Harness Engineering: 5 empresas, 5 definições — o mapa dos termos em conflito (2026)

Passei três dias lendo o que cinco empresas escreveram sobre “harness engineering” e sai com a impressão de que ninguém está falando da mesma coisa.

Foi meio deprimente. Eu esperava que, depois de tanto artigo publicado em 2026, o termo tivesse convergido para uma definição comum, mais ou menos como “microservices” convergiu depois de 2015. Não convergiu. Cinco empresas de referência publicaram cinco definições diferentes de “harness” nos últimos seis meses, e essas cinco definições brigam entre si em pelo menos três dimensões.

O ponto do artigo é simples: se você vai contratar alguém “com experiência em harness engineering” em 2026, primeiro pergunta qual harness. As respostas não são intercambiáveis.

O que estou chamando de “harness” neste artigo

Antes de entrar nas cinco definições, vale fixar a minha. A definição operacional que uso no dia a dia — a que aparece no livro de harness engineering em português que publiquei — é esta:

Harness engineering é a disciplina de desenhar todo o ambiente em que agentes de IA operam de forma autônoma por longos períodos. Inclui gestão de contexto, imposição de restrições, gestão de ciclo de vida, loops de feedback, monitoramento e fronteiras de segurança.

É uma definição de agregação. Coloca dentro do guarda-chuva “harness” tudo que fica fora do modelo. Serve para conversar em português com engenheiros que ainda não fixaram o termo. Não serve para arbitrar quando duas empresas discordam do que o termo significa.

Sobre a palavra em português: nem “andaime” nem “arcabouço” nem “trilha” carregam bem o significado. Andaime dá ideia de estrutura temporária, arcabouço soa arquitetural demais, trilha remete a hiking. Vou usar “harness” ao longo do artigo, com uma tradução mensal em cada seção quando o contexto ajudar.

OpenAI — “harness é o ambiente onde agentes escrevem código de forma confiável”

Em 13 de fevereiro de 2026, a OpenAI publicou o artigo “Harness engineering: leveraging Codex in an agent-first world.” A frase que ficou:

Humanos guiam. Agentes executam. Ao impor essa restrição deliberadamente, construímos o que era preciso para elevar a velocidade de engenharia em ordens de magnitude.

O caso de estudo: cinco meses, mais de um milhão de linhas de código, zero linhas escritas por humanos. Lógica de aplicação, testes, CI, docs, observabilidade — tudo Codex. Tempo de build reduzido a um décimo.

Onde a OpenAI põe o peso: prompts declarativos, sandbox de execução, definições de ferramentas explícitas, geração automática de testes, escala paralela.

Traduzindo em BRL para dar noção de custo: o plano ChatGPT Business gira em torno de R$ 175/mês por assento em 2026, e Codex on-demand por agente custa mais. Um time de cinco pessoas rodando Codex em produção com esse padrão paga na casa de R$ 5.000-8.000 por mês só de assinaturas.

Adithya Giridharan tem uma leitura mais sóbria no Medium: “Um milhão de linhas é impressionante, mas a qualidade e a manutenibilidade do código gerado são desconhecidas.” Concordo. O número é publicidade, o padrão é interessante.

Anthropic — “harness é o sistema de controle para agentes de execução prolongada”

A Anthropic publicou dois guias, “Effective harnesses for long-running agents” e “Harness design for long-running application development.” O conceito central deles chama-se Context Anxiety:

No Claude Sonnet 4.5, a context anxiety é forte o suficiente para que compactação sozinha não consiga manter performance em tarefas longas. Resets de contexto se tornaram essenciais.

Context anxiety é o seguinte: quando a janela de contexto enche, a qualidade da saída cai. Se você já teve 300 e-mails não lidos numa segunda-feira de manhã e viu seu próprio discernimento piorar, é isso, só que num LLM.

Onde a Anthropic põe o peso: claude-progress.txt como memória de trabalho (o snapshot de “onde estamos agora”, complementando o histórico do git que é “o que mudou”), reset periódico de contexto, arquitetura Generator-Evaluator inspirada em GANs, e — muito importante — a evolução recente de multiagente para agente único.

O ponto de partida é oposto ao da OpenAI. A OpenAI quer entregar o projeto inteiro para os agentes. A Anthropic quer que agentes rodem por horas sem ficarem malucos. Duas empresas, mesma palavra, direções opostas.

O plano Claude Max está em R$ 500/mês (US$ 100 no exchange atual). Não é barato, mas é o único caminho oficial para usar Claude Code sem estourar o cartão em Anthropic API.

LangChain — “Agent = Model + Harness”

A definição mais compacta do mercado. LangChain colocou assim em janeiro de 2026:

O modelo tem a inteligência; o harness torna essa inteligência útil.

