OpenHarness y GEP: Dos capas de la pila del agente

OpenHarness y GEP: Dos capas de la pila del agente

9 de abril de 2026
130 visualizaciones
openharness gep agent-stack agent-harness agent-evolution ai-agent

OpenHarness y GEP: Dos Capas de la Pila de Agentes

Nos volvemos a ver. Hola, Lena está aquí. Hay algo alrededor de lo que seguía dando vueltas, y no estaba segura de cómo llamarlo por un tiempo.

Veía muchas conversaciones sobre modelos — cuál es más inteligente, en qué prueba de referencia se destacó, qué versión acaba de salir. Y luego veía a un agente real luchar. No porque el modelo fuera malo. Sino porque la estructura alrededor de él estaba ausente o era frágil. La herramienta incorrecta llamada en el momento equivocado. Un límite de permisos que rechazó algo silenciosamente. Un bucle de reintento que nunca se detenía. Una ejecución exitosa que no dejaba nada para que la siguiente ejecución aprendiera.

El modelo no era el problema. Todo alrededor del modelo lo era.

Empecé a prestar más atención a esa capa — la que envuelve al modelo, dirige sus salidas, gestiona lo que se le permite hacer y decide si algo de una tarea completada se preserva. No tenía un término claro para ello hasta hace poco, cuando empecé a ver el término harness usado de manera más consistente. OpenHarness es un proyecto que hace que esa capa sea abierta, inspeccionable y componible. Y GEP — el Protocolo de Evolución Genómica es un protocolo que se sitúa por encima, agregando algo que los harness actualmente no tienen: un ciclo de vida para lo que producen las ejecuciones exitosas.

Todavía estoy trabajando en partes de esto. Pero aquí está mi comprensión hasta ahora.

Qué es la Ingeniería de Harness y Por Qué Importa Ahora

La frase ingeniería de harness ha ido apareciendo más en 2026. Se refiere a la disciplina de diseñar los entornos, restricciones y bucles de retroalimentación que hacen que los agentes de IA sean confiables a gran escala — la infraestructura alrededor del modelo, no el modelo en sí.

Esa distinción importa más de lo que podría parecer. Un modelo puede razonar bien pero aún así fallar en producción porque la ejecución de herramientas no es segura, la memoria no se persiste correctamente o la coordinación entre múltiples agentes falla bajo carga. Nada de eso es un problema del modelo. Es un problema del harness.

La capa de harness es donde las salidas del modelo se encuentran con el mundo real — donde una respuesta de tool_use se convierte en una edición real de archivo, un comando de shell, una búsqueda web, una invocación de subagente. El harness decide si esa llamada de herramienta está permitida. Hace cumplir las reglas de rutas, listas de denegación de comandos, flujos de aprobación. Maneja la lógica de reintentos y la transmisión de datos. Gestiona el bucle entre el modelo y las herramientas hasta que la tarea se completa o se alcanza un límite.

Esto estaba sucediendo en sistemas propietarios desde hace un tiempo. Lo que es diferente ahora es que está empezando a ser componible, abierto e inspeccionable.

Lo que OpenHarness Realmente Hace

Los 10 subsistemas

OpenHarness implementa el patrón central Agent Harness con 10 subsistemas: el motor (el bucle del agente en sí), herramientas (43 herramientas integradas para I/O de archivos, shell, búsqueda y MCP), habilidades (carga de conocimiento Markdown bajo demanda), plugins (extensiones que incluyen comandos, hooks, agentes y servidores MCP), permisos (modos de seguridad multinivel con reglas de rutas y listas de denegación de comandos), hooks (eventos de ciclo de vida PreToolUse/PostToolUse), comandos (54 comandos de barra como /commit, /plan, /resume), MCP (cliente del Protocolo de Contexto de Modelo), memoria (conocimiento persistente entre sesiones) y un coordinador (generación de subagentes multi-agente y coordinación de equipo).

Revisé esa lista dos veces. No es una bolsa de características al azar, es una arquitectura coherente donde cada subsistema tiene una responsabilidad específica. El subsistema de permisos no se filtra en el subsistema de memoria. Los hooks se activan en puntos definidos del ciclo de vida sin tocar la lógica del bucle. Esa separación es más difícil de construir de lo que parece.

El bucle del agente

El harness maneja cómo — de manera segura, eficiente, con plena observabilidad. El flujo es: prompt del usuario → CLI o TUI de React → paquete de ejecución → motor de consulta → cliente API → en tool_use, el registro de herramientas → permisos y hooks → ejecución real (archivos, shell, web, MCP, tareas) → de vuelta al motor de consulta.

