Mucha gente empieza a construir un agente de IA llamando a la API de un modelo y conectando dos o tres herramientas. En la demo funciona bien. Luego se pone a trabajar de verdad y empiezan los problemas: repite la misma acción una y otra vez, modifica archivos que no debería tocar y no recuerda nada de lo que hizo ayer. La mayoría de estos fallos no tienen que ver con lo inteligente que sea el modelo, sino con la capa que lo rodea. Esa capa se llama Agent Harness.
¿Qué es un Agent Harness?
Un Agent Harness es el entorno de ejecución que envuelve a un LLM y lo convierte en algo capaz de trabajar. El modelo por sí solo recibe una entrada y devuelve qué hacer a continuación, en forma de texto o de llamada a una herramienta. Ejecutar de verdad esa herramienta, devolverle el resultado, repetir el ciclo hasta terminar y decidir cuándo parar es tarea del harness. La palabra viene del arnés de un caballo, que transmite su fuerza al carro: aquí es lo que conecta la capacidad del modelo con el trabajo real.
De qué se compone un harness
Primero, el bucle del agente y la ejecución de herramientas: interpretar la salida del modelo, llamar a herramientas, devolver resultados y repetir hasta cumplir una condición de fin. Segundo, la conexión con herramientas y datos externos mediante MCP (Model Context Protocol), para que sistemas internos y servicios SaaS se integren de la misma forma. Tercero, las skills: instrucciones para un tipo de tarea empaquetadas como archivos que se cargan solo cuando hacen falta. Cuarto, políticas y permisos: qué acciones se permiten automáticamente, cuáles requieren aprobación humana y qué debe quedar en el registro de auditoría.
Quinto, contexto y memoria: qué conservar y qué resumir cuando la conversación crece, y qué recordar entre sesiones. Sexto, las evaluaciones (evals): al cambiar un prompt o un modelo, los casos de prueba dicen si la calidad subió o bajó, en lugar de la intuición. Séptimo, la observabilidad: poder reconstruir después qué razonó el agente en cada paso, qué herramienta llamó con qué argumentos y cuánto tardó.
Por qué el harness pesa más que el modelo
Salen modelos nuevos con regularidad y la mayoría de los equipos usa modelos de los mismos pocos proveedores, así que el modelo por sí solo rara vez marca la diferencia. En cambio, cómo expones las herramientas, cómo te recuperas de un fallo y dónde frenas una acción peligrosa son decisiones de diseño de cada equipo. Muchos incidentes en producción son problemas del harness: permisos demasiado amplios, reintentos que nunca terminan, falta de registros que impide encontrar la causa. Cambiar de modelo no arregla eso; solo el harness puede hacerlo.
Hay otra razón: un harness sólido facilita cambiar de modelo. Con un conjunto de evaluaciones y registros puedes comparar enseguida qué mejoró y qué empeoró al pasar a un modelo nuevo. El harness es también la base que te permite aprovechar las mejoras de los modelos.
En qué se diferencia de un chatbot
Algo que solo conecta una API a una interfaz de chat (lo que suele llamarse chat wrapper) da por hecho que una persona pregunta una cosa cada vez y revisa cada respuesta. Un agente al que puedes confiar trabajo real recibe una tarea, usa herramientas para avanzar por su cuenta, solo consulta a una persona cuando hace falta y al final informa del resultado. Para acercarse a ese punto de «puedo delegarlo sin vigilarlo todo el tiempo» sirven las piezas del harness: permisos, memoria, evaluaciones y registros.
Ruta de aprendizaje para ingenieros
1. Empieza por lo básico de las APIs de LLM: estructura de mensajes, cómo funcionan las llamadas a herramientas, streaming, tokens y longitud de contexto. 2. Escribe tú mismo un bucle de agente. Antes de usar un framework, programa a mano un bucle mínimo que solo llame a herramientas y devuelva resultados; así verás claramente qué le corresponde al harness. 3. Aprende sobre entornos de ejecución de herramientas y MCP, y cómo limitar las operaciones con archivos y la ejecución de comandos a un directorio de trabajo.
4. Ocúpate de la gestión del contexto, la memoria y el almacenamiento de sesiones. 5. Diseña políticas, flujos de aprobación y registros de auditoría para poder decidir hasta dónde puede llegar el agente por sí solo. 6. Pasa al reparto de trabajo entre varios agentes y al diseño de workers de larga duración. 7. Por último, implanta evaluaciones y observabilidad para medir cada cambio, y entonces lleva el agente a producción. En todas las etapas el camino más rápido es el mismo: construir algo pequeño, ejecutarlo de verdad, anotar los casos de fallo y corregirlos.
Lo que ya sabes te sirve
El desarrollo de agentes parece un campo completamente nuevo, pero lo que realmente exige es diseño de APIs, control de acceso, registros, pruebas y gestión de incidentes: cosas que un ingeniero de software ya domina. Con prompts solos no se llega a producción, y cubrir ese hueco es trabajo de ingeniería.
Si quieres aprenderlo de forma ordenada, Agent Harness de cero a experto (las lecciones están en chino) empieza por el protocolo de los LLM y el bucle del agente, y en 86 lecciones recorre Pi Agent Core, entornos de herramientas y MCP, contexto y memoria, políticas y aprobaciones, workers de larga duración al estilo Hermes, y evaluaciones y observabilidad, hasta que construyes tu propio Agent Workbench. Las primeras 6 lecciones son gratuitas.