# chen-fioca-openai-future-proof-coding-agents-2025-11-23

## Veille

Building durable coding agents that survive model cycles: Harness architecture, Codex SDK, and terminal Computer Use — OpenAI's experience report

## Titre Article

Future-Proof Coding Agents: Building Reliable Systems That Outlast Model Cycles

## Date

2025-11-23

## URL

https://www.youtube.com/live/cMSprbJ95jg?si=4HnxK8w1ELvSr4tz&t=7320

## Keywords

OpenAI, Codex, Coding Agents, Harness, SDK, Computer Use, Agentic Patterns, Model Abstraction, Infrastructure

## Authors

Bill Chen (Product Manager, OpenAI), Brian Fioca (Engineering, OpenAI)

## Ton

**Perfil:** Técnico-Arquitectónico | Ingeniería de Sistemas | Pragmático | Experto

El tono es el de ingenieros y responsables de producto que comparten lecciones aprendidas "sobre el terreno". El estilo es didáctico pero técnico, centrado en la anatomía de los agentes (Harness, Modelo, UI) y los desafíos de integración. El enfoque es de resolución de problemas de infraestructura: cómo abstraer la complejidad del cambio de modelos para construir herramientas duraderas. El discurso se dirige a desarrolladores de herramientas y agentes, utilizando un vocabulario preciso (compactación, ventana de contexto, sandboxing, MCP).

## Pense-betes

- **Anatomía de un agente**: Interfaz de Usuario + Modelo + Harness (el "arnés").
- **El Harness es crítico**: es la capa de interfaz que gestiona la complejidad (herramientas, prompts, memoria, seguridad).
- **Desafíos del Harness**:
- Adaptarse a los nuevos modelos (hábitos frente a inteligencia).
- Gestionar la latencia y la UX "mientras el modelo piensa".
- Gestionar la ventana de contexto y la compactación.
- Seguridad (sandboxing, permisos).
- **Codex como Harness**: OpenAI ofrece Codex no solo como modelo, sino como un agente/harness "con todo incluido" (gestión de herramientas, CLI, sandboxing).
- **Computer Use para la Terminal**: Codex actúa como un agente capaz de usar el ordenador a través de la terminal, unificando las tareas de programación y la administración de sistemas.
- **Patrones emergentes**:
- El Harness como una nueva capa de abstracción (evitar reescribir el prompt engineering para cada modelo).
- SDK Codex para integrar el agente en otros productos (por ejemplo, GitHub, Cursor).
- Agentes que construyen sus propias herramientas (conectores MCP dinámicos).

## RésuméDe400mots

Bill Chen y Brian Fioca, del equipo Applied AI de OpenAI, presentan una metodología para construir "Coding Agents" duraderos, capaces de sobrevivir a los rápidos ciclos de evolución de los modelos. Descomponen la anatomía de un agente en tres partes: la Interfaz de Usuario, el Modelo (la inteligencia bruta) y el "Harness" (la infraestructura de integración).

El núcleo de su intervención se centra en la complejidad subestimada del **Harness**. Construir un harness robusto es difícil porque debe gestionar la adaptación a los "hábitos" específicos de cada modelo (prompt engineering), la gestión de la latencia, la compactación del contexto, la integración de herramientas (MCP) y, sobre todo, la seguridad (sandboxing). Señalan que los modelos tienen "personalidades" o sesgos de entrenamiento (como la tendencia a querer leerlo todo antes de actuar) que el harness debe gestionar para ser eficaz.

Para abordar este problema, OpenAI posiciona **Codex** no simplemente como un modelo, sino como una solución integrada "agente + harness". Codex (el agente) gestiona de forma nativa la complejidad de la interacción con el sistema: ejecutar comandos de terminal, editar archivos, gestionar la memoria y crear herramientas sobre la marcha. Esto lo convierte en un "Computer Use Agent" para la terminal, capaz de realizar tareas que van desde la programación pura hasta la administración de sistemas o el análisis de datos (archivos CSV, organización de carpetas).

Identifican patrones emergentes para los desarrolladores de agentes:
1.  **El Harness como capa de abstracción**: usar un harness robusto (como el SDK Codex) permite a los equipos centrarse en la diferenciación del producto en lugar de en el mantenimiento de infraestructura de bajo nivel (prompting, tool calling).
2.  **Agentes dentro de Agentes**: integrar Codex vía SDK como un "sub-agente" capaz de ejecutar tareas técnicas complejas dentro de una aplicación más amplia.
3.  **Creación dinámica de herramientas**: la capacidad de los agentes de escribir sus propios conectores (MCP) para interactuar con APIs o sistemas sin integración previa.

Como conclusión, animan a los desarrolladores a no "reinventar la rueda" del harness cada vez, sino a apoyarse en infraestructura existente para construir experiencias de usuario más ricas y estables.

## GrapheDeConnaissance

- Bill Chen —recommande→ architecture agents codage (CONCEPT, 0.92)
- Brian Fioca —recommande→ architecture agents codage (CONCEPT, 0.92)
- OpenAI —emploie→ Bill Chen (PERSONNE, 0.95)
- OpenAI —emploie→ Brian Fioca (PERSONNE, 0.95)
- OpenAI —a_créé→ Codex (TECHNOLOGIE, 0.97)
- Codex —utilise→ Harness (CONCEPT, 0.92)
- Harness —résout→ complexité intégration modèles (CONCEPT, 0.9)
- Codex —utilise→ Computer Use terminal (METHODOLOGIE, 0.88)
- agents IA —a_créé→ outils dynamiquement (MCP) (TECHNOLOGIE, 0.85)
- SDK Codex —permet→ intégration sous-agent (CONCEPT, 0.88)
- Harness —réduit→ dépendance aux cycles d'évolution des modèles (CONCEPT, 0.9)

---
Canonical: https://www.thekb.eu/es/fiches/chen-fioca-openai-future-proof-coding-agents-2025-11-23/