Para LangChain, “harness” é a casca externa que converte inteligência do modelo em trabalho útil. É deliberadamente vazia de conteúdo específico — LangChain vende o framework, então quer que a definição englobe qualquer implementação (LangGraph, LangSmith, integrações de terceiros).

Onde a LangChain põe o peso: composição, observabilidade, portabilidade entre modelos.

A vantagem dessa definição é didática: dá para explicar em uma frase para um dev que nunca ouviu falar. A desvantagem é que quase qualquer wrapper serve como “harness” segundo esse critério, o que dilui o termo.

Cursor — “harness é o wrapper cuja engenharia move o benchmark 34 pontos”

A Cursor não publicou uma definição formal, mas publicou algo mais interessante: um experimento. O time de engenharia da Cursor testou o mesmo modelo Claude no mesmo benchmark de coding, variando apenas o desenho do agente ao redor:

• Uma versão do harness: 46%
• Outra versão: 80%

Uma variação de 34 pontos percentuais no mesmo modelo, causada só pela mudança do wrapper. Esse número circulou bastante em maio-junho de 2026 e é a evidência mais forte que já vi de que “engineering do harness > escolha do modelo” na maioria dos casos.

Onde a Cursor põe o peso: o loop de tool-use (quando chamar, com que argumentos, como interpretar retorno), a estratégia de re-tentativa, e o gerenciamento de contexto em edições multi-arquivo.

Se você acredita nesse número, a implicação profissional é forte: contratar alguém “que domina o Claude” vale menos do que contratar alguém “que sabe desenhar o harness em volta do Claude.” O primeiro trabalho é commodity, o segundo não.

Cognition — “harness é o ambiente que pode gerenciar seus próprios agentes”

A Cognition, criadora do Devin, teve o giro mais bonito do ano. Em junho de 2025, o time publicou “Don’t build multi-agents”, argumentando que sistemas multiagente introduzem mais problemas do que resolvem. Dez meses depois, em março de 2026, mudou de rumo publicamente: “Devin can now manage Devins.”

O que aconteceu no meio? Windsurf foi absorvido, virou “Devin Desktop”, e a arquitetura ficou hierárquica: um Devin coordenador delega para Devins executores.

Onde a Cognition põe o peso: delegação hierárquica, controle central, execução autônoma sem supervisão humana turno-a-turno.

A definição implícita de harness que a Cognition adota é: o ambiente que consegue orquestrar múltiplas instâncias do mesmo agente sem que o time humano precise ver cada passo. Mais próximo do “orquestrador” que do “wrapper” da LangChain.

O único ponto em comum

Cinco definições, três dimensões de conflito. Onde as cinco convergem? Neste único ponto:

Restrições são impostas pelo ambiente, não pedidas ao modelo.

Só isso. Nas cinco visões, “harness” é o lugar onde você para de escrever “por favor, escreva testes” 100 vezes e passa a construir o mecanismo em que commits sem teste simplesmente não acontecem. O gerundio de “pedir” vira o presente de “impedir.”

É a mesma lógica de gerenciar pessoas, aliás. Falar “por favor, escreva testes” 100 vezes é menos confiável do que construir uma vez o sistema para bloquear PRs sem teste. E, sim, ninguém gosta de ser microgerenciado — humano ou IA.

Todas as outras dimensões variam:

• Escopo: só código (OpenAI, Cursor) vs qualquer trabalho de longa duração (Anthropic, Cognition) vs qualquer wrapper (LangChain)
• Composição: agente único (Anthropic) vs paralelo (OpenAI) vs hierárquico (Cognition)
• Papel humano: guia (OpenAI) vs supervisor (Anthropic) vs ausente após kickoff (Cognition)

Como escolher qual definição adotar

Recomendação prática para times BR que estão começando a usar esses termos em 2026:

1. Se você desenvolve produto SaaS com um time pequeno — a definição da Anthropic é a que traz mais ferramentas concretas hoje (claude-progress.txt, resets, Generator-Evaluator). Custo mensal médio.
2. Se você trabalha em consultoria e precisa gerar código em volume — a definição da OpenAI é a mais alinhada com esse padrão. Custo alto, resultado em ordem de magnitude.
3. Se você está construindo o wrapper para vender — LangChain é o vocabulário de mercado, mesmo diluído.
4. Se você precisa entregar autonomia real (sem supervisão turno-a-turno) — a leitura da Cognition é a única que assume esse cenário como default.
5. Se você está avaliando o próprio harness em benchmark — Cursor é quem publicou o número mais honesto sobre o quanto o wrapper importa.

Para o meu trabalho no dia a dia, uso a definição da Anthropic. Não porque seja a melhor em absoluto, mas porque tem a maior quantidade de ferramentas prontas e docs em inglês legível. É prático, não é purismo.

---

ken imoto · WebRTC & Voice AI engineer · kenimoto.dev · TabNews