Ingeniería de harness

Qué tener en cuenta

Las preguntas que distinguen las opciones, por orden de importancia.

1. 01

   Un archivo de contexto breve que remite a otros

   AGENTS.md o CLAUDE.md se carga en cada sesión, así que cada línea cuesta tokens en cada turno y compite con la tarea por la atención del modelo. El equipo de harness de OpenAI comprobó que un único archivo grande de instrucciones se quedaba desfasado y no se podía verificar automáticamente, y pasó a un AGENTS.md de unas 100 líneas que funciona como índice de una carpeta docs/ estructurada. Empieza con unas pocas reglas que puedas defender (el CLAUDE.md de Karpathy tiene cuatro), añade una línea solo cuando el agente repita un error y deja el detalle en archivos que el agente abre cuando los necesita.

2. 02

   Guías antes de que el agente actúe, sensores después

   El modelo de Birgitta Böckeler en martinfowler.com divide el harness en guías, que orientan al agente antes de trabajar (archivos de contexto, skills, especificaciones, servidores de lenguaje), y sensores, que comprueban el resultado para que el agente se corrija solo (tests, linters, comprobadores de tipos, tests estructurales, revisión). Hacen falta ambos: las guías por sí solas nunca saben si han funcionado, y los sensores por sí solos detectan el mismo error una y otra vez. Prefiere los sensores deterministas, que son rápidos, baratos y repetibles, a la revisión con IA, y escribe mensajes de linter que le digan al agente cómo arreglar el problema.

3. 03

   Coste de contexto de skills, plugins y hooks

   Las skills son baratas hasta que se acumulan. La documentación de Anthropic sitúa el coste inicial en unos 100 tokens por skill instalada y hasta 5.000 más cuando se activa una; ECC en su instalación completa carga tantas reglas y skills que ocupa buena parte de la ventana de contexto, y por eso ofrece un perfil mínimo. En Claude Code, claude plugin details indica lo que cada plugin añade a cada turno. Instala el conjunto más pequeño que cubra tu flujo de trabajo y quita lo que no hayas usado en un mes.

4. 04

   Un proceso a la medida del cambio

   Los frameworks guiados por especificaciones y los de varios roles convierten el trabajo del agente en documentos que puedes revisar, y lo cobran. En la prueba de Scott Logic, Spec Kit exigió entre 2 y 3,5 horas de revisión humana por funcionalidad; BMAD genera varios documentos de planificación por funcionalidad; Superpowers es lento y consume muchos tokens en arreglos pequeños. Las skills de Matt Pocock están en el otro extremo: no se ejecuta nada si no lo llamas. Comprueba si una herramienta reduce su proceso para un arreglo de una línea (la skill Build de BMAD ya lo hace) e instala un solo framework de flujo de trabajo por proyecto, porque Superpowers, BMAD, ECC y el paquete de Addy Osmani se solapan y compiten.

5. 05

   Un estado que sobrevive al final de la sesión

   Cada sesión nueva empieza sin recordar la anterior. El artículo de Anthropic sobre agentes de larga duración describe una solución con archivos sencillos: una lista de funcionalidades en JSON con cada elemento marcado como superado o no, un registro de progreso, un init.sh que arranca la app, una funcionalidad por sesión y un commit de git al final de cada una. Los plugins de memoria lo automatizan a un precio: claude-mem resume cada sesión con un modelo que pagas tú, y su worker local no autentica las peticiones; context-mode guarda la salida de las herramientas en un índice local y reconstruye el estado de trabajo tras la compactación. Prueba primero los archivos sencillos.

6. 06

   Un sandbox y un guardián de comandos, no uno u otro

   A un agente se le puede convencer de ejecutar cualquier cosa, así que los límites deben estar en el sistema operativo, no en el prompt. Sandbox Runtime de Anthropic, el motor del /sandbox de Claude Code, limita la escritura de archivos y el acceso a la red a lo que permitas, pero por diseño admite escrituras dentro del proyecto, así que git reset --hard y git push --force siguen ejecutándose. CC Safety Net lee cada comando de shell antes de que se ejecute y bloquea esos, pero no controla ni los archivos ni la red. Juntos cubren los huecos del otro.

7. 07

   Promesas de ahorro de tokens, contrastadas con tu propia factura

   Varias herramientas prometen un contexto más pequeño y costes más bajos. Una salida de herramientas más corta no equivale a una sesión más barata: dos pruebas independientes de rtk no encontraron ahorro en sus ejecuciones principales (un 7,6 % y un 5,8 % más), en parte porque su hook solo ve las llamadas a Bash, y nadie ha publicado una prueba de costes del plugin gratuito de context-mode. Mide antes y después con tus propios registros de uso (ccusage los lee en local) durante una semana de trabajo normal, no con una sola tarea de demostración.

8. 08

   Quién puede cambiar el código que se ejecuta en tu agente

   Los plugins y los paquetes de skills ejecutan hooks y servidores MCP con tus permisos. El marketplace oficial de Claude Code fija cada entrada a un commit, pero Anthropic advierte de que figurar en la lista no es una auditoría de seguridad, y los plugins se actualizan solos por defecto. El README de ECC avisa de que los mirrors pueden contener malware, y la instalación por defecto de CC Safety Net descarga @latest. Instala desde el repositorio original, fija versiones para un equipo y lee los scripts de los hooks antes de activarlos.

14 herramientas comparadas

Ordenadas por nuestra nota. Abre cualquier reseña para ver las fuentes, los precios y el veredicto completo.

Comparativa de herramientas de Ingeniería de harness

Herramienta	Nota	Nuestro veredicto	Ideal para	Precio
Superpowersrepo	4.7/5	Una capa de disciplina que hace que un agente de programación se comporte como un ingeniero júnior cuidadoso, y que compensa sus tokens extra en cualquier cosa mayor que una corrección de una línea.	Desarrolladores que quieren que un agente lleve funcionalidades de varias horas con plan, tests y revisión incorporados.	Gratuito y de código abierto (MIT). Pagas el uso de modelos del agente en el que lo ejecutes.
Matt Pocock's Skillsrepo	4.5/5	Las skills de Matt Pocock hacen que el agente discuta el plan contigo antes de escribir código, y solo /grill-me ya justifica instalarlas.	Ingenieros que quieren hábitos ligeros de planificación y TDD sin ceder el proceso a un framework.	Gratuito y de código abierto (MIT). Pagas el uso del modelo de tu agente.
Anthropic Skillsrepo	4.4/5	Léelo antes de escribir una skill propia, e instálalo si Claude Code tiene que manejar ficheros de Office y PDF; solo no confundas las skills de documentos con algo de lo que puedas hacer un fork.	Cualquiera que escriba skills, y usuarios de Claude Code que necesitan manejar ficheros de Office y PDF.	Gratuito. Las skills de ejemplo son Apache-2.0; las skills de documentos tienen el código disponible, pero no son de código abierto.
Anthropic Sandbox Runtime (srt)repo	4.4/5	A tu agente de programación se le puede convencer de cualquier cosa; al sistema operativo no, y srt pone al sistema operativo al mando.	Cualquier desarrollador que ejecute un agente de programación en su propia máquina, como primera capa de protección.	Gratuito y de código abierto con licencia Apache 2.0.
Spec Kitrepo	4.3/5	Spec Kit convierte el trabajo del agente en documentos revisables en git, y lo cobra en horas de lectura humana por funcionalidad.	Equipos que quieren especificaciones escritas y revisables antes de que un agente escriba código.	Gratuito y de código abierto (MIT).
Agent Skills (Addy Osmani)repo	4.3/5	El paquete de Addy Osmani convierte los hábitos de un ingeniero sénior en controles que un agente no puede esquivar con argumentos, y es uno de los pocos conjuntos de skills que se toma en serio el navegador.	Desarrolladores web que quieren un único paquete de skills estructurado desde la especificación hasta el lanzamiento.	Gratuito y de código abierto (MIT). Pagas el uso del modelo de tu agente.
Claude Code official plugin marketplacerepo	4.3/5	Empieza aquí antes de añadir cualquier marketplace de terceros: las entradas fijadas a un commit y el coste de contexto visible lo convierten en la opción por defecto más segura, aunque aparecer en la lista no es una auditoría de seguridad.	Todos los usuarios de Claude Code, como primer sitio donde buscar plugins.	Gratis. El repositorio del catálogo es Apache-2.0; cada plugin tiene su propia licencia, y muchos plugins de proveedores requieren una cuenta de pago con ese proveedor.
Learn Harness Engineeringrepo	4.1/5	Un temario de verdad para la parte menos vistosa de programar con agentes, el andamiaje alrededor del modelo, y mejor en estructura que en originalidad.	Ingenieros que ya usan Claude Code o Codex y quieren una forma estructurada de hacer más fiables las sesiones de agentes sin supervisión.	Gratis (MIT); necesitas tu propio agente de código, como Claude Code o Codex, para hacer los proyectos.
CC Safety Netrepo	4.0/5	El cinturón de seguridad para el daño que un sandbox permite a propósito: force-pushes, hard resets y rm -rf dentro de tu propio proyecto.	Cualquiera que deje a un agente de programación ejecutar comandos de shell sin aprobar cada uno.	Gratuito y de código abierto bajo MIT.
BMAD Methodrepo	3.8/5	BMAD justifica su papeleo en proyectos con partes interesadas que firman la aprobación, y lo cobra en horas en todo lo que sea más pequeño.	Equipos en proyectos grandes que quieren que se generen y revisen PRD, arquitectura e historias.	Gratuito y de código abierto (MIT). "BMad" y "BMAD-METHOD" son marcas registradas de BMad Code, LLC.
Everything Claude Code (ECC)repo	3.8/5	ECC es un cajón de piezas más que un flujo de trabajo: útil con un perfil minimal, un impuesto permanente sobre el contexto en su tamaño completo.	Usuarios avanzados de Claude Code que quieren un kit grande y están dispuestos a recortarlo a un perfil minimal.	Gratuito y de código abierto (MIT). La GitHub App ECC Pro para repositorios privados cuesta 19 $ por puesto al mes; Enterprise bajo presupuesto. Pagas el uso del modelo de tu agente.
claude-memrepo	3.7/5	Memoria real entre sesiones para Claude Code, envuelta en un instalador que te empuja hacia una suscripción alojada y una factura de compresión que hay que vigilar.	Desarrolladores en proyectos largos que quieren que el agente recuerde las sesiones anteriores.	Código abierto (Apache-2.0). La compresión se ejecuta con tu plan de Anthropic o tu propia clave. Planes alojados de CMEM: Pro 30 $/mes, Heavy 70 $/mes, Max 100 $/mes con excedentes; el precio de TeamBrain no se ha anunciado.
context-moderepo	3.6/5	Merece la pena probarlo en sesiones largas que pierden el hilo tras la compactación; nadie ha demostrado todavía que el plugin gratuito reduzca la factura.	Usuarios de Claude Code cuyas sesiones largas pierden el hilo del trabajo tras la compactación.	Plugin gratuito (Elastic License 2.0). Pasarela alojada: 1.000 solicitudes gratis una vez; Starter 20 $/mes (10.000 solicitudes); Pro 49 $/mes (50.000 solicitudes); pagas directamente a tu proveedor de modelos.
rtk (Rust Token Killer)repo	3.4/5	Acorta la salida de la shell, que no es lo mismo que abaratar Claude Code, y las dos pruebas de coste independientes concluyeron que no lo abarata.	Desarrolladores con una salida de shell muy ruidosa que vayan a medir el efecto por su cuenta.	Gratuito (CLI Apache-2.0 más motor BUSL-1.1; hay una versión rtk-oss solo Apache). La reventa comercial requiere licencia. La edición para equipos RTK Pro es de pago, con prueba de 7 días.

Lado a lado

Las especificaciones que importan en este paso. Comprobado el 6 nov 2026; confírmalo en la web del proveedor antes de decidirte.

Fuentes de esta guía

• OpenAI: Harness engineering, leveraging Codex in an agent-first world
• Birgitta Böckeler: Harness engineering for coding agent users (martinfowler.com)
• Anthropic: Effective harnesses for long-running agents
• Anthropic: Beyond permission prompts (Claude Code sandboxing)
• Agent Skills overview (Claude Platform docs)
• Putting Spec Kit through its paces (Scott Logic)
• rtk Claude Code token savings benchmark (JetBrains)