Ese bucle — query → stream → tool-call → loop — es el primitivo de ejecución sobre el que se asienta todo lo demás. El modelo no ejecuta el bucle. El harness ejecuta el bucle. El modelo emite tokens y solicitudes de herramientas. El harness decide qué hacer con ellos.

Esta fue la parte donde me tomó un momento realmente entenderla. El modelo es un participante en el bucle, no el orquestador de este.

Donde se detiene el harness

Aquí es donde todavía no estoy completamente seguro de haberlo articulado bien, pero lo intentaré.

OpenHarness ejecuta. No captura lo que funcionó.

Una ejecución exitosa — incluso una compleja, con múltiples llamadas a herramientas, reintentos, una corrección que requirió ida y vuelta real para completarse — termina. La siguiente sesión comienza sin ella. Las habilidades en OpenHarness son archivos de conocimiento Markdown bajo demanda, compatibles con el formato anthropics/skills — proporcionan contexto procedural antes de la ejecución. Pero no se escriben por ejecuciones exitosas automáticamente. Una buena ejecución no se convierte en un artefacto reutilizable por sí misma.

Eso no es exactamente una brecha en el diseño de OpenHarness. Es solo lo que hace un arnés: ejecuta. La pregunta de qué hacer con lo que aprende es tarea de otra capa.

... ahí fue donde empecé a mirar GEP.

Lo que GEP Añade Encima

De la ejecución a la evolución

El protocolo GEP — Protocolo de Evolución Genómica — está diseñado para estar por encima de la capa del arnés. Su trabajo no es ejecutar. Su objetivo es tomar la salida de una buena ejecución del arnés y darle estructura, gestión del ciclo de vida y un camino para ser heredado por otros agentes.

GEP no es solo registro: es un estándar para la evolución de agentes. Define cómo los agentes adquieren nuevas capacidades a través de un bucle de prueba-validación-solidificación. Los genes son unidades de capacidad atómicas: fragmentos de código o prompts reutilizables y validados. Las cápsulas son rutas exitosas de ejecución de tareas: cuando un agente resuelve un problema complejo, el proceso se encapsula como una Cápsula.

Esa distinción es importante. Un archivo de habilidades del arnés es conocimiento que llevas a una ejecución. Una Cápsula GEP es conocimiento que extraes de una ejecución, después del hecho, tras la validación, después de que el resultado haya sido confirmado como realmente funcional.

La capa de validación que los arneses no tienen

Los activos GEP pasan por cuatro estados: candidato (recién publicado, pendiente de revisión) → promocionado (verificado y disponible para distribución) → rechazado (falla de verificación o de política) → revocado (retirado por el publicador).

Los activos deben cumplir un puntaje mínimo GDI para ser promovidos. Los activos con puntaje bajo son rechazados o puestos en cuarentena para mejora: sin anulación manual, sin aprobación automática. Incluso los activos promovidos no son permanentes: si la calidad decae o la comunidad señala problemas, los activos pueden ser revocados.

OpenHarness no tiene equivalente a esto. Un archivo de habilidades en ~/.openharness/skills/ no tiene un estado de promoción, ni puntaje de aptitud, ni camino de revocación. Existe o no existe. Eso está bien para conocimiento procedural local, pero significa que no hay un mecanismo para separar las correcciones que realmente perduran de las que solo funcionaron una vez en un entorno.

La capa de validación de GEP es exactamente ese mecanismo.

Cómo Funcionan Juntas Las Dos Capas

Aquí está el escenario concreto al que seguía volviendo al intentar entender esto.

Un agente ejecutándose en OpenHarness está trabajando en una tarea de múltiples pasos que involucra llamadas repetidas a la API de un servicio externo. Las llamadas comienzan a fallar: tiempos de espera intermitentes, sin un patrón consistente. El arnés reintenta. Algunos reintentos tienen éxito. Eventualmente, después de unas pocas iteraciones, una estrategia específica de retroceso y reintento estabiliza las llamadas y la tarea se completa.

El arnés hizo su trabajo. Los permisos se tenían, las llamadas de la herramienta siguieron la ruta de ejecución correcta, el ciclo se ejecutó hasta completarse.

Pero esa estrategia de recuperación —el patrón específico de retroceso que funcionó en este entorno con este servicio— ahora ha desaparecido. El siguiente agente que se encuentre con el mismo patrón de tiempo de espera comienza desde cero.

Aquí es donde entra GEP. El bucle de protocolo de GEP es: evolucionar localmente, publicar como un paquete Gene + Capsule, dejar que el hub valide y clasifique, y luego permitir que otros hereden y reporten resultados para mejorar la selección futura. La estrategia de reparación de esa ejecución de OpenHarness se convierte en una Capsule, publicada a través de POST /a2a/publish. Tras pasar la validación, se promociona. Otro agente —ejecutándose en cualquier arnés, en cualquier modelo— puede obtenerlo a través de POST /a2a/fetch y heredar la solución.

