Qué es

Terminología · Ingeniería de LLM · Agentes de IA · Evaluación comparativa · IA · ExplicaciónEl término y su práctica, de octubre de 2022 a septiembre de 2026

Dos usos pequeños y luego una definición grande La expresión tuvo dos veces el tamaño de la configuración de un usuario antes de tener el del agente.

• 93días desde el primer uso hallado de la expresión hasta el de Hashimoto
• 33días desde el uso de Hashimoto hasta la definición de Trivedy como todo menos el modelo
• 13.7puntos ganados en Terminal Bench 2.0 con el modelo fijo y solo el harness cambiado, según LangChain sobre su propio agente
• 0fuentes que concilien si la ingeniería de harness contiene la ingeniería de contexto o es una forma de ella

• Dex Horthy · X · 4 nov 2025

  “Que llamaré ingeniería de harness”

  El primer uso hallado de la expresión.

  • Su definición: aplicar los principios de la ingeniería de contexto a cómo se usa un agente ya existente; en Claude Code, “los comandos, hooks, skills, agentes, MCP, etc.” que un usuario le conecta.
  • Su pregunta: ¿cómo se diseñan los puntos de integración de un agente dado para obtener los mejores resultados?
  • Cuatro meses después, el blog de HumanLayer, la empresa que él cofundó, atribuyó a Trivedy la creación del término.

• Mitchell Hashimoto · 5 feb 2026

  “He acabado llamando a esto ingeniería de harness”

  El mismo tamaño, 93 días después.

  • No conocía ningún término aceptado en el sector, y dijo que adoptaría uno si existía.
  • Dos formas, y ese es todo su alcance: un AGENTS.md en el que cada línea procede de un mal comportamiento del agente, y “herramientas programadas de verdad”, como scripts para capturas de pantalla y pruebas filtradas.
  • La regla que nombra: cuando un agente comete un error, se diseña un arreglo para que no vuelva a cometerlo.

• Vivek Trivedy · LangChain · 10 mar 2026

  Agente = Modelo + Harness

  La definición que la ensanchó.

  • “Si no eres el modelo, eres el harness”: todo el código, la configuración y la lógica de ejecución que no es el modelo; sistema de archivos, sandbox, navegador, orquestación, hooks.
  • Llama a la frontera una elección: hay “muchas formas enrevesadas” de trazarla, y esta es, en su opinión, la más limpia.
  • La entrada de la enciclopedia, las listas recopiladas, los artículos de investigación y las explicaciones de los proveedores usan todos este sentido, no el anterior.

• Wikipedia · revisión del 12 sep 2026

  “La infraestructura de software que rodea a un modelo de lenguaje grande”

  La versión de la enciclopedia.

  • Gestiona “el uso de herramientas, la memoria, la persistencia del estado, los entornos de ejecución y los bucles de retroalimentación, a diferencia del razonamiento interno del modelo”.
  • Dice que la atribución de la expresión se disputa entre Hashimoto y Trivedy. Horthy no aparece.
  • Fecha en 2026 la publicación de Anthropic sobre harnesses para tareas largas. La publicación dice 26 de noviembre de 2025.

¿Con cuánta firmeza se sostiene cada una? Ordenado desde lo que muestran las propias publicaciones hasta lo que infiere esta página.

Cronología

El sustantivo, luego la expresión, luego la definición, luego la investigación Cada fecha, leída en el propio documento.

