Qué es OpenHarness: qué puede hacer este agent harness open source

Sun, 12 Apr 2026 23:45:00 +0800

Si has estado siguiendo herramientas de agentes AI open source últimamente, HKUDS/OpenHarness es un proyecto que vale la pena observar. No es simplemente otro envoltorio de chat. En su lugar, separa la capa de infraestructura para un agente ejecutable, extensible y gobernable en un Agent Harness open source independiente.

Según el README oficial, OpenHarness ofrece un conjunto ligero pero bastante completo de capacidades de agente, incluidas llamadas a herramientas, carga de skills, memoria, gobierno de permisos y coordinación multi-agente. El ohmo incluido es la aplicación de asistente personal AI construida sobre esa base.

01 Qué es OpenHarness

Puedes pensar en OpenHarness como la capa de runtime que da manos, memoria y límites a un modelo fundacional.

Un modelo puede ser bueno razonando y generando texto, pero si quieres que funcione como un agente de larga duración, normalmente necesita estas capacidades alrededor:

Llamar herramientas en lugar de solo producir texto
Leer y escribir archivos, ejecutar comandos y usar búsqueda y acceso web
Preservar contexto y memoria entre sesiones largas
Aplicar controles de permisos a acciones riesgosas
Dividir tareas grandes entre varios sub-agentes en paralelo

El objetivo de OpenHarness es convertir esa capa de ingeniería alrededor del modelo en una implementación Python clara, open source e inspeccionable. Está más cerca de un sustrato operativo para agentes que de una experiencia de modelo o una interfaz de chat concreta.

02 Funciones básicas del proyecto

Según la página de GitHub y el README actuales, OpenHarness se centra en las siguientes áreas de capacidad.

1. Agent Loop

Este es el bucle de ejecución central que permite a un agente seguir trabajando durante múltiples pasos. Los puntos destacados oficiales incluyen:

Bucles de llamadas a herramientas con streaming
Reintentos de API con backoff exponencial
Ejecución paralela de herramientas
Contabilidad de tokens y seguimiento de costes

El punto práctico es que el agente no queda limitado a una respuesta única. Puede observar, razonar, llamar herramientas, leer resultados y seguir iterando dentro de la misma tarea.

2. Herramientas, Skills y Plugins

OpenHarness dedica bastante esfuerzo a la capa de herramientas. La página del proyecto dice que ya incluye herramientas integradas para archivos, Shell, búsqueda, acceso web y MCP, y que soporta carga bajo demanda de archivos de skill en Markdown.

Su valor no está solo en tener muchas herramientas, sino en que el modelo de composición es bastante abierto:

Puedes usar directamente las herramientas integradas
Puedes cargar skills para una tarea específica
Puedes extender hooks, skills y agentes mediante plugins
Es compatible con el ecosistema anthropics/skills y plugins relacionados

Si quieres convertir flujos repetidos en capacidades reutilizables en lugar de volver a describirlos en prompts cada vez, esta capa resulta especialmente útil.

3. Contexto y memoria

Este es uno de los diferenciadores más importantes de OpenHarness. Las palabras clave oficiales incluyen:

descubrimiento e inyección de CLAUDE.md
compresión automática de contexto
memoria persistente mediante MEMORY.md
recuperación de sesiones y continuación de historial

Eso significa que no solo reacciona a la entrada actual. Está diseñado para preservar convenciones de proyecto, tareas históricas y preferencias a largo plazo, lo que lo hace más adecuado para trabajo continuo en lugar de empezar siempre desde cero.

4. Gobierno de permisos y límites de seguridad

Cuando un agente empieza a interactuar con filesystem, terminal y red, el gobierno se vuelve crítico. OpenHarness ofrece:

múltiples modos de permisos
controles de reglas basados en rutas y comandos
hooks PreToolUse / PostToolUse
prompts interactivos de aprobación

En otras palabras, no se trata solo de permitir que el agente haga cosas. También define qué puede hacerse directamente y qué debería requerir confirmación primero.

