Agent Harness é a próxima camada depois de Claude Code e Codex

Pare de discutir apenas Claude Code contra Codex.

Para usuários intensivos de IA, a questão difícil já não é se um agente consegue escrever código ou terminar uma tarefa. A questão é como humanos operam um grupo de agentes sem virar babás de IA.

Em 13 de junho, a Databricks apresentou o Omnigent, um meta-harness open source para agentes. Ele fica acima de Claude Code, Codex, Pi e agentes customizados para combinar, controlar e compartilhar sessões.

Isso aponta para a próxima camada.

A disputa não é só qual modelo é mais inteligente. É qual camada permite que humanos gerenciem muitos agentes enquanto o trabalho acontece.

O que é um agent harness

Um agent harness não é um modelo.

Modelos são GPT, Claude, Gemini, Qwen, Kimi.

Um harness é o frame de execução que transforma capacidade do modelo em trabalho. Ele conecta o modelo a arquivos, terminal, browser, Git, ferramentas, permissões, logs, estado da tarefa, contexto e aprovação humana.

Modelo + harness = agente trabalhando.

Claude Code é útil não só porque Claude entende código. Ele é útil porque está dentro de um harness que lê repositórios, edita arquivos, roda comandos, inspeciona diffs e segue regras do projeto.

Codex também não é apenas um modelo de código. É ambiente de tarefa, isolamento, diffs, execução e handoff.

Cursor parece uma IDE, mas a mudança profunda é parecida: o produto vira um agent workspace.

Por que Omnigent importa

A Databricks diz que seus times frequentemente mantêm quatro ou cinco agentes abertos: coding agents, Gemini search, agentes internos, documentos, Slack e ferramentas de colaboração.

A IA deveria reduzir troca de contexto.

Mas usuários avançados agora carregam contexto entre trabalhadores de IA.

Omnigent adiciona uma camada compartilhada acima dos harnesses.

• Composição: combinar vários agentes, modelos e harnesses.
• Controle: aplicar budgets, permissões e políticas acima de prompts.
• Colaboração: compartilhar live sessions para revisar, comentar e guiar trabalho em equipe.

Por isso é um meta-harness.

Não é mais um agente isolado. É uma camada para gerenciar agentes.

Por que um agente só não basta

Trabalho real não é single-thread.

Um agente escreve. Outro revisa. Outro pesquisa documentação. Outro roda testes. Outro verifica UI.

A pergunta muda de “qual é o mais forte?” para “qual agente faz melhor cada parte?”.

Um agente pode ser poderoso e ainda difícil de gerenciar. Pode editar arquivos demais, entrar em loop, perder requisitos ou entender errado o objetivo.

Esse é o problema de AI babysitting.

Você pede uma tarefa, mas não consegue sair. Precisa checar se o agente ainda está no caminho certo.

Um sistema melhor deixa agentes executarem enquanto humanos gerenciam objetivos, julgamento, revisão e intervenção.

O que equipes devem avaliar agora

Para empresas, agent harness vira infraestrutura.

Não pergunte apenas qual modelo a ferramenta usa.

Pergunte:

1. Como o agente é executado?
2. Como permissões sobre arquivos, credenciais, APIs, ferramentas e repositórios são gerenciadas?
3. Chamadas de ferramentas, comandos, diffs, browser actions e arquivos gerados são visíveis?
4. Uma sessão pode ser compartilhada, revisada, comentada ou assumida por outra pessoa?
5. Se Claude Code é melhor hoje e Codex mais barato amanhã, o workflow sobrevive?
6. Onde humanos aprovam ou interrompem o trabalho?

Esses não são detalhes pequenos.

Eles decidem se agentes viram truques pessoais ou infraestrutura de equipe.

Como isso se conecta ao Buda

O Buda não deve ser entendido como outra caixa de chat.

Ele é mais próximo de um AI Agent Workspace colaborativo: agentes têm sessions, Drive knowledge, tools, sandboxes, channels, terminal, browser, visibilidade de Git e pontos de revisão humana.

Isso segue a mesma direção do meta-harness. Modelos vão mudar. Ferramentas de agentes vão mudar. Times vão continuar testando Claude Code, Codex, Cursor, Pi, agentes open source e modelos locais.

O que precisa permanecer é a camada de gestão.

Como tarefas são divididas. Como agentes recebem papéis. Como permissões são limitadas. Como custo e progresso ficam visíveis. Como humanos revisam. Como o trabalho deixa de ficar preso em um laptop.

O futuro não é um super-agente fazendo tudo sozinho.

É humanos gerenciando equipes de agentes por meio de um workspace feito para execução, visibilidade e julgamento.

Explore trabalho multi-agent no Buda dashboard.