1. oct 2022El bucle, como artículo. Yao y sus colegas publican ReAct, en el que un modelo alterna entre razonar y actuar. Los harnesses posteriores ejecutan ese ciclo: el modelo razona, el harness actúa y registra lo ocurrido, el modelo lee el resultado.
2. feb 2023Las herramientas, como artículo. Toolformer muestra un modelo de lenguaje que aprende por sí solo a llamar a herramientas externas mediante interfaces sencillas.
3. dic 2024La idea, sin la palabra. Anthropic sostiene que la interfaz entre agente y ordenador merece tanto esfuerzo como la interfaz entre persona y ordenador, y pide a quienes construyen hacer sus herramientas a prueba de errores: cambiar los argumentos para que equivocarse cueste más.
4. 23 sep 2025El sustantivo recibe una definición de trabajo. Trivedy, en su propio blog, define un harness de agente como un conjunto externo de funciones que mejora la ejecución del modelo: gestión del contexto, herramientas, permisos, estado, control del bucle, observabilidad. La expresión ingeniería de harness no aparece.
5. 4 nov 2025El primer uso hallado de la expresión. Dex Horthy publica que ve surgir un concepto nuevo, “que llamaré ‘ingeniería de harness’”: aplicar la ingeniería de contexto a cómo se usa un agente existente. En Claude Code, eso son los comandos, hooks, skills, agentes y servidores MCP que un usuario conecta al harness que trae de serie. No se puede hacer ingeniería de harness sin entender la ingeniería de contexto, añade.
6. 26 nov 2025La práctica, publicada entera. Justin Young, de Anthropic, describe un harness para agentes de larga duración: un agente inicializador que deja init.sh, un archivo de progreso y un primer commit, y un agente programador que hace una funcionalidad por sesión. La lista de funcionalidades va en JSON porque el modelo es menos propenso a sobrescribir JSON que Markdown. La compactación por sí sola no basta.
7. 23 ene 2026El sustantivo es corriente en OpenAI. Michael Bolin, al explicar el bucle del agente de Codex, lo usa de pasada: “el papel que desempeña nuestro agente, o harness, al aprovechar un LLM”.
8. 4 feb 2026Sin ninguna glosa. Celia Chen, de OpenAI: la aplicación web, la interfaz de línea de órdenes, la extensión del IDE y la aplicación para macOS funcionan “todas con el mismo harness de Codex”.
9. 5 feb 2026La expresión de nuevo, para una costumbre. Mitchell Hashimoto, al contar cómo adoptó las herramientas de IA, llega al paso que llama Diseñar el harness: no conoce ningún término aceptado, ha “acabado llamando a esto ‘ingeniería de harness’” y adoptaría otra palabra si existiera. Significa un AGENTS.md en el que cada línea responde a un mal comportamiento del agente, y unos cuantos scripts.
10. 11 feb 2026La expresión como título. Ryan Lopopolo, de OpenAI, publica Harness engineering: cinco meses, alrededor de un millón de líneas de código y unas 1,500 solicitudes de incorporación escritas por Codex sin código escrito a mano, por un equipo que pasó de tres ingenieros a siete. En el cuerpo la palabra harness aparece una vez, en “Evaluation harnesses”. Las cifras son de OpenAI.
11. 17 feb 2026Una medición y un memorando. Trivedy informa de que el agente de programación de LangChain pasó del 52.8% al 66.5% en Terminal Bench 2.0, de quedar justo fuera de los treinta primeros a estar entre los cinco primeros, con gpt-5.2-codex fijo: “Solo cambiamos el harness.” Ese mismo día Birgitta Böckeler publica un primer memorando sobre la ingeniería de harness, “cuando el término apareció por primera vez”.
12. 10 mar 2026La palabra se hace enorme. Trivedy publica The Anatomy of an Agent Harness: Agente = Modelo + Harness, cada componente deducido hacia atrás a partir de un comportamiento; sistemas de archivos para un estado duradero, bash para la autonomía, sandboxes para tener un lugar seguro donde actuar, hooks para un control determinista. Treinta y tres días después de la publicación de Hashimoto, la expresión abarca todo lo que no es el modelo.
13. 12 mar 2026La primera atribución. HumanLayer, la empresa que cofundó Horthy, dice que la ingeniería de harness fue “acuñada por Viv” y, en la misma publicación, que es “un subconjunto de la ingeniería de contexto”.
14. 24 mar 2026Un principio para quitar cosas. Prithvi Rajasekaran, de Anthropic: cada componente de un harness codifica una suposición sobre lo que el modelo no puede hacer por sí solo, y esas suposiciones caducan a medida que los modelos mejoran. Con un modelo más nuevo, elimina toda una capa de descomposición de tareas.
15. 2 abr 2026El lado del usuario recibe una forma. El artículo completo de Böckeler divide el harness en guías que orientan antes de que el agente actúe y sensores que observan después, cada uno computacional o inferencial, y separa la parte del harness que un agente de programación ya trae incorporada del harness externo que el usuario construye para él. Su recuadro: un harness de usuario es una forma específica de ingeniería de contexto.
16. 19 abr 2026Una síntesis y una segunda atribución. Addy Osmani, en su propio blog, republicado por O'Reilly el 15 de mayo: “Viv Trivedy acuñó el término ingeniería de harness.” Abre con la regla de Hashimoto, cita la fórmula de Trivedy como “la frase de Viv” y añade la suya: solo se añaden restricciones cuando se ha visto un fallo real.
17. may 2026Se convierte en objeto de investigación. Un artículo de posición, el 7 de mayo, sostiene que en tareas largas el harness suele pesar más que el modelo, y que las clasificaciones que comparan modelos sin revelar su harness engañan. Hailin Zhong y Shengxin Zhu, el 13 de mayo, formalizan el harness como un sustrato de ejecución con once responsabilidades y una escala de cuatro niveles.
18. jun 2026Harnesses que aprenden. Harness-1, 1 de junio: un agente de búsqueda de veinte mil millones de parámetros entrenado con aprendizaje por refuerzo dentro de un harness que mantiene la contabilidad fuera del modelo. Self-Harness, 8 de junio: un agente extrae sus propios fallos y edita su propio harness, y en los nueve pares de modelo y banco de pruebas evaluados el resultado mejora, con ganancias relativas de hasta el 132%. Databricks, 17 de junio: la ingeniería de prompts y la de contexto “viven ambas dentro de la ingeniería de harness”.
19. jul 2026El trinquete, automatizado, y el campo, auditado. Phantom Guardrails, 13 de julio: un editor automático de harnesses, al que solo se muestran ejecuciones legales, añade una salvaguarda para un fallo que nunca ocurrió en 15 de 60 pruebas cuando la entrada se parece a una regla conocida, frente a 0 de 60 sin ese parecido. Un estudio del código fuente de once harnesses de programación en producción, el 15 de julio, halla que ninguno importa un marco agéntico de uso general.
20. sep 2026La enciclopedia y el estudio de componentes. La entrada Agent harness de Wikipedia, revisada el 12 de septiembre, sigue diciendo que la atribución se disputa entre Hashimoto y Trivedy y sigue fechando en 2026 la publicación de Anthropic de noviembre de 2025. El 17 de septiembre, un estudio de 176 configuraciones emparejadas halla que lo que vale un componente del harness depende del modelo: la planificación mejora la precisión de los modelos más débiles y sobre todo ahorra dinero con los más fuertes.

