Qué es un agent harness y qué necesita el tuyo
Las 5 piezas que convierten un LLM en un agente de verdad y no en un chatbot que solo habla: memoria, permisos, herramientas, always-on y observabilidad.
- #agentes
- #ia
- #automatizacion
Le pides cosas a tu IA y solo te habla. No hace nada. No es que el modelo sea malo: es que le falta el harness. El harness es todo lo que rodea al modelo y lo convierte en un agente que actúa, en vez de un chatbot que responde y se olvida de ti al cerrar la pestaña.
En 2026 los modelos buenos ya los tiene todo el mundo. La diferencia entre tu IA y un agente de verdad ya no está en el modelo: está en el harness que le pones alrededor. Aquí tienes las 5 piezas que necesita el tuyo, y por qué cada una importa.
Las 5 piezas de un harness
1 · Memoria y contexto
Para que no empiece de cero cada vez.
Un chatbot abre, te contesta y olvida quién eres. Un agente recuerda: tus proyectos, tus preferencias, lo que decidisteis ayer. Eso es memoria persistente más una buena gestión de contexto (qué carga, cuánto, y qué deja fuera para no saturarse). Sin esto, vuelves a explicarle tu vida en cada conversación.
- Qué resuelve: que no se le olvide quién eres.
- Lo mínimo: un sitio donde guardar hechos entre sesiones + reglas de qué recordar.
2 · Permisos y control
Para que toque cosas de verdad… pero solo las que tú quieras.
En cuanto un agente puede ejecutar, borrar o mandar, necesitas decidir qué puede tocar y qué no. Permisos no es burocracia: es lo que separa “me ayuda” de “me ha borrado la carpeta”. Lo quieres con control fino: esto sí, esto pregunta antes, esto jamás.
- Qué resuelve: que actúe sin que te dé miedo dejarlo suelto.
- Lo mínimo: una lista de lo permitido + lo que exige confirmación + un usuario autorizado (que no le haga caso a cualquiera).
3 · El loop de herramientas
Para que ejecute, no solo responda.
Esta es la pieza que lo convierte en agente. El modelo piensa; las herramientas son sus manos. El loop es el ciclo “piensa → usa una herramienta → mira el resultado → decide el siguiente paso”, repetido hasta terminar la tarea. Sin herramientas, tu IA es un consejero. Con el loop, es alguien que hace el trabajo.
- Qué resuelve: que pase de hablar de la tarea a completarla.
- Lo mínimo: un puñado de herramientas reales (leer/escribir, buscar, mandar mensajes) y un bucle que las encadene solo.
4 · Deploy y always-on
Para que esté vivo 24/7, no en tu portátil.
Un agente que solo existe cuando tienes la terminal abierta no es un agente, es un script. Lo quieres viviendo en su propio servidor, encendido siempre, accesible desde donde estés (el móvil, por ejemplo). Que trabaje mientras duermes, que responda un cron a las 7 de la mañana, que no dependa de que tu Mac esté despierta.
- Qué resuelve: que esté disponible cuando lo necesitas, no cuando tu portátil quiere.
- Lo mínimo: correrlo en un servidor que no se apague + que arranque solo y se reinicie si se cae.
5 · Observabilidad y coste
Para que veas qué hace y cuánto gasta.
Un agente con manos y always-on puede liarla o vaciarte la cuenta de API sin que te enteres. Necesitas ver qué está haciendo (logs, trazas de cada paso) y cuánto cuesta (tokens, gasto por tarea). No es lujo: es lo que te deja dormir tranquilo dejándolo suelto.
- Qué resuelve: que no te lleves sorpresas ni de comportamiento ni de factura.
- Lo mínimo: un registro de lo que hace + un ojo puesto en el gasto.
Cómo se ve esto funcionando
Todo esto suena a teoría hasta que lo tienes corriendo. El mío se llama Hermes: vive self-hosted en un servidor en Hetzner, le hablo por Telegram desde el móvil y actúa de verdad. Cumple las cinco piezas:
- Memoria → recuerda mis proyectos y decisiones entre conversaciones.
- Permisos → solo me hace caso a mí, y hay cosas que pregunta antes de tocar.
- Herramientas + loop → ejecuta tareas, busca, manda cosas, no solo contesta.
- Always-on → vive en su servidor, encendido siempre; le escribo a las 3 de la mañana y está ahí.
- Observabilidad → veo qué hace y controlo lo que gasta.
La diferencia entre Hermes y un chatbot no es el modelo (por dentro usa los mismos modelos que tú). Es que tiene harness.
Si quieres montarte uno paso a paso, tengo la guía completa de cómo lo levanté → Monta tu propio Hermes Agent. Esto de aquí es el qué y el por qué; eso es el cómo.
¿Y si no quieres montártelo a mano?
Montar tu propio harness desde cero es la opción que más control te da (y la que yo elegí). Pero si no quieres pelearte con un servidor, hay runtimes de agentes que te dan estas piezas casi montadas: por ejemplo OpenClaw te levanta un harness en segundos para empezar a probar. Atajo válido para arrancar; el control fino te lo da hacértelo tú.
La regla de oro
Tu IA no necesita ser más lista. Necesita un harness. El día que dejes de preguntarte “¿qué modelo uso?” y empieces a preguntarte “¿qué le falta a mi agente para actuar?”, ya lo has entendido.
Sígueme para más trucos con Claude Code e IA → @pabloinpublic
Únete a la comunidad → pabloinpublic.com
Comunidad abierta
Comunidad PabloInPublic
Todo lo que necesitas para lanzar tu proyecto en público con IA, conocer gente que está en la misma, y no rendirte por el camino.
La comunidad ya está abierta. Entras en Skool en un minuto.
-
Tu precio, congelado mientras sigas dentro
Entras a $29/mes y se te queda congelado mientras sigas siendo miembro. Solo a ese precio hasta los 50 primeros; después sube por tramos hasta $97 — pero a ti no.
-
Todo el contenido desde el día 1
El curso completo, las píldoras, el directo semanal conmigo y los premios de cada mes. Empiezas a construir con IA desde el primer minuto.
o sígueme en Instagram → @pabloinpublic