Saltar al contenido principal
Zubnet AI › Aprender › Wiki › Arnés de agente
Usar AI

Arnés de agente

También conocido como: Agent Harness, Scaffolding, Agent Scaffold
El software que envuelve a un modelo y lo convierte en un agente, con el bucle, las herramientas, la gestión del contexto, los permisos y la memoria.

Por qué importa

El mismo modelo puede rendir de forma muy distinta según su arnés. En benchmarks de programación como SWE-bench Verified y Terminal-Bench, cambiar solo el arnés puede mover las puntuaciones muchos puntos, y por eso las clasificaciones indican juntos el modelo y el sistema de agente. Cuando un producto de agentes se siente más inteligente que una llamada directa a la API del mismo modelo, la razón es el arnés.

Para quienes construyen, el arnés es donde va la mayor parte de la ingeniería. Normalmente no puedes cambiar el modelo, pero sí puedes cambiar lo que ve, qué herramientas tiene y qué pasa cuando algo sale mal.

En profundidad

Un modelo de lenguaje por sí solo únicamente convierte texto en texto. No puede leer un archivo, ejecutar un comando ni recordar lo que hizo hace una hora. El arnés (harness) es el programa alrededor del modelo que hace posibles esas cosas. Le envía un prompt al modelo, ejecuta las llamadas a herramientas que el modelo pide, le devuelve los resultados y repite hasta que la tarea está terminada.

Una abreviatura útil: agente = modelo + arnés. Claude Code, la CLI de Codex de OpenAI, el modo agente de Cursor y proyectos open source como OpenHands y SWE-agent son todos arneses. También lo son los frameworks que la gente usa para construir el suyo, como el Claude Agent SDK, el OpenAI Agents SDK y LangGraph. Los investigadores suelen llamar a lo mismo scaffolding (andamiaje).

Qué hace un arnés

  • El bucle: llamar al modelo, ejecutar las llamadas a herramientas, devolver los resultados, repetir y decidir cuándo parar.
  • Herramientas: definirlas, validar los argumentos, ejecutarlas y dar formato a los resultados para que sean cortos y útiles. El artículo de SWE-agent llamó a esto la agent-computer interface y mostró que el diseño de las herramientas importa tanto como los prompts.
  • Gestión del contexto: construir el prompt de sistema, cargar las instrucciones del proyecto, resumir el historial antiguo (compactación) cuando la ventana de contexto se llena y mantener intacta la caché de prompts.
  • Permisos y sandboxing: decidir qué acciones se ejecutan automáticamente, cuáles necesitan aprobación humana y qué puede tocar el agente.
  • Memoria y estado: notas, listas de tareas y archivos que sobreviven más allá de una ventana de contexto, además de checkpoints para deshacer.
  • Orquestación: lanzar subagentes, ejecutar herramientas en paralelo, reintentar tras errores y hacer cumplir presupuestos de pasos y de tokens.

Un arnés mínimo

El bucle central es pequeño:

messages = [{"role": "user", "content": task}]
while True:
    reply = model(messages, tools=tools)
    messages.append(reply)
    if not reply.tool_calls:
        break
    for call in reply.tool_calls:
        messages.append(run_tool(call))

Todo lo demás en un arnés de producción existe para manejar lo que este bucle ignora: tareas largas, fallos, seguridad y costo.

Cada vez más delgado

Los primeros sistemas de agentes necesitaban mucho andamiaje: planes rígidos, analizadores de salida, recuperación construida a mano y muchos prompts especializados. A medida que los modelos mejoraron en el uso de herramientas y en la planificación, gran parte de eso se volvió innecesario o incluso perjudicial, porque impedía que el modelo usara su propio criterio. Es la lección amarga aplicada a los agentes. Muchos de los arneses más fuertes de hoy son deliberadamente simples: un buen bucle, unas pocas herramientas generales como una shell y un editor de archivos, y una gestión cuidadosa del contexto.

De ahí sale un hábito práctico: cuando aparezca un modelo nuevo, prueba quitar partes de tu arnés y mira si los resultados mejoran.

Arnés y evaluación

Como el arnés cambia los resultados, las cifras de los benchmarks solo son comparables cuando el arnés es el mismo. En las evaluaciones de seguridad, un arnés débil es un riesgo real, porque puede hacer que un modelo parezca menos capaz de lo que es. Por eso los evaluadores dedican esfuerzo a la elicitación: darle al modelo buenas herramientas y presupuesto suficiente para mostrar lo que de verdad puede hacer.

Elegir uno o construirlo

Empieza con un arnés o SDK existente, a menos que tengas necesidades inusuales. Invierte primero en herramientas con descripciones claras y salidas compactas, luego en la gestión del contexto y luego en los permisos. Registra cada paso del bucle. Cuando algo falle, lee la transcripción: la mayoría de los fallos de los agentes vienen de lo que se le mostró al modelo, no de la capacidad del modelo.

← Todos los términos
ESC