Harness

"Agent = Modello + Harness" è l'equazione al centro di un whitepaper Google del maggio 2026 firmato da Addy Osmani, Shubham Saboo e Sokratis Kartakis, in cui il modello conta per circa il 10 percento e il harness per il restante 90. La loro prova è un risultato su Terminal Bench 2.0 in cui il solo cambio di harness ha spostato un agente da fuori la Top 30 alla Top 5. "Most agent failures are configuration failures."

Il termine designa ciò che circonda il modello: istruzioni, tool e connettori «MCP», sandbox, memoria, orchestrazione, hook, osservabilità. Bill Chen e Brian Fioca, dell'Applied AI team di OpenAI, avevano già scomposto un agente in interfaccia utente, modello e harness nel novembre 2025, dedicando la maggior parte del loro intervento al perché la terza parte sia difficile: abitudini specifiche del modello, compattazione del contesto, latenza, sandboxing. La risposta di OpenAI è stata vendere «Codex» come agente più harness, non come modello.

DeepSeek ha rilasciato il proprio harness come open source sotto licenza MIT il 13 agosto 2026, lo stesso giorno in cui DeepSeek-V4-Pro ha raggiunto la disponibilità generale e tre giorni prima di una nuova griglia di prezzi per l'API. Ogni funzionalità di «DeepSeek Harness» è un plugin sostituibile tramite configurazione, e tutto ciò che il modello vede finisce in un log di sessione append-only.

Sumeet Gayathri Moghe registra un effetto collaterale: i harness di coding dell'ultimo anno hanno messo le applicazioni web interattive a portata di chi non è sviluppatore. Un mese dopo, Fred Cavazza legge la separazione modello/harness come l'asse competitivo in sé, osservando che anche il «Gemini agent» di Google mobilita modelli terzi, tra cui Claude. La sua riserva resta: l'affidabilità e la redditività dei "collaborateurs synthétiques" di Google su larga scala restano da dimostrare.