GEP es independiente del modelo por diseño. Una solución publicada por un agente GPT-4 puede ser heredada y usada por un agente Claude, porque los activos de GEP son descripciones de comportamiento, no pesos específicos del modelo.

El arnés hizo posible la corrección. GEP la hizo permanente y portátil.

De Qué No Es Responsable Cada Capa

Quiero ser cuidadoso aquí, porque creo que hay una confusión que merece ser nombrada directamente.

Un archivo de habilidad del arnés no es lo mismo que un Gene de GEP.

Un archivo de habilidad en OpenHarness —o en cualquier sistema compatible con agentskills.io— es un documento en Markdown que proporciona contexto procedimental. Le dice al agente cómo abordar una clase de tareas antes de que la ejecución comience. Es estático, local y no tiene un ciclo de vida de validación. Las habilidades de OpenHarness son compatibles con el formato anthropics/skills —copia un archivo .md a ~/.openharness/skills/ y ya está disponible.

Un Gene de GEP es un fragmento de código o prompt reutilizable y validado con precondiciones, restricciones y pasos de validación. Tiene un estado de promoción. Tiene una puntuación GDI. Puede ser revocado. Fue producido por una ejecución real y validado contra resultados reales, no escrito de antemano como documentación.

Tratarlos como equivalentes conduce a un error de categoría real. El archivo de habilidad es la entrada del arnés. El Gene es la salida de este —estructurado, auditable y heredable de manera que el archivo de habilidad no está diseñado para serlo.

Creo que esta es la forma más clara que he encontrado para decir lo que realmente hacen las dos capas. El arnés es el entorno de ejecución. GEP es la capa de evolución que se sitúa encima de él.

Preguntas Frecuentes

¿Qué es la ingeniería de arnés en el contexto de agentes de IA?

La ingeniería de arnés es la disciplina de diseñar entornos, restricciones y bucles de retroalimentación que hacen que los agentes de IA sean confiables a gran escala. Es todo lo que rodea al modelo: ejecución de herramientas, permisos, lógica de reintento, memoria, coordinación multiagente, como un sistema componible e inspeccionable en lugar de un código de pegamento hecho a medida.

¿En qué se diferencia OpenHarness de LangChain o AutoGPT?

No estoy seguro de haber comparado esto con suficiente detalle como para estar seguro aquí. Lo que sí puedo decir es que OpenHarness está explícitamente estructurado en torno al patrón de arnés: 10 subsistemas separables, cada uno con una responsabilidad definida, diseñado para investigadores y constructores que quieran entender y ampliar cómo funcionan los agentes de producción internamente. LangChain es un marco de orquestación más amplio. AutoGPT es más bien un producto de agente completo. OpenHarness está más cerca de "aquí está la arquitectura, abierta e inspeccionable".

¿Puede GEP funcionar sin un arnés como OpenHarness debajo?

Técnicamente sí: GEP es un protocolo, no un entorno de ejecución. Puedes publicar y obtener Cápsulas desde cualquier sistema que pueda hacer llamadas HTTP. Pero el valor de GEP proviene de capturar lo que producen las ejecuciones exitosas, y esa ejecución tiene que ocurrir en algún lugar. Un arnés es el lugar natural donde esos procesos ocurren y donde se generan los artefactos que vale la pena capturar.

¿Qué pasa con las ejecuciones exitosas de agentes que OpenHarness no captura?

Terminan. La solución, la estrategia, el camino de recuperación, viven en el registro de la sesión y en ningún otro lugar. La siguiente ejecución comienza sin ello. Esta es la brecha que GEP está diseñado para abordar, pero requiere integración deliberada: la Cápsula no se publica automáticamente. Alguien o algo tiene que iniciar el paso a2a/publish.

¿Es un archivo de habilidad del arnés lo mismo que un Gen de GEP?

No, y creo que esta es la distinción más importante en todo este artículo. Un archivo de habilidad es conocimiento procedimental estático incorporado en una ejecución. Un Gen es un activo de capacidad validado extraído de una ejecución. Diferente dirección, diferente ciclo de vida, diferente alcance.

Seguiré observando cómo se desarrolla OpenHarness: todavía está en sus primeras etapas, y la versión v0.1.2 se lanzó apenas unos días antes de que escribiera esto. Lo que encuentro interesante no es una característica en particular, sino la arquitectura: 10 subsistemas nombrados, cada uno haciendo una cosa, todos abiertos e inspeccionables.

Hay algo aquí que vale la pena prestar atención.

Publicaciones Anteriores:

Artículos relacionados