No existe una definición estándar. Harness de IA y harness de agentes suelen referirse al entorno de ejecución que rodea a un modelo que usa herramientas. Algunos desarrolladores usan el término más amplio para referirse a casi todo lo que hay en una aplicación de IA, excepto el modelo.
Cómo funciona un harness de IA
Un modelo acepta una entrada y produce una salida. Por sí solo, no decide cómo almacena una aplicación una conversación, si se permite una acción solicitada o qué debe suceder después de que falle una herramienta. El harness se encarga de esas tareas.
Un harness típico repite cuatro pasos:
- Preparar la entrada del modelo. El harness combina la solicitud del usuario con las instrucciones y la información necesaria para este turno. Puede cargar el estado de la conversación, recuperar un documento o describir las herramientas que el modelo puede solicitar.
- Llamar al modelo. Envía esa entrada a un proveedor de modelos y recibe texto o una solicitud estructurada.
- Interpretar y controlar la salida. Si el modelo solicita una herramienta, el harness comprueba que la herramienta exista, valida sus argumentos y aplica permisos o reglas de aprobación. Si la salida debe ajustarse a un formato, el harness también lo valida.
- Devolver, actuar o continuar. El harness puede mostrar una respuesta final, ejecutar una acción permitida o devolver el resultado de una herramienta al modelo para otro turno. También impone condiciones de detención, como un límite de turnos o un tiempo de espera.
No todos los harnesses incluyen todas las funciones. Un servicio sencillo de resumen puede limitarse a construir una entrada, llamar a un modelo, validar la respuesta y devolverla. Un harness de programación también puede proporcionar archivos, un ejecutor de comandos, estado persistente, resultados de pruebas, aprobaciones humanas y registros de cada acción.
La división clave es la siguiente: el modelo propone una salida, mientras que el harness determina qué puede hacer esa salida. Un modelo puede producir una solicitud para enviar un correo electrónico, pero el código ordinario de la aplicación en el harness autentica al usuario, comprueba el destinatario, solicita aprobación si es necesario, llama al servicio de correo electrónico e informa del resultado.
Ejemplo: un asistente de reembolsos
Supongamos que un cliente escribe: «Por favor, reembolsa los auriculares del pedido 4812».
Primero, el harness envía la solicitud al modelo junto con instrucciones y descripciones de dos herramientas disponibles: get_order y issue_refund. El modelo solicita llamar a get_order con el número de pedido 4812.
El harness comprueba que el argumento tenga el formato esperado y que el cliente pueda acceder a ese pedido. Ejecuta la consulta y proporciona el resultado al modelo. El resultado indica que los auriculares cuestan 80 $ y que todavía cumplen los requisitos para un reembolso.
A continuación, el modelo solicita issue_refund por 80 $. Antes de mover el dinero, el harness comprueba la política de reembolsos y la identidad del cliente. Si la política de la empresa exige aprobación, se detiene y muestra la acción propuesta a un empleado. Solo después de la aprobación el harness llama al sistema de pagos.
El modelo ayudó a elegir los pasos. El harness se encargó de las partes con consecuencias: acceso a los datos, validación, aplicación de políticas, aprobación, ejecución y registro de lo ocurrido.
Esta separación también facilita la gestión de los fallos. Si el servicio de pedidos agota el tiempo de espera, el harness puede reintentar una vez y después detenerse con un error claro. No necesita confiar en que el modelo invente un plan de recuperación seguro.
Por qué importa el harness
El mismo modelo puede comportarse de forma muy diferente en dos harnesses. Uno puede proporcionarle descripciones claras de las herramientas, contexto relevante, permisos estrictos y mensajes de error útiles. Otro puede sobrecargarlo con información irrelevante, exponer herramientas riesgosas y ocultar los fallos. La calidad del modelo importa, pero no describe el comportamiento del sistema completo.
Los harnesses también son el lugar donde los desarrolladores pueden aplicar reglas en vez de limitarse a pedirlas. Una instrucción como «nunca reembolses más de 100 $ sin aprobación» puede influir en un modelo, pero no es un control fiable. Una comprobación a nivel de código que bloquee la llamada de pago se puede hacer cumplir incluso cuando el modelo comete un error o un texto no confiable intenta redirigirlo.
Un harness bien definido también facilita inspeccionar y modificar una aplicación. Los registros pueden mostrar las entradas, las solicitudes de herramientas, las aprobaciones, los resultados y el motivo de detención de una ejecución. A veces se puede sustituir un modelo sin reconstruir todas las integraciones circundantes, aunque los prompts específicos del modelo y el comportamiento de las herramientas aún deben probarse.
Un harness no siempre es un agente
Un harness es una capa de un sistema. Un agente suele ser el sistema completo que utiliza un modelo para elegir acciones en uno o más pasos.
Esto significa que puede existir un harness sin mucha autonomía. El software que sustenta una interfaz de chat básica sigue gestionando las instrucciones, el historial de mensajes, las llamadas al modelo y la salida mostrada. Esas son funciones del harness, aunque el modelo no pueda utilizar herramientas ni perseguir una tarea por sí solo.
Lo contrario no ocurre con un agente desplegado. Un modelo no puede autenticarse directamente en una base de datos, aplicar una política de aprobación ni conservar el estado de una tarea después de que se reinicie un proceso. El software que rodea al modelo debe proporcionar esas capacidades, independientemente de que sus desarrolladores llamen harness a ese software.
El término también aparece en harness de evaluación. En ese contexto, un harness ejecuta modelos con un conjunto coherente de tareas de prueba y registra las puntuaciones. Es un sistema de pruebas, no necesariamente el entorno de ejecución de un agente. Normalmente, el contexto indica qué significado se pretende.
Qué leer a continuación
Lee ¿Qué es un agente de IA? para ver cómo un modelo y un harness pueden formar un sistema que elige y ejecuta varios pasos. Lee ¿Qué es el uso de herramientas en los LLM? para conocer el ciclo de propuesta, validación, ejecución y observación que controla un harness. Para conocer los límites entre las principales capas, consulta Modelo de IA frente a chatbot, harness y agente.