El argumento

Quién la nombró, y el único desacuerdo que sigue abierto Las fechas responden más a la cuestión del mérito que las propias atribuciones. Nada responde a la de la frontera.

Lo que añaden otros

Qué se construye en la práctica Böckeler da la forma; Anthropic y OpenAI dan ejemplos resueltos.

1. 1Pon guías delante del agenteControles anticipativos: archivos de instrucciones, skills, un script de arranque, modificaciones de código. Orientan antes de que el agente actúe. La advertencia de Böckeler: un harness que solo tiene esto codifica reglas pero nunca averigua si funcionaron.
2. 2Pon sensores detrásControles de retroalimentación: pruebas, linters, comprobadores de tipos, un agente revisor. Un sensor debe escribir para quien lo lee: un mensaje de linter que le dice al modelo cómo arreglar el problema es, en palabras de Böckeler, una forma positiva de inyección de prompts. OpenAI hace lo mismo con lints propios cuyos mensajes de error llevan el remedio. Un harness que solo tiene sensores repite sus errores.
3. 3Sabe de cuál de los dos tipos es cada controlLos controles computacionales son deterministas y rápidos: pruebas, linters, análisis estructural, de milisegundos a segundos, fiables. Los inferenciales son semánticos: revisión con IA, “el LLM como juez”; más lentos, más caros y no deterministas. Los sensores computacionales baratos pueden ejecutarse en cada cambio; los inferenciales tienen que ganarse su sitio.
4. 4Escribe el estado donde el modelo no se lo comaEl ejemplo resuelto de Anthropic: una lista de más de 200 descripciones de extremo a extremo, todas marcadas al principio como fallidas, que los agentes solo pueden cambiar alternando un campo passes, en JSON y no en Markdown, porque el modelo es menos propenso a sobrescribir JSON, más un archivo de progreso y un commit al final de cada sesión. OpenAI mantiene su AGENTS.md en unas 100 líneas y lo trata como el índice de un directorio docs/.
5. 5Convierte cada error en una regla, a manoLa regla de Hashimoto: cuando un agente comete un error, se diseña un arreglo para que no vuelva a cometerlo. Osmani añade el freno: solo se añade una restricción cuando se ha visto un fallo real. Automatizado, el freno patina: un editor automático de harnesses al que solo se mostraban ejecuciones legales inventó un fallo y le añadió una salvaguarda en 15 de 60 pruebas.

¿Funciona algo de esto? Las pruebas, calificadas Tres mantienen quieto el modelo y miden. Una argumenta. Una cambia también el modelo.

Conclusión

Qué llevarse de esto Cinco cosas, en el orden en que importan.