistema, as ferramentas (e a descrição delas), a infraestrutura embutida — sistema de arquivos, sandbox, navegador — a lógica de orquestração (subagentes, roteamento de modelos) e os hooks que forçam comportamento determinístico, como compactação de contexto e verificação automática.

Por que isso é necessário? Porque um modelo, na essência, só faz uma coisa: recebe texto, imagem ou áudio e devolve texto. Fora da caixa ele não mantém estado entre sessões, não executa código, não acessa informação em tempo real e não monta o próprio ambiente. Cada uma dessas capacidades é, na verdade, uma função do harness.

É por isso que Claude Code, Cursor, Codex, Aider e Cline podem rodar o mesmo modelo por baixo — e ainda assim se comportarem de formas radicalmente diferentes. Como resume Simon Willison, um agente é "um sistema que roda ferramentas em loop para atingir um objetivo". A inteligência está no modelo; a engenharia está no design do loop e das ferramentas.

02 — O modelo é o teto. O harness é a escada.

Essa não é uma metáfora bonitinha — é o que os benchmarks mostram quando você mantém o modelo fixo e troca só o andaime ao redor. Os números são consistentes e desconfortáveis para quem só caça o próximo lançamento de modelo:

Coloque na perspectiva certa. Subir uma geração de modelo — do Claude Opus 4.5 para o 4.7 — adicionou cerca de 6,8 pontos no SWE-bench Verified. Ajustar o harness pode mover 13,7 pontos no Terminal-Bench. Ou seja: a estrutura ao redor do modelo move mais que uma geração inteira do próprio modelo. A LangChain saiu do Top 30 para o Top 5 do Terminal-Bench 2.0 (de 52,8% para 66,5%) sem trocar o modelo uma única vez.

A consequência estratégica é o que está reorganizando o mercado. Se o desempenho real vem tanto do harness, então o fosso competitivo deixa de ser só o modelo — que tende a se comoditizar — e passa a ser o harness mais o custo de servir. Laboratórios que controlam os dois lados (Anthropic com o Claude Code, OpenAI com o Codex) montam o tipo de trava de plataforma que historicamente gera margens altas. E há retroalimentação: os modelos hoje já são pós-treinados com o harness no loop, ficando nativamente melhores nas operações que o harness espera deles — filesystem, bash, planejamento, subagentes.

O pano de fundo dá a escala da aposta: o mercado de ferramentas de código com IA está estimado em torno de US$ 12,8 bilhões em 2026, a caminho de ~US$ 30 bi até 2032 (CAGR ~27%); só os agentes de código corporativos somam ~US$ 9,8–11 bi anualizados. E o trabalho mudou: vagas exigindo experiência com ferramentas de código com IA cresceram +340% entre jan/2025 e jan/2026, enquanto vagas de pura implementação caíram 17%.

+34pts

Mesmo modelo Claude:

46% → 80% por harness — (estudo da Cursor)

42→78%

CORE-Bench: Opus 4.5

só trocando o scaffold — para o Claude Code

+22pts

SWE-bench: scaffold

básico (23%) vs. otimizado — de 250 turnos (45%+)

03 — A anatomia de um bom harness.

Um harness não é mágica — é um conjunto de primitivas que resolvem, uma a uma, as limitações do modelo. É exatamente aí que você ganha (ou perde) pontos de desempenho:

Sistema de arquivos + git. A primitiva mais fundamental: espaço de trabalho para ler dados e código, descarregar o que não cabe no contexto, persistir estado entre sessões e colaborar com humanos e outros agentes pelos mesmos arquivos.
Bash + execução de código. Em vez de pré-construir uma ferramenta para cada ação, dê uma de propósito geral. O agente escreve e roda o próprio código — na prática, você dá um computador a ele.
Sandbox. Tudo isso precisa rodar em lugar seguro e isolado, com comandos em lista de permissão e isolamento de rede. A sandbox também escala: cria ambientes sob demanda e os destrói ao terminar.
Memória + busca. Arquivos como CLAUDE.md / AGENTS.md são injetados no início da sessão (aprendizado contínuo). Busca na web e MCP dão acesso a conhecimento posterior ao corte de treinamento.
Gestão de contexto (contra o "context rot"). Compactação resume o histórico antes de estourar a janela; offloading guarda saídas grandes no disco; skills revelam capacidades progressivamente para não entupir o contexto na largada.
Execução de longo horizonte. Arquivos de plano, loops de auto-verificação (rodar testes e corrigir sozinho) e padrões como o Ralph Loop — que reinjeta o objetivo num contexto limpo — mantêm o agente coerente por horas.

Existe ainda o harness "externo", que é seu. Birgitta Böckeler e Addy Osmani descrevem isso como tratar o harness como um artefato versionado: toda vez que o agente erra, você não troca de modelo — ajusta a descrição de uma ferramenta, o prompt ou o contexto, para que o erro nunca mais aconteça. Regra de bolso: se os resultados parecem inconsistentes, olhe primeiro o harness, não o modelo.

04 — Aplicar nesta semana

Versione seu harness. Comece um CLAUDE.md / AGENTS.md no repositório com arquitetura, padrões proibidos e comandos de teste. É o ganho mais barato e imediato.
Pare de trocar de modelo por reflexo. Quando o agente errar, registre e engenheire uma correção no harness para que não se repita. Cada falha vira melhoria permanente do andaime.
Meça antes de otimizar. Rode o mesmo modelo em dois harnesses num caso real seu e compare. Benchmark é sinal, não meta.
Instale loops de auto-verificação. Deixe o agente rodar os testes e corrigir sozinho antes de chegar ao revisor humano.
Pense em fosso. Se você constrói produto com IA, seu diferencial provavelmente não é o modelo (que comoditiza) — é o harness ao redor dele.

Perguntas frequentes

Harness é a mesma coisa que um framework de agente (LangGraph, CrewAI, LlamaIndex)?

Não. O framework é uma parte de construir um harness. Montar um harness significa escolher um framework e então escrever a configuração: definir o modelo, o prompt de sistema, conectar ferramentas, configurar memória e contexto, observabilidade e autenticação — mais a infraestrutura por baixo (compute, sandbox, sessões). O framework te dá o loop; o harness é tudo que você decide ao redor dele.

Se o harness importa tanto, o modelo deixou de importar?

De jeito nenhum. O modelo é o teto e o harness é a escada. Um harness ótimo não faz um modelo fraco superar o próprio limite de raciocínio — ele só te leva mais perto do teto que o modelo permite. Os dois importam: o erro é otimizar um e ignorar o outro.

Preciso construir meu próprio harness ou já uso o Claude Code / Cursor?

Para a maioria, o caminho é usar um harness pronto e construir um harness "externo" por cima: um CLAUDE.md/AGENTS.md bem feito, boas descrições de ferramentas, verificação automática e contexto curado para o seu caso. Você raramente escreve o loop do zero; você molda o ambiente em volta dele.

Por que o mesmo modelo às vezes vai melhor no harness em que foi treinado?

Porque produtos como Claude Code e Codex são pós-treinados com o harness no loop, então o modelo aprende a ser bom nas operações daquele andaime. Mas isso não é regra: em vários benchmarks, o mesmo modelo pontua acima em harnesses diferentes do "oficial". O melhor harness para a sua tarefa nem sempre é o do fabricante do modelo.

Otimizar o harness para o benchmark é boa ideia?

Cuidado. Ajustar o harness para cravar um benchmark pode dar overfit: ele acerta o teste e se comporta de forma estranha no seu código real. Benchmarks medem comportamentos específicos; seus usuários têm outras necessidades. Use-os como sinal e valide sempre em exemplos representativos do seu próprio uso.

Fontes

Receber os próximos aprofundamentos Abrir versão interativa

Claude Security: O defensor em escala de máquina →