Vas a pedirle al Agent la página de invitación y, antes de nada, la pantalla te pide elegir un Agent y luego un modelo. Si solo querías quedar para dar un paseo, ¿por qué parece que estás montando un ordenador por piezas?
Sin agobios. Estas dos elecciones tienen que ver con dos cosas: «con qué capacidad se entiende la tarea» y «cómo se lleva a cabo». Si desmontamos el proceso de hacer una invitación, se entiende enseguida.
El modelo entiende y genera
Un modelo procesa la información que recibe y genera el contenido siguiente o una propuesta de acción.
Si dices «la actividad es para gente que no suele hacer deporte», el modelo puede ajustar el texto para que la invitación no parezca un desafío. Si dices «que la hora se vea bien», el modelo también puede generar el código de la página que lo consiga.
Los nombres de las versiones concretas de GPT y Claude son nombres de modelos. Cada modelo puede tener distinta capacidad, velocidad y coste de uso, y también aceptar distintos tipos de entrada.
Pero cuando el modelo propone «modifica este archivo», hace falta un software que lo haga de verdad. Dónde está el archivo, qué herramientas se pueden usar ahora y qué acciones necesitan tu permiso: alguien tiene que organizar todo eso.
El Harness organiza la tarea
Un Agent Harness es, por decirlo así, el software de ejecución que rodea al modelo. La palabra inglesa suena rara al principio; de momento, basta con recordar lo que hace.
Le pasa al modelo tu petición y los archivos relacionados, le explica qué herramientas tiene disponibles, se encarga de ejecutar las herramientas y de los permisos, y le devuelve los resultados para que la tarea continúe. Cuando la conversación se alarga, ordenar el contexto también puede ser trabajo suyo.
Imagina que dices: «Cambia la hora de encuentro de las tres a las cuatro». El modelo necesita ver primero el contenido relacionado, el cambio tiene que aplicarse en el archivo correcto y el resultado tiene que volver. El Harness es quien organiza todo ese proceso.
Por eso, el mismo modelo, en otro Harness y otro entorno, puede dar una experiencia distinta. Si cambian el material que puede ver, las herramientas y la forma de ejecutar, el resultado puede cambiar; eso no quiere decir que cualquier Harness consiga que todos los modelos sean igual de buenos.
Las herramientas son las que actúan
Las herramientas pueden leer archivos, escribir cambios o ejecutar una comprobación. El modelo propone la acción, el Harness ejecuta la herramienta según sus reglas y la herramienta devuelve el resultado.
En la invitación: la herramienta de lectura ve la hora antigua, la de edición escribe la nueva y la de comprobación confirma que el contenido cumple lo pedido. Todo esto tiene que pasar en algún sitio con archivos y donde se puedan ejecutar programas: lo que más adelante llamaremos Workspace.
Esta separación es solo para entenderlo mejor; cada producto empaqueta estas piezas a su manera, en entradas distintas. No tienes que montar cada capa por tu cuenta para poder usar un Agent.
Con saber quién ocupa cada asiento, basta
El Agent, por su parte, es el ejecutor con el que colaboras cuando todas estas capacidades se ponen en marcha alrededor de un objetivo. No es un «modelo más grande» que no tenga nada que ver con el modelo.
Al elegir, céntrate en lo que tienes delante
Para tu primera página, elige un Agent disponible y luego uno de los modelos compatibles que te ofrezca la pantalla. No todos los Harness admiten todos los modelos, y además necesitas tener cuota disponible.
Si el resultado no te convence, mira primero cuál es el problema concreto: si no ha leído la información del evento, dársela puede servir más que cambiar de modelo; si no tiene la herramienta que necesita, revisa el entorno; si ha entendido mal lo que pedías, prueba a explicarlo con más detalle.
Sobre los detalles técnicos del Harness, la explicación oficial de OpenAI cuenta cómo se organizan la ejecución de herramientas, la configuración y las conversaciones largas. Para una primera lectura, si ya distingues los cuatro asientos de arriba, tienes más que suficiente.