Harness, framework ou MCP? Quem controla o loop, o estado e as permissões do seu agente de IA

Harness, framework e MCP são termos usados quase como sinônimos nas discussões sobre arquitetura de agentes. Não são a mesma coisa. Cada um opera em uma camada diferente, com responsabilidades próprias — e as fronteiras entre eles estão cada vez mais borradas. Este artigo separa os três a partir de uma única pergunta: quem é dono do loop de execução, do estado, do transporte de ferramentas, das permissões e da recuperação?

As três categorias, definidas

Agent harness (o arnês): é o sistema de execução que envolve um modelo e o transforma em um agente funcional. Ele gerencia o estado da conversa, transmite a execução e usa ferramentas. Também aplica políticas de sandbox e aprovação, e carrega o trabalho entre turnos. Um harness é opinativo: entrega loop, modelo de permissões, sandbox e estratégia de contexto como uma unidade só. São exemplos o Claude Code (Anthropic), o Codex (OpenAI) e o DeepSeek Harness.

Agent framework: é uma biblioteca de primitivos para compor agentes — clientes de modelo, abstrações de ferramentas, orquestração por grafos, interfaces de memória e ganchos de observabilidade. Exemplos: LangGraph, OpenAI Agents SDK e Microsoft Agent Framework. O framework te dá as peças e o esqueleto do loop. A política é você quem decide.

MCP (Model Context Protocol): é um protocolo de comunicação, não um runtime. Ele padroniza como uma aplicação LLM (o host) descobre e chama capacidades expostas por servidores: ferramentas, recursos e prompts. Usa JSON-RPC 2.0. Desde dezembro de 2025 é governado pela Agentic AI Foundation da Linux Foundation. O MCP não possui loop e não possui estado de agente — ele é dono apenas do contrato entre o agente e suas ferramentas.

A matriz de propriedade

Onde as fronteiras estão se borrando

Três movimentos estão convergindo as camadas. Frameworks estão absorvendo harnesses: o Microsoft Agent Framework agora traz uma camada “Agent Harness” que transforma qualquer chat client em um harness completo com uma chamada de método. Harnesses estão virando plataformas: a OpenAI abriu o harness do Codex e oferece três níveis de integração (exec, SDK e app-server); o DeepSeek Harness v0.1 (licença MIT) parte do princípio de que todo componente, inclusive o loop, é um plugin. O MCP ganha recursos de agente: elicitação, MRTR, a extensão Tasks e MCP Apps empurram o protocolo para fora do núcleo — mas os mantenedores mantêm o núcleo request/response, sem se tornar o agente.

Um termo que não se mistura: A2A. Comunicação agente-a-agente é um protocolo separado, também abrigado na Agentic AI Foundation. MCP conecta um agente a ferramentas; A2A conecta um agente a outros agentes.

Como montar a pilha

A decisão se resume a três perguntas:

• Você quer controlar o loop? Comece por um framework se precisa de fluxo de controle customizado ou um grafo testável nó a nó. Mas espere escrever a política de permissões, a persistência e a sandbox por conta própria.
• Quer um loop testado, com permissões e recuperação prontas? Um harness te leva mais longe e mais rápido em tarefas de código, operações e pesquisa. Você troca controle de loop por comportamento de produção. Os números da OpenAI mostram o efeito: o mesmo modelo salta de 13,3% para 38,3% no ARC-AGI-3 apenas trocando o harness.
• De quais ferramentas o agente precisa? A resposta é MCP, independentemente da camada acima. Todo harness e framework relevante fala MCP. Com o núcleo stateless de 28/07/2026, um servidor MCP remoto virou carga HTTP comum atrás de um load balancer.

O formato de produção mais comum no fim de 2026 é o híbrido: um framework orquestra o grafo externo, um harness roda cada etapa pesada dentro do próprio sandbox, e o MCP transporta toda chamada de ferramenta. As categorias são camadas, não rivais.