O harness refere-se a tudo o que envolve um modelo de IA para o tornar um agente capaz de agir. Com o mesmo modelo, esta estrutura faz variar as pontuações, os custos e as salvaguardas, de acordo com os números publicados recentemente em testes de agentes de programação.
Um modelo de linguagem por si só produz texto. O harness adiciona-lhe um ciclo de execução que deteta as chamadas a ferramentas, executa-as, devolve os resultados e repete até a tarefa estar concluída. Inclui também as instruções, a gestão do contexto, os subagentes, a verificação do trabalho e o sandbox, um espaço que limita os ficheiros acessíveis e os servidores contactáveis.
No Terminal-Bench 2.1, um teste de agentes em linha de comandos, o Gemini 3 Pro conseguiu 65,8% das 89 tarefas no Gemini CLI, o agente que a Google publica para os seus modelos. No Terminus 2, um programa mínimo escrito pelos autores do teste e dotado de uma única ferramenta, um terminal, atingiu 73,9%. O ranking do Terminal-Bench 2.1, arquivado entretanto pela Snorkel AI, separa estas duas linhas por 8,1 pontos.
A LangChain mediu o efeito alterando apenas o harness. O seu agente deepagents-cli passou de 52,8% para 66,5% no Terminal-Bench 2.0, de acordo com a sua publicação de 17 de fevereiro de 2026. «Só alterámos o harness e mantivemos o modelo fixo, o gpt-5.2-codex», escreve a empresa. As alterações incidiram sobre a instrução de sistema, as ferramentas, uma verificação obrigatória antes da saída, um contador que força o agente a rever o seu método quando altera o mesmo ficheiro com demasiada frequência, e a dosagem do esforço de raciocínio.
Um estudo da Tulane, de Rutgers e da Virginia Tech, publicado num artigo de posição a 7 de maio de 2026, cruza três modelos com três harnesses em 100 tarefas do SWE-bench Verified. Segundo os seus autores, mudar de harness desloca a pontuação entre 8,5 e 13 pontos, contra 2,5 a 5 pontos para uma mudança de modelo. Os autores do Terminal-Bench mantêm-se, no entanto, prudentes: o seu artigo de 17 de janeiro de 2026 estima que «a escolha do modelo geralmente importa mais do que a estrutura do agente».
Uma fatura que depende da configuração
Uma API fatura cada chamada com todo o contexto transmitido, e uma sessão de agente devolve o seu histórico a cada turno. A cache reduz esta despesa, com um desconto de 95% no token relido, tanto para o Claude Opus 5.5 como para o GPT-6.1 Sol. Um harness que altera o início do seu pedido durante a sessão perde este desconto, o que explica que o Codex adicione as suas alterações no final do pedido.
A escolha das ferramentas também pesa. Numa publicação de 4 de novembro de 2025, a Anthropic quantifica em 150 000 tokens a despesa de um agente que carrega de imediato a definição de todas as suas ferramentas, contra 2 000 quando as chama a partir de código. A Vercel removeu 80% das ferramentas do d0, o seu agente que traduz perguntas para SQL. Em cinco pedidos com o Claude Opus 4.5, o consumo médio passou de cerca de 102 000 para 61 000 tokens, e o sucesso de quatro para cinco pedidos em cinco. Cinco pedidos não fazem estatística, reconhece a empresa no mesmo espírito.
Quem decide o que o agente pode fazer
O harness também fixa os limites do que o agente pode executar. Um preprint, o ToFu, mostrou a 9 de outubro de 2026 que um pequeno modelo local emitiu uma chamada para uma ferramenta fictícia chamada launch_missiles, que o LangGraph executou sem controlo, antes de redigir a sua recusa. A recusa chega portanto após a execução, o que coloca a verificação das autorizações no harness e nas próprias ferramentas.
A Anthropic indica na sua publicação de 25 de março de 2026 que os utilizadores aceitam 93% dos pedidos de autorização. O seu sandbox reduziu estes pedidos em 84% em uso interno, e um classificador revê posteriormente as ações não autorizadas antecipadamente. De 52 ações excessivas reais, deixou passar 17%. A OpenAI também isola a execução no seu Agents SDK, desde 15 de abril de 2026.
A Artificial Analysis prevê uma rubrica «Harness Comparison» na sua página de agentes de código. A 30 de outubro de 2026, trazia a menção «em breve».