5. Coordinación multi-agente

OpenHarness también soporta delegar trabajo a sub-agentes. Los materiales públicos actuales mencionan capacidades como:

creación y delegación de sub-agentes
registro de equipos y gestión de tareas
ciclo de vida de tareas en segundo plano

Para trabajo más complejo, esto significa que puede ir más allá de un único agente serial e intentar colaboración paralela.

6. Flujos multi-proveedor

OpenHarness no trata a los proveedores como simples etiquetas de API. Los abstrae como combinaciones de workflow + profile. Según el README, las direcciones actuales incluyen:

Claude / compatible con Anthropic
compatible con OpenAI
Codex Subscription
GitHub Copilot
backends compatibles como Moonshot(Kimi), GLM y MiniMax

Eso hace que se sienta más como un framework runtime multi-modelo y multi-entrada para agentes, no como algo atado a un único proveedor.

7. React TUI y modo no interactivo

OpenHarness incluye una interfaz de terminal. Ejecutar oh abre una TUI React/Ink, y el README oficial dice que soporta:

selector de comandos
confirmación de permisos
cambio de modelo
cambio de proveedor
recuperación de sesión

Si no quieres entrar en una interfaz interactiva, también puedes usar el modo no interactivo para ejecutar una tarea una vez y devolver el resultado como salida estándar, JSON o JSON en streaming, algo útil para scripting y automatización.

03 Qué es `ohmo`

Si OpenHarness es la capa de infraestructura, ohmo es la aplicación de agente personal construida encima.

La página del proyecto es muy clara sobre su posicionamiento: no es solo un chatbot genérico, sino un asistente personal que puede seguir trabajando durante conversaciones largas. La descripción oficial dice que puede interactuar contigo mediante canales como Feishu, Slack, Telegram y Discord, y realizar tareas como:

crear una rama mediante fork
escribir código
ejecutar pruebas
abrir un PR

El README también destaca que ohmo puede ejecutarse sobre tu suscripción existente de Claude Code o Codex, por lo que no necesariamente necesitas provisionar una nueva clave API. Para personas que ya usan esas suscripciones, eso reduce bastante la barrera.

04 En qué escenarios encaja

Por las capacidades públicas actuales, OpenHarness encaja bien para personas que:

Quieren estudiar de qué está hecho realmente un agente de nivel producción
Quieren construir su propio runtime de agentes open source y extensible
Quieren herramientas, skills, memoria, permisos y coordinación multi-agente en un solo framework
No quieren quedar atadas a un único proveedor de modelos o forma de cliente
Quieren construir agentes verticales o asistentes personales sobre una arquitectura existente

Si tu objetivo es simplemente encontrar un asistente terminado que pueda chatear de inmediato, OpenHarness en sí quizá no sea la opción más ligera. Pero si te importa más la infraestructura de agentes, el control de ingeniería y la extensibilidad a largo plazo, es un proyecto muy valioso para estudiar.

05 Una forma rápida de entender su posicionamiento

En una frase:

OpenHarness convierte modelos fundacionales en agentes que realmente pueden ejecutar trabajo, mientras ohmo empaqueta esa capacidad en un asistente personal que puede seguir trabajando contigo con el tiempo.

También puedes pensarlo como dos capas:

OpenHarness: un Agent Harness open source, esencialmente la capa de infraestructura
ohmo: una app de agente personal construida sobre esa infraestructura

A fecha de 12 de abril de 2026, la página de GitHub muestra que el proyecto ya había avanzado a v0.1.6 (10 de abril de 2026), con énfasis continuo en compresión automática de contexto, soporte de transporte MCP, React TUI y estabilidad de runtime para flujos multi-agente. Eso sugiere que todavía evoluciona rápido, pero su dirección ya es bastante clara.

Referencias

Repositorio GitHub: https://github.com/HKUDS/OpenHarness
README en inglés: https://github.com/HKUDS/OpenHarness/blob/main/README.md
README en chino: https://github.com/HKUDS/OpenHarness/blob/main/README.zh-CN.md

HKUDS on KnightLi Blog