Agentes de IA de larga duración: Supera ventanas de contexto con el Harness de Anthropic.

Los agentes de IA enfrentan el desafío de trabajar en tareas complejas que abarcan horas o días, ya que cada nueva sesión comienza sin memoria de lo que sucedió antes debido a las limitaciones de las ventanas de contexto. Anthropic desarrolló una solución doble (un harness efectivo) para el Claude Agent SDK, inspirada en las prácticas de ingenieros de software, que permite a los agentes hacer progreso consistente. La solución incluye un agente inicializador que configura el entorno de trabajo, generando un script init.sh y un archivo de requisitos detallado (JSON) que enumera las características a implementar, marcándolas inicialmente como fallidas. Luego, un agente codificador se encarga de lograr progreso incremental en cada sesión, centrándose en una sola característica a la vez. Para mantener un "estado limpio", el agente codificador debe registrar su progreso en un archivo de notas y hacer commits descriptivos a Git, lo que elimina la necesidad de adivinar el estado del trabajo y permite la recuperación. Este sistema también enfatiza las pruebas end-to-end con herramientas de automatización de navegador, como Puppeteer MCP, para asegurar que las características funcionen antes de marcarlas como completas, resolviendo la tendencia de Claude a declarar la victoria prematuramente.https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents