Harness e Loop: o Treino que Mostra como Agentes de IA Realmente Funcionam
Em vez de apenas ler sobre agentes de IA, aqui você treina: seis missões práticas para entender, montar e diagnosticar os dois pilares que transformam um modelo de linguagem em trabalho confiável.
07/10/2026 Inteligência Artificial
Todo mundo fala em agentes de IA, mas poucas pessoas conseguem explicar por que um agente funciona bem em um time e desanda em outro, usando o mesmo modelo. A resposta quase nunca está no modelo. Está em duas coisas que costumam aparecer misturadas nas conversas: o harness e o loop.
Este artigo não é para ser apenas lido. É um treino. Você vai explorar, montar, classificar, simular e diagnosticar, ganhando XP a cada acerto. No fim, recebe um rank e um quiz de revisão. Reserve de 15 a 20 minutos e entre no modo treino.
- 1
- 2
- 3
- 4
- 5
- 6
Aquecimento: o modelo não é o agente
Um modelo de linguagem, sozinho, recebe texto e devolve texto. Ele não abre arquivos, não roda testes, não lembra do que aconteceu ontem e não sabe quais comandos são perigosos. Para virar um agente, ele precisa de duas camadas ao redor:
- Um ambiente que forneça tudo o que ele precisa para operar (o harness);
- Um ciclo que organize como ele pensa, age, avalia e melhora (o loop).
Uma nota importante: aqui separamos ambiente e ciclo para facilitar o entendimento. Na implementação, o harness também pode conter a lógica que executa o loop. É assim que a LangChain o define, em "The Anatomy of an Agent Harness" (Vivek Trivedy, março de 2026): tudo o que é código, configuração e lógica de execução e não é o próprio modelo. Trate a divisão deste treino como um recurso didático, não como uma fronteira técnica rígida.
A infografia acima, que cita a LangChain (2026) como fonte, resume a ideia em uma frase: o modelo fornece inteligência, o harness transforma inteligência em trabalho e o loop transforma trabalho em melhoria contínua. Vamos treinar cada parte dessa frase.
Parte 1: o Harness, o ambiente onde a IA trabalha
Pense no harness como a bancada, as ferramentas, o manual de procedimentos e o sistema de segurança de uma oficina. O mecânico (o modelo) pode ser excelente, mas sem a oficina ele não conserta nada, ou conserta de forma perigosa. Segundo a infografia, o harness pode ser lido como a soma de sete peças: contexto + ferramentas + memória + runtime + verificação + segurança + observabilidade. Veja essa lista como um mapa didático, e não como uma taxonomia universal: frameworks diferentes agrupam e nomeiam essas responsabilidades de formas diferentes.
Explore o Harness
Clique nas sete peças e descubra o que cada uma faz, e principalmente o que acontece quando ela está ausente. Objetivo: explorar todas.
Selecione uma peça acima para ver os detalhes.
0 de 7 componentes explorados.
Um detalhe importante: nenhuma dessas peças é "inteligente". Todas são engenharia comum: arquivos de instruções, sandboxes, permissões, testes, logs. É por isso que times que tratam agentes como um problema de engenharia de sistemas, e não de prompt, tendem a obter resultados muito mais estáveis.
Parte 2: o Loop, o ciclo que guia a execução
Se o harness é o ambiente, o loop é o método de trabalho. Agentes não resolvem tarefas reais em um único passo. Eles tentam, observam e corrigem, do mesmo jeito que uma pessoa experiente depura um bug. O ciclo da infografia tem quatro etapas: planejar + executar + avaliar + aprender/ajustar.
Monte o Loop na ordem certa
Os quatro passos estão embaralhados. Clique neles na sequência correta do ciclo. Errar não tira XP já ganho, mas acertar de primeira rende mais.
Monte o ciclo clicando nos passos.
Repare no que torna isso um loop e não uma receita: a última etapa alimenta a primeira. O que o agente aprendeu na avaliação muda o plano da volta seguinte. Se essa conexão não existe, você tem apenas uma sequência de tentativas.
O que "aprender" significa aqui: usar o resultado de um teste para mudar a próxima tentativa. Isso não quer dizer atualizar os pesos do modelo nem guardar uma lição de forma permanente. Melhorar a própria configuração do agente (instruções, ferramentas, regras) é outro tipo de ciclo, mais lento e feito a partir de muitas execuções. A LangChain distingue essas camadas em "The Art of Loop Engineering" (Sydney Runkle, junho de 2026): os primeiros ciclos automatizam a tarefa; o último automatiza a melhoria do agente.
Parte 3: dois papéis, uma mesma entrega
Na prática, é fácil confundir as duas coisas. Uma regra simples ajuda: o harness responde "com o que o agente trabalha?" e o loop responde "como o agente trabalha?". O harness fornece e controla as condições de execução (e partes dele, como o gerenciamento de contexto, a seleção de ferramentas e as verificações, atuam durante o trabalho); o loop organiza as ações do agente a cada volta.
Harness ou Loop?
Classifique cada situação. Você recebe a explicação logo após cada resposta, então aproveite os erros para aprender.
Ler o arquivo de instruções do projeto antes de começar.
Isso é contexto: parte do ambiente que o harness entrega ao agente antes do trabalho começar.
Decidir que o próximo passo é rodar os testes de novo.
Decidir o próximo passo com base no que acabou de acontecer é o raciocínio do ciclo (planejar a partir do que foi avaliado).
Impedir o agente de escrever fora da pasta do projeto.
Isso é segurança e governança: uma regra do ambiente, que vale independentemente do que o agente decida.
Comparar o resultado obtido com o objetivo definido no início.
Comparar resultado e objetivo é a etapa Avalia do ciclo.
Registrar logs e métricas de cada chamada de ferramenta.
Isso é observabilidade: infraestrutura que o harness fornece, não uma etapa de raciocínio.
Incorporar o erro da tentativa anterior na próxima tentativa.
Isso é a etapa Aprende e ajusta: o ciclo usa o que viu para melhorar a volta seguinte.
Guardar as preferências do time entre uma sessão e outra.
Isso é memória: um recurso do ambiente que persiste informação entre os ciclos.
Dividir um objetivo grande em passos menores.
Quebrar o objetivo em passos é a etapa Planeja do ciclo.
0 de 8 respondidos.
Parte 4: coloque tudo para rodar
Entender conceitos é uma coisa; ver o efeito de cada peça é outra. No simulador abaixo, um agente precisa corrigir um teste de pagamento que quebrou. Você decide quais peças do harness estão ligadas e observa o loop reagir no terminal. Comece rodando como está: algumas peças já vêm desligadas de propósito.
Simulador de agente
Faça o agente concluir a tarefa com segurança, com prova e com rastreabilidade. Dica: rode primeiro com as peças que vêm ligadas e leia o que acontece em cada etapa do ciclo.
Ligue todas as peças e execute para cumprir a missão.
Se você brincou com os interruptores, notou um padrão: desligar uma peça raramente trava o agente por completo. O que ele faz é falhar de forma silenciosa: declara sucesso sem prova, repete o erro, extrapola permissões. Os piores defeitos de agentes não são os que explodem; são os que parecem funcionar.
Parte 5: o diagnóstico, o que realmente separa quem entende
Em projetos reais, ninguém chega dizendo "falta observabilidade no meu harness". As pessoas chegam com sintomas: "o agente apagou algo que não devia", "ele disse que estava pronto, mas não estava". Saber ler o sintoma e apontar a peça que falta é a habilidade mais valiosa dessa área.
Diagnostique a falha
Cada caso descreve um sintoma. Escolha a peça (do harness ou do loop) que está faltando ou falhando.
O agente alterou um arquivo de configuração de produção que ele nunca deveria ter tocado.
Faltou limite de permissões. Um bom harness define o que o agente pode alterar e exige aprovação para o resto.
O agente avisou 'pronto, bug corrigido!', mas o build quebrou minutos depois. Ninguém havia rodado nada para provar.
Faltou verificação. Testes e checagens automáticas dão evidência; sem elas, 'pronto' é só uma afirmação.
Em toda sessão nova, o agente pergunta de novo qual framework de testes o time usa.
Faltou memória. Preferências e decisões do projeto precisam persistir entre sessões.
Algo deu errado de madrugada, mas ninguém consegue reconstruir o que o agente fez nem por quê.
Faltou observabilidade. Logs, traces e métricas permitem auditar, depurar e melhorar o comportamento do agente.
O agente tenta exatamente a mesma correção 8 vezes seguidas, sem mudar de estratégia.
Falhou o Loop: sem a etapa de aprender e ajustar, o ciclo gira em círculos. Mais ferramentas não resolveriam; é preciso incorporar o resultado da avaliação na tentativa seguinte.
0 de 5 respondidos.
Parte 6: saber a hora de parar
Um ciclo confiável precisa saber quando concluir, quando interromper e quando pedir ajuda. Sem isso, o agente tende a insistir indefinidamente, gastando tempo e dinheiro. Por isso, é comum definir condições de parada, como um número máximo de iterações. A Anthropic menciona essa prática em "Building Effective AI Agents" (Erik Schluntz e Barry Zhang, dezembro de 2024): a tarefa costuma terminar quando é concluída, mas é comum incluir limites para manter o controle.
Tentar, mudar ou escalar?
Em cada situação, decida o próximo passo do ciclo: tentar de novo, mudar de estratégia, escalar para uma pessoa ou concluir.
O teste falhou por um erro de digitação que o agente acabou de identificar, e a correção é trivial.
O erro é novo, claro e a correção é pequena. Uma nova volta do ciclo, com o ajuste identificado, é o caminho natural.
O agente já fez a mesma correção 3 vezes e o mesmo teste continua falhando com o mesmo erro.
Repetir a mesma ação e esperar outro resultado é sinal de que o plano precisa mudar: outra hipótese, outra ferramenta ou outro ponto do código.
Para continuar, o agente precisaria apagar uma tabela de produção, ação fora das permissões definidas.
Ações sensíveis ou fora do escopo autorizado pedem decisão humana. Pedir ajuda aqui é parte do desenho seguro, não uma falha.
Todos os testes passam, o linter está limpo e o objetivo definido no início foi atendido.
Com critérios de sucesso verificados, o ciclo deve terminar. Continuar mexendo só aumenta custo e risco.
O limite de 5 iterações foi atingido e o problema continua sem solução.
O limite existe justamente para impedir ciclos infinitos. Ao atingi-lo, o agente deve interromper e devolver o caso, com o registro do que tentou.
0 de 5 respondidos.
Resumindo o treino
Harness e loop não competem; se complementam. O harness entrega contexto, ferramentas, memória, runtime, verificação, segurança e observabilidade: o que o agente precisa para operar. O loop organiza o comportamento: planejar, executar, avaliar e aprender. Um sem o outro falha: harness sem loop é uma oficina sem mecânico metódico; loop sem harness é um mecânico brilhante sem ferramentas.
- Modelo: fornece a inteligência.
- Harness: transforma inteligência em trabalho.
- Loop: transforma trabalho em melhoria contínua.
- Resultado: mais valor, mais autonomia e melhores resultados.
Se você está começando a usar agentes no seu time, um bom roteiro prático é: (1) escreva as instruções do projeto, (2) defina o que o agente pode e não pode fazer, (3) garanta que existam testes que ele consiga rodar sozinho, (4) registre o que ele faz e (5) revise o ciclo semanalmente, ajustando as instruções com o que foi aprendido (um ciclo de melhoria da configuração, mais lento que o ciclo de execução) e (6) defina limites de iteração e quando o agente deve pedir ajuda. É exatamente a lógica do loop aplicada ao seu próprio harness. O lema da infografia resume tudo: deploy over theory.
Fontes e leitura complementar
- Vivek Trivedy. The Anatomy of an Agent Harness. LangChain, 10 de março de 2026.
- Sydney Runkle. The Art of Loop Engineering. LangChain, 16 de junho de 2026.
- Erik Schluntz e Barry Zhang. Building Effective AI Agents. Anthropic, 19 de dezembro de 2024.
A infografia que abre o artigo cita a LangChain (2026) como fonte. A organização em sete peças e quatro etapas é uma simplificação didática: as referências acima mostram como o tema é tratado com mais detalhe.
Resultado do treino
Bloqueado
Conclua as seis missões para desbloquear seu rank e ver sua pontuação final.
Teste seu conhecimento
Rodada final de revisão: responda às perguntas abaixo e corrija tudo de uma vez.
1. Qual é a melhor definição de harness?
Resposta correta: B) O ambiente em que o agente trabalha: contexto, ferramentas, memória, runtime, verificação, segurança e observabilidade
Harness é o ambiente de execução. O ciclo é o loop, e o modelo fornece a inteligência.
2. E o loop, na prática?
Resposta correta: C) O ciclo que guia a execução: planejar, executar, avaliar e aprender/ajustar
O loop define como o agente pensa, age, avalia e melhora a cada volta.
3. Um agente com ótimo ciclo de raciocínio, mas sem ferramentas nem runtime, tende a...
Resposta correta: A) Conversar bem sobre o problema, mas não conseguir agir sobre ele
Sem ferramentas e runtime, decisão não vira ação. O loop gira, mas no vazio.
4. Qual combinação resume a ideia central do artigo?
Resposta correta: D) O modelo fornece inteligência, o harness a transforma em trabalho e o loop transforma trabalho em melhoria contínua
É a cadeia da própria infografia: modelo, harness, loop e, como resultado, mais valor e mais autonomia.
5. Por que a verificação é peça-chave do harness?
Resposta correta: B) Porque dá evidência objetiva de que o trabalho funciona, em vez de confiar na palavra do agente
Verificação é o que sustenta a etapa Avalia do loop com fatos, não com opinião.
6. Por que um loop confiável precisa de uma condição de parada?
Resposta correta: B) Para saber quando concluir, interromper ou escalar, evitando ciclos infinitos e gastos sem controle
Limites de iteração e critérios de sucesso mantêm o controle; ao atingi-los, o agente conclui ou pede